Java实现LRU缓存

1.Cache

Cache对于代码系统的加速与优化具有极大的作用，对于码农来说是一个很熟悉的概念。可以说，你在内存中new 了一个一段空间（比方说数组，list）存放一些冗余的结果数据，并利用这些数据完成了以空间换时间的优化目的，你就已经使用了cache。
有服务级的缓存框架，如memcache，Redis等。其实，很多时候，我们在自己同一个服务内，或者单个进程内也需要缓存，例如，lucene就对搜索做了缓存，而无须依赖外界。那么，我们如何实现我们自己的缓存？还要带自动失效的，最好还是LRU（Least Recently Used）。当你思考怎么去实现，你可能会想得很远。为了LRU，需要把刚使用的数据存入栈，或者纪录每个数据最近使用的时间，再来的定时扫描失效的线程….其实，Java本身就已经为我们提供了LRU Cache很好的实现，即LinkedHashMap。

2.LinkedHashMap分析

很多没有去细究过其内部实现的人，只是将其当作一个普通的hashMap来对待。LinkedHashMap是一个双向链表，加上HashTable的实现。表现出来与普通HashMap的一个区别就是LinkedHashMap会记录存入其中的数据的顺序，并能按顺取出。
为了实现，一个hash表，自然应该先申请在一片连续的内存空间上。当需要存入数据的时候，根据相应的hash值存入。而LinkedHashMap在这个基础上，为每个entry设置了before与after属性，形了一个双向链表，记录了他们put进入的前后顺序。不仅如此，每当通过get来获得某个元素后，get方法内部，会在最后通过afterNodeAccess方法来调整链表的指向:

void afterNodeAccess（Node<K,V> e） { // move node to lastLinkedHashMap.Entry<K,V> last;if （accessOrder && （last = tail） ！= e） {LinkedHashMap.Entry<K,V> p =（LinkedHashMap.Entry<K,V>）e, b = p.before, a = p.after;p.after = null;if （b == null）head = a;elseb.after = a;if （a ！= null）a.before = b;elselast = b;if （last == null）head = p;else {p.before = last;last.after = p;}tail = p;++modCount;}}

上述代码将Node e移至了双向链表的未尾。而在方法afterNodeInsertion中，只要满足条件，便移除最老的数据,即链表的head。

void afterNodeInsertion（boolean evict） { // possibly remove eldestLinkedHashMap.Entry<K,V> first;if （evict && （first = head） ！= null && removeEldestEntry（first）） {K key = first.key;removeNode（hash（key）, key, null, false, true）;}}

可见，当你为LinkedHashMap设置有限空间的时候，自然便完成了LRU Cache的效果。当然还有一个前提，你必须重写一个方法removeEldestEntry,返回true。表示空间已满时，删除最老的。@Overridepublic boolean removeEldestEntry（Map.Entry<K, V> eldest）{ return size（）>capacity;}

3.线程安全的LRU Cache

如此，我们就获得了一个LRU缓存利器，满足了我们大多场景下的需求。但还有一个问题，它不是线程安全的。在多线程的情况下，你有可能需要对某些Cache做同步处理。这时候，你再找，可以看到java有ConcurrentHashMap的实现，但并不存在ConcurrentLinkedHashMap这样的类。
当然这个问题也不大，我们可以对再有的LinkedHashMap，再作封装，对get，put, 之类的方法加上同步操作。目前，我们所用的处理，是直接采和google提供的guava包，这里面就提供了我们想要的ConcurrentLinkedHashMap。这样就可以很方便地实现一个线程安全。具体代码如下:

import java.util.Set;import com.googlecode.concurrentlinkedhashmap.Weighers;import com.googlecode.concurrentlinkedhashmap.ConcurrentLinkedHashMap;public class ConcurrentLRUCache<K, V> { public static final int DEFAULT_CONCURENCY_LEVEL = 32;private final ConcurrentLinkedHashMap<K, V> map;public ConcurrentLRUCache（int capacity） {this（capacity, DEFAULT_CONCURENCY_LEVEL）;}public ConcurrentLRUCache（int capacity, int concurrency） {map = new ConcurrentLinkedHashMap.Builder<K, V>（）.weigher（Weighers.<V> singleton（））.initialCapacity（capacity）.maximumWeightedCapacity（capacity）.concurrencyLevel（concurrency）.build（）;}public void put（K key, V value） {map.put（key, value）;}public V get（K key） {V v = map.get（key）;return v;}public V getInternal（K key） {return map.get（key）;}public void remove（K key） {map.remove（key）;}public long getCapacity（） {return map.capacity（）;}public void updateCapacity（int capacity） {map.setCapacity（capacity）;}public int getSize（） {return map.size（）;}public void clear（） {map.clear（）;}public Set<K> getKeySet（） {return map.keySet（）;}}

本文永久更新链接地址：http://www.linuxidc.com/Linux/2016-12/138384.htm