|NO.Z.00016|——————————|BigDataEnd|——|Hadoop&Redis.V16|——|Redis.v16|缓存过期|淘汰策略.v02|

一、LRU

### --- LRU

~~~     LRU (Least recently used) 最近最少使用，
~~~     算法根据数据的历史访问记录来进行淘汰数据，
~~~     其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。

### --- 最常见的实现是使用一个链表保存缓存数据，详细算法实现如下：

~~~     新数据插入到链表头部；
~~~     每当缓存命中（即缓存数据被访问），则将数据移到链表头部；
~~~     当链表满的时候，将链表尾部的数据丢弃。
~~~     在Java中可以使用LinkHashMap（哈希链表）去实现LRU

### --- 让我们以用户信息的需求为例，来演示一下LRU算法的基本思路：

~~~     假设我们使用哈希链表来缓存用户信息目前缓存了
~~~     4个用户这4个用户是按照时间顺序依次从链表右端插入的。

~~~     # 此时，业务方访问用户5，

~~~     由于哈希链表中没有用户5的数据，我们从数据库中读取出来，插入到缓存当中。
~~~     这时候，链表中最右端是最新访问到的用户5，最左端是最近最少访问的用户1。

~~~     # 接下来，业务方访问用户2，

~~~     哈希链表中存在用户2的数据，我们怎么做呢？
~~~     我们把用户2从它的前驱节点和后继节点之间移除，重新插入到链表最右端。
~~~     这时候，链表中最右端变成了最新访问到的用户2，最左端仍然是最近最少访问的用户1。

~~~     # 接下来，业务方请求修改用户4的信息。

~~~     同样道理，我们把用户4从原来的位置移动到链表最右侧，并把用户信息的值更新。
~~~     这时候，链表中最右端是最新访问到的用户4，最左端仍然是最近最少访问的用户1。

~~~     # 业务访问用户6，用户6在缓存里没有，需要插入到哈希链表。

~~~     假设这时候缓存容量已经达到上限，必须先删除最近最少访问的数据，
~~~     那么位于哈希链表最左端的用户1就会被删除掉，然后再把用户6插入到最右端。

---

 

 

 

 

 

 

 

 

 

---

Walter Savage Landor:strove with none,for none was worth my strife.Nature I loved and, next to Nature, Art:I warm'd both hands before the fire of life.It sinks, and I am ready to depart

                                                                                                                                                   ——W.S.Landor

---