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 last
LinkedHashMap.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;
else
b.after = a;
if (a != null)
a.before = b;
else
last = 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 eldest
LinkedHashMap.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。
@Override
public 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();
}
}