概述
LinkedHashMap是Java中常用的数据结构之一，安卓中的LruCache缓存，底层使用的就是LinkedHashMap，LRU（Least Recently Used）算法，即最近最少使用算法，核心思想就是当缓存满时，会优先淘汰那些近期最少使用的缓存对象
LruCache的缓存算法
LruCache采用的缓存算法为LRU（Least Recently Used），最近最少使用算法。核心思想是当缓存满时，会首先把那些近期最少使用的缓存对象淘汰掉
LruCache的实现
LruCache底层就是用LinkedHashMap来实现的。提供 get 和 put 方法来完成对象的添加和获取
LinkedHashMap与HashMap的区别
相同点：
1. 都是key,value进行添加和获取
2. 底层都是使用数组来存放数据
不同点：
1. HashMap是无序的，LinkedHashMap是有序的（插入顺序和访问顺序）
2. LinkedHashMap内存的节点存放在数据中，但是节点内部有两个指针，来完成双向链表的操作，来保证节点插入顺序或者访问顺序
LinkedHashMap的使用
LinkedHashMap插入顺序的演示代码
public static void main(String[] args) {
//默认记录的就是插入顺序
Map<String, String> map = new LinkedHashMap<>();
map.put("name", "tom");
map.put("age", "34");
map.put("address", "beijing");
Iterator iterator = map.entrySet().iterator();
//遍历
while (iterator.hasNext()) {
Map.Entry entry = (Map.Entry) iterator.next();
String key = (String) entry.getKey();
String value = (String) entry.getValue();
System.out.println("Key = " + key + ", Value = " + value);
}
}
输出如下：
Key = name, Value = tom
Key = age, Value = 34
Key = address, Value = beijing
由输出可以看到 我们往LinedHashMap中分别按顺序插入了name,age,address以及对应的value 遍历的时候，也是按顺序分别输出了 name,age,address以及对应的value 所以可以，LinkedHashMap默认记录的就是插入的顺序
作为比较，我们再看来一下 HashMap 的遍历是不是有序的。就以上面这几个值为例 代码以及输出如下：
HashMap的遍历
public static void main(String[] args) {
//插入和上面一样的值
Map<String, String> map = new HashMap<>();
map.put("name", "tom");
map.put("age", "34");
map.put("address", "beijing");
Iterator iterator = map.entrySet().iterator();
//遍历
while (iterator.hasNext()) {
Map.Entry entry = (Map.Entry) iterator.next();
String key = (String) entry.getKey();
String value = (String) entry.getValue();
System.out.println("Key = " + key + ", Value = " + value);
}
}
输出如下
Key = address, Value = beijing
Key = name, Value = tom
Key = age, Value = 34
从上面可以得知:
- HashMap遍历的时候，是无序的，和插入的顺序是不相关的。
- LinkedHashMap默认的顺序是记录插入顺序
既然LinkedHashMap默认是按着插入顺序的，那么肯定也有其它的顺序。 对的，LinkedHashMap还可以记录访问的顺序。访问过的元素放在链表前面 遍历的时候最近访问的元素最后才遍历到
LinkedHashMap的访问顺序的演示代码
public static void main(String[] args) {
/**
* 第一个参数：数组的大小
* 第二个参数：扩容因子，和HashMap一样，添加的元素的个数达到 16 * 0.75时，开始扩容
* 第三个参数：true:表示记录访问顺序
* false:表示记录插入顺序（默认的顺序）
*/
Map<String, String> map = new LinkedHashMap<>(16,0.75f,true);
//分别插入下面几个值
map.put("name", "tom");
map.put("age", "34");
map.put("address", "beijing");
//既然演示访问顺序，我们就访问其中一个元素，这里只是打印一下
System.out.println("我是被访问的元素：" + map.get("age"));
//访问完后，我们再遍历，注意输出的顺序
Iterator iterator = map.entrySet().iterator();
//遍历
while (iterator.hasNext()) {
Map.Entry entry = (Map.Entry) iterator.next();
String key = (String) entry.getKey();
String value = (String) entry.getValue();
System.out.println("Key = " + key + ", Value = " + value);
}
}
输出如下：
我是被访问的元素：34
Key = name, Value = tom
Key = address, Value = beijing
Key = age, Value = 34
从上面可以得知： 插入元素完成之后，我们访问了age，并打印其值 之后再遍历，因为记录的是访问顺序，LinkedHashMap会把最近使用的元素放到最后面，所以遍历的时候，本来age是第二次插入的，但是遍历的时候，却是最后一个遍历出来的。
LruCache就是利用了LinkedHashMap的这种性质，最近使用的元素都放在最后 最近不使用的元素自然就在前面，所以缓存满了的时候，删除前面的。新添加元素的时候放在最后面
LinkedHashMap的原理
LinkedHashMap，望文生义 Link + HashMap，Link就链表 所以LinkedHashMap就是底层使用数组存放元素，使用链表维护插入元素的顺序
使用一张图来说明LinkedHashMap的原理 
LinkedHashMap中的节点如下图 
下面我们就来手写这样一个结构QLinkedHashMap
首先定义节点的结构，我们就叫QEntry,如下
static class QEntry<K, V> {
public K key; //key
public V value; //value
public int hash; //key对应的hash值
public QEntry<K, V> next; //hash冲突时，构成一个单链表
public QEntry<K, V> before; //当前节点的前一个节点
public QEntry<K, V> after; //当前节点的后一个节点
QEntry(K key, V value, int hash, QEntry<K, V> next) {
this.key = key;
this.value = value;
this.hash = hash;
this.next = next;
}
//删除当前节点
private void remove() {
//当前节点的上一个节点的after指向当前节点的下一个节点
this.before.after = after;
//当前节点的下一个节点的before指向当前节点的上一个节点
this.after.before = before;
}
//将当前节点插入到existingEntry节点之前
private void addBefore(QEntry<K, V> existingEntry) {
//插入到existingEntry前，那么当前节点后一个节点指向existingEntry
this.after = existingEntry;
//当前节点的上一个节点也需要指向existingEntry节点的上一个节点
this.before = existingEntry.before;
//当前节点的下一个节点的before也得指向自己
this.after.before = this;
//当前节点的上一个节点的after也得指向自己
this.before.after = this;
}
//访问了当前节点时，会调用这个函数
//在这里面就会处理访问顺序和插入顺序
void recordAccess(QLinkedHashMap<K, V> m) {
QLinkedHashMap<K, V> lm = (QLinkedHashMap<K, V>) m;
//如果accessOrder为true，也就是访问顺序
if (lm.accessOrder) {
//把当前节点从链表中删除
remove();
//再把当前节点插入到双向链表的尾部
addBefore(lm.header);
}
}
}
我们的QLinkedHashMap中的链表用的是双向循环链表 如图下： 
由上图可以知道，图中是一个双向链表，头节点和A,B两个链表 其中 header.before指向最后一个节点 header.after 指向header节点
其中 QLinkedHashMap的大部分代码和手写Java HashMap核心源码 一样。 可以先看看手写Java HashMap核心源码一章节
QLinkedHashMap全部源码以及注释如下：
public class QLinkedHashMap<K, V> {
private static int DEFAULT_INITIAL_CAPACITY = 16; //默认数组的大小
private static float DEFAULT_LOAD_FACTOR = 0.75f; //默认的扩容因子
private QEntry[] table; //底层的数组
private int size; //数量
//下面这两个属性是给链表用的
//true:表示按着访问的顺序保存 false:按照插入的顺序保存（默认的方式）
private boolean accessOrder;
//双向循环链表的表头,记住，这里只有一个头指针，没有尾指针
//所以需要用循环链表来实现双向链表
//即：从前可以往后遍历，也可以从后往前遍历
private QEntry<K, V> header;
public QLinkedHashMap() {
//创建DEFAULT_INITIAL_CAPACITY大小的数组
table = new QEntry[DEFAULT_INITIAL_CAPACITY];
size = 0;
//默认按照插入的顺序保存
accessOrder = false;
//初始化
init();
}
/**
*
* @param capcacity 数组的大小
* @param accessOrder 按照何种顺序保存
*/
public QLinkedHashMap(int capcacity, boolean accessOrder) {
table = new QEntry[capcacity];
size = 0;
this.accessOrder = accessOrder;
init();
}
//这里主要是初始化双向循环链表
private void init() {
//新建一个表头
header = new QEntry<>(null, null, -1, null);
//链表为空的时候，只有一个头节点，所以头节点的下一个指向自己，上一个节点也指向自己
header.after = header;
header.before = header;
}
//插入一个键值对
public V put(K key, V value) {
if (key == null)
throw new IllegalArgumentException("key is null");
//拿到key的hash值
int hash = hash(key.hashCode());
//存在数组中的哪个位置
int i = indexFor(hash, table.length);
//看看有没有key是一样的，如果有，替换掉旧掉，把新值保存起来
//如调用了两次 map.put("name","tom");
// map.put("name","jim"); ，那么最新的name对应的value就是jim
QEntry<K, V> e = table[i];
while (e != null) {
//查看有没有相同的key,如果有就保存新值，返回旧值
if (e.hash == hash && (key == e.key || key.equals(e.key))) {
V oldValue = e.value;
e.value = value;
//重点就是这一句，找到了相同的节点,也就是访问了一次
//如果accessOrder是true，就要把这个节点放到链表的尾部
e.recordAccess(this);
//返回旧值
return oldValue;
}
//继续下一个循环
e = e.next;
}
//如果没有找到与key相同的键
//新建一个节点，放到当前 i 位置的节点的前面
QEntry<K, V> next = table[i];
QEntry newEntry = new QEntry(key, value, hash, next);
//保存新的节点到 i 的位置
table[i] = newEntry;
//把新节点添加到双向循环链表的头节点的前面，
//记住，添加到header的前面就是添加到链表的尾部
//因为这是一个双向循环链表，头节点的before指向链表的最后一个节点
//链表的最后一个节点的after指向header节点
//刚开始我也以为是添加到了链表的头部，其实不是，是添加到了链表的尾部
//这点可以参考图好好想想
newEntry.addBefore(header);
//别忘了++
size++;
return null;
}
//根据key获取value，也就是对节点进行访问
public V get(K key) {
//同样为了简单，key不支持null
if (key == null) {
throw new IllegalArgumentException("key is null");
}
//对key进行求hash值
int hash = hash(key.hashCode());
//用hash值进行映射，得到应该去数组的哪个位置上取数据
int index = indexFor(hash, table.length);
//把index位置的元素保存下来进行遍历
//因为e是一个链表，我们要对链表进行遍历
//找到和key相等的那个QEntry，并返回value
QEntry<K, V> e = table[index];
while (e != null) {
//看看数组中是否有相同的key
if (hash == e.hash && (key == e.key || key.equals(e.key))) {
//访问到了节点，这句很重要，如果有相同的key，就调用recordAccess()
e.recordAccess(this);
//返回目标节点的值
return e.value;
}
//继续下一个循环
e = e.next;
}
//没有找到
return null;
}
//返回一个迭代器类，遍历用
public QIterator iterator(){
return new QIterator(header);
}
//根据 h 求key落在数组的哪个位置
static int indexFor(int h, int length) {
//或者 return h & (length-1) 性能更好
//这里我们用最容易理解的方式，对length取余数，范围就是[0,length - 1]
//正好是table数组的所有的索引的范围
h = h > 0 ? h : -h; //防止负数
return h % length;
}
//对hashCode进行运算，JDK中HashMap的实现，直接拷贝过来了
static int hash(int h) {
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
//定义一个迭代器类，方便遍历用
public class QIterator {
QEntry<K,V> header; //表头
QEntry<K,V> p;
public QIterator(QEntry header){
this.header = header;
this.p = header.after;
}
//是否还有下一个节点
public boolean hasNext() {
//当 p 不等于 header的时候，说明还有下一个节点
return p != header;
}
//如果有下一个节点，获取之
public QEntry next() {
QEntry r = p;
p = p.after;
return r;
}
}
static class QEntry<K, V> {
public K key; //key
public V value; //value
public int hash; //key对应的hash值
public QEntry<K, V> next; //hash冲突时，构成一个单链表
public QEntry<K, V> before; //当前节点的前一个节点
public QEntry<K, V> after; //当前节点的后一个节点
QEntry(K key, V value, int hash, QEntry<K, V> next) {
this.key = key;
this.value = value;
this.hash = hash;
this.next = next;
}
//删除当前节点
private void remove() {
//当前节点的上一个节点的after指向当前节点的下一个节点
this.before.after = after;
//当前节点的下一个节点的before指向当前节点的上一个节点
this.after.before = before;
}
//将当前节点插入到existingEntry节点之前
private void addBefore(QEntry<K, V> existingEntry) {
//插入到existingEntry前，那么当前节点后一个节点指向existingEntry
this.after = existingEntry;
//当前节点的上一个节点也需要指向existingEntry节点的上一个节点
this.before = existingEntry.before;
//当前节点的下一个节点的before也得指向自己
this.after.before = this;
//当前节点的上一个节点的after也得指向自己
this.before.after = this;
}
//访问了当前节点时，会调用这个函数
//在这里面就会处理访问顺序和插入顺序
void recordAccess(QLinkedHashMap<K, V> m) {
QLinkedHashMap<K, V> lm = (QLinkedHashMap<K, V>) m;
//如果accessOrder为true，也就是访问顺序
if (lm.accessOrder) {
//把当前节点从链表中删除
remove();
//再把当前节点插入到双向链表的尾部
addBefore(lm.header);
}
}
}
}
上面就是QLinkedHashMap的全部源码。 扩容以及删除功能我们没有写，有兴趣的读者可以自己实现一下。
我们写一段代码来测试，如下：
public static void main(String[] args){
//新建一个默认的构造函数，默认是按照插入顺序保存
QLinkedHashMap<String,String> map = new QLinkedHashMap<>();
map.put("name","tom");
map.put("age","32");
map.put("address","beijing");
//验证是不是按照插入的顺序打印
QLinkedHashMap.QIterator iterator = map.iterator();
while (iterator.hasNext()){
QEntry e = iterator.next();
System.out.println("key=" + e.key + " value=" + e.value);
}
}
输出如下：
key=name value=tom
key=age value=32
key=address value=beijing
可以看到我们输出的时候，是按照插入的顺序输出的。
我们再稍微改一下代码，只需要改QLinkedHashMap的构造函数即可 代码如下：
public static void main(String[] args){
//新建一个大小为16，顺序是访问顺序的 map
QLinkedHashMap<String,String> map = new QLinkedHashMap<>(16,true);
//分别插入以下键值对
map.put("name","tom");
map.put("age","32");
map.put("address","beijing");
//访问其中一个元素，这里什么也不做
//访问了age,那么打印的时候，age应该是最后一个打印的
map.get("age");
//验证是不是按照访问顺序打印，age是不是最后一个打印
QLinkedHashMap.QIterator iterator = map.iterator();
while (iterator.hasNext()){
QEntry e = iterator.next();
System.out.println("key=" + e.key + " value=" + e.value);
}
}
输出如下：
key=name value=tom
key=address value=beijing
key=age value=32
由上可以，我们实现了可以以插入顺序和访问顺序的HashMap。 虽然没有实现扩容机制和删除。但足以提示QLinkedHashMap的核心原理。
原文出处：https://www.cnblogs.com/start1225/p/10135085.html
来源：oschina
链接：https://my.oschina.net/u/4279343/blog/3272647