這篇寫的略為糾結，算法原理、庫都是現成的，我就調用了幾個函數而已，這有啥好寫的？不過想了想，還是可以介紹一下
LRU
算法的原理及簡單的用法。
LRU
（
Least Recently Used，
最近最少使用）是一種內存頁面置換算法。什么叫內存頁面置換？我們知道，相對於內存的速度來講，磁盤的速度是很慢的。我們需要查詢數據的時候，不能每次都跑到磁盤去查，需要在內存里設置一塊空間，把一些常用的數據放在這塊空間里，以后查的時候就直接在這里查，而不必去磁盤，從而起到“加速”的作用。但是這塊空間肯定是遠遠小於磁盤大小的。那么什么樣的數據放在這里才合適呢？當然是常用的數據。那什么樣的數據是“常用”的數據呢？這里就有幾種策略了。比如最簡單FIFO（先進先出），RR（時間片輪轉）等等，當然這就是我們最熟悉的隊列和堆棧的做法。LRU也是這樣一種策略，它的思想是基於這樣一種觀察和假定：最近經常訪問的數據，在所有數據中也是最常訪問的。所以，在這樣一塊空間中，最近被訪問過的頁面被當做“頻繁訪問”的，而一直沒有被訪問過的則被替換出去。這種思想是操作系統存儲管理中最常見的方式之一，而目前也被廣泛的應用為“緩存”的概念。緩存思想應用的也是相當廣泛的，比如寄存器，比如內存，還有網絡、數據庫、IO等等方面，只要有輸入/輸出速度不匹配的地方，緩存就可以作為強有力的武器。
扯的有點遠。接下來講講LRU算法的原理吧。假設我們開了可憐的一小塊空間作為緩存，只能存5個數，頁面編號為0,1,2,3,4。然后需要查詢的一串序列為：4,7,0,7,1,0,1,2,1,2,6。那么將會出現如下圖所示的情況：
整個查詢過程為：
查詢4，緩存中不存在，到磁盤中查，並把4放在緩存中；
查詢7，類似上面的情況；
查詢0，類似上面的情況；
查詢7，直接在緩存中查到了，那么7作為“最近”查過的數據，放在最新的位置；
查詢1，緩存中不存在，到磁盤中查，並把4放在緩存中；
查詢0，直接在緩存中查到了，那么0作為“最近”查過的數據，放在最新的位置；
。。。。。。
后面依此類推。
現在大概清楚LRU是個怎樣的算法，以及為什么可以作為緩存來使用了吧。這里有一篇文章分析的不錯，可以參考一下：
圖解緩存淘汰算法一之LRU
現在我的項目中需要用到緩存了，可是忘了名字，只記得大概的原理，就去群里問道：
我需要這樣一個數據結構，查詢效率高，類似字典和隊列，但最近訪問過的數據最后出隊，很久沒有訪問過的數據就先被踢出去。群里大神指點我去看看LRUCache，恍然大悟，就是這個名字！於是百度了一下，結果找到了不少原理和java實現（比如
http://dennis-zane.iteye.com/blog/128278），就是沒看到python的。於是到群里請教大神，大神一語中的：pylru。又去百度了一下，果然有這東西！
pylru可以使用pip安裝，可以到pypi上查看下載及使用方法：
https://pypi.python.org/pypi/pylru/1.0.9 使用起來又炒雞簡單，按某人的話來說就是：你們python真不要臉。
這個庫是純粹用python寫的，有興趣可以看看它的實現。庫十分短小精悍，只有幾百行代碼，注釋還占了一多半。
測試：
有點啰嗦了，不過這樣結果也很清楚。
如果將來涉及到要寫緩存了，能想起來這個東西，就是幸運。這也是我們為什么建議掌握一定的算法基礎，以及操作系統、體系結構等基礎課程的原因：並不是在實踐中讓你真的去寫一個排序算法，寫一個緩存，而是當你在某種場合下，能突然意識到：這特么不就是個XXX算法嗎，我以前接觸過的。比自己吭哧吭哧半天寫出來個詭異的數據結構要好的多。
本文參考：
1、《現代操作系統》第四章：存儲管理：4.4：頁面置換算法
2、CSDN某博客：LRU算法：
http://blog.csdn.net/luoweifu/article/details/8297084/
3、360圖書館：圖解緩存淘汰算法一之LRU ：
http://www.360doc.com/content/14/0704/09/10504424_391894263.shtml
4、ITEye：LRUCache的java版本實現：
http://dennis-zane.iteye.com/blog/128278
5、PyPI：pylru下載及使用：
https://pypi.python.org/pypi/pylru/1.0.9