1.什么是LRU算法？
LRU是一種緩存淘汰機制策略。
計算機的緩存容量有限，如果緩存滿了就要刪除一些內容，給新的內容騰位置。但是要刪除哪些內容呢？我們肯定希望刪掉那些沒有用的緩存，而把有用的數據繼續留在緩存中，方便之后繼續使用。那么，什么樣的數據我們可以判定為有用的數據呢？
LRU緩存淘汰算法就是一種常用策略。LRU的全稱是Least Recently Used，也就是說我們認為最近使用過的數據應該是有用的，很久都沒用過的數據應該是無用的，緩存滿了就優先刪除那些很久沒有用過的數據。
舉個簡單的例子，安卓手機都可以吧軟件放在后台運行，比如我先后打開了“設置”、“手機管家”、“日歷”，那么現在他們在后台排列的順序是這樣的：
但是這時候如果我訪問了一下“設置”界面，那么“設置”就會被提前到第一個，變成這樣：
假設我的手機只允許我同時打開3個應用程序，現在已經滿了。那么如果我新開了一個應用“時鍾”，就必須關閉一個應用為“時鍾”騰出一個位置，那么關閉哪個呢？
按照LRU的策略，就關最底下的“手機管家”，因為那是最久未使用的，然后把新開的應用放到最上面：
現在你應該理解LRU策略了，當然還有其他緩存策略，比如不要按訪問的時序來淘汰，而是按訪問頻率（LFU策略）來淘汰等等，各有應用場景。本文講解LRU算法策略。
2、LRU算法描述
LeetCode上有一道LRU算法設計的題目，讓你設計一種數據結構，首先構造函數接受一個capacity參數作為緩存的最大容量，然后實現兩個API：
一個是 put(key, val) 方法插入新的或更新已有鍵值對，如果緩存已滿的話，要刪除那個最久沒用過的鍵值對以騰出位置插入。
另一個是 get(key) 方法獲取 key 對應的 val，如果 key 不存在則返回 -1。
需要注意的是，get 和 put 方法必須都是 O(1) 的時間復雜度，我們舉個具體例子來看看 LRU 算法怎么工作。
/* 緩存容量為 2 */
LRUCache cache = new LRUCache(2);
// 你可以把 cache 理解成一個隊列
// 假設左邊是隊頭，右邊是隊尾
// 最近使用的排在隊頭，久未使用的排在隊尾
// 圓括號表示鍵值對 (key, val)
cache.put(1, 1);
// cache = [(1, 1)]
cache.put(2, 2);
// cache = [(2, 2), (1, 1)]
cache.get(1); // 返回 1
// cache = [(1, 1), (2, 2)]
// 解釋：因為最近訪問了鍵 1，所以提前至隊頭
// 返回鍵 1 對應的值 1
cache.put(3, 3);
// cache = [(3, 3), (1, 1)]
// 解釋：緩存容量已滿，需要刪除內容空出位置
// 優先刪除久未使用的數據，也就是隊尾的數據
// 然后把新的數據插入隊頭
cache.get(2); // 返回 -1 (未找到)
// cache = [(3, 3), (1, 1)]
// 解釋：cache 中不存在鍵為 2 的數據
cache.put(1, 4);
// cache = [(1, 4), (3, 3)]
// 解釋：鍵 1 已存在，把原始值 1 覆蓋為 4
// 不要忘了也要將鍵值對提前到隊頭
三、LRU 算法設計
分析上面的操作過程，要讓 put 和 get 方法的時間復雜度為 O(1)，我們可以總結出 cache 這個數據結構必要的條件：查找快，插入快，刪除快，有順序之分。
因為顯然 cache 必須有順序之分，以區分最近使用的和久未使用的數據；而且我們要在 cache 中查找鍵是否已存在；如果容量滿了要刪除最后一個數據；每次訪問還要把數據插入到隊頭。
那么，什么數據結構同時符合上述條件呢？哈希表查找快，但是數據無固定順序；鏈表有順序之分，插入刪除快，但是查找慢。所以結合一下，形成一種新的數據結構：哈希鏈表。
LRU 緩存算法的核心數據結構就是哈希鏈表，雙向鏈表和哈希表的結合體。這個數據結構長這樣：
思想很簡單，就是借助哈希表賦予了鏈表快速查找的特性嘛：可以快速查找某個 key 是否存在緩存（鏈表）中，同時可以快速刪除、添加節點。回想剛才的例子，這種數據結構是不是完美解決了 LRU 緩存的需求？
也許讀者會問，為什么要是雙向鏈表，單鏈表行不行？另外，既然哈希表中已經存了 key，為什么鏈表中還要存鍵值對呢，只存值不就行了？
想的時候都是問題，只有做的時候才有答案。這樣設計的原因，必須等我們親自實現 LRU 算法之后才能理解，所以我們開始看代碼吧～
四、代碼實現
很多編程語言都有內置的哈希鏈表或者類似 LRU 功能的庫函數，但是為了幫大家理解算法的細節，我們用 Java 自己造輪子實現一遍 LRU 算法。
首先，我們把雙鏈表的節點類寫出來，為了簡化，key 和 val 都認為是 int 類型：
class Node {
public int key, val;
public Node next, prev;
public Node(int k, int v) {
this.key = k;
this.val = v;
}
}
然后依靠我們的 Node 類型構建一個雙鏈表，實現幾個要用到的 API，這些操作的時間復雜度均為 O(1) ：
class DoubleList {
// 在鏈表頭部添加節點 x
public void addFirst(Node x);
// 刪除鏈表中的 x 節點（x 一定存在）
public void remove(Node x);
// 刪除鏈表中最后一個節點，並返回該節點
public Node removeLast();
// 返回鏈表長度
public int size();
}
PS：這就是普通雙向鏈表的實現，為了讓讀者集中精力理解 LRU 算法的邏輯，就省略鏈表的具體代碼。
到這里就能回答剛才“為什么必須要用雙向鏈表”的問題了，因為我們需要刪除操作。刪除一個鏈表節點不光要得到該節點本身的指針，也需要操作其前驅節點的指針，而雙向鏈表才能支持直接查找前驅，保證操作的時間復雜度 O(1)。
有了雙向鏈表的實現，我們只需要在 LRU 算法中把它和哈希表結合起來即可。我們先把邏輯理清楚:
如果能夠看懂上述邏輯，翻譯成代碼就很容易理解了：
這里就能回答之前的問題“為什么要在鏈表中同時存儲 key 和 val，而不是只存儲 val”，注意這段代碼：
if (cap == cache.size()) {
// 刪除鏈表最后一個數據
Node last = cache.removeLast();
map.remove(last.key);
}
當緩存容量已滿，我們不僅僅要刪除最后一個 Node 節點，還要把 map 中映射到該節點的 key 同時刪除，而這個 key 只能由 Node 得到。如果 Node 結構中只存儲 val，那么我們就無法得知 key 是什么，就無法刪除 map 中的鍵，造成錯誤。
至此，你應該已經掌握 LRU 算法的思想和實現了，很容易犯錯的一點是：處理鏈表節點的同時不要忘了更新哈希表中對節點的映射。