需求
随着公司的业务越来越复杂，需要提供一个用户系统，供各个业务系统来查询用户的基本信息。且业务方对用户信息的查询频率很高，设计的用户系统需要注意性能。
- 初始设计： 考虑到性能，可以在内存中创建一个哈希表作为缓存，每当查找一个用户时，会现在哈希表中进行查询，查询不到再去数据库查询。
- 初始设计存在的问题： 随着用户量不断增大，可能会因为哈希表逐渐增大导致内存某一天会被撑爆。
- 初始设计的优化：使用LRU算法（内存管理算法，Least Recently Used），最近最少使用的思想。算法基于一种假设：长期不被使用的数据，在未来被用到的几率也不大。因此，当数据所占内存达到一定阈值时，我们要移除掉最近最少被使用的数据。
LRU算法
在LRU算法中，使用一种叫作“哈希链表”的数据结构。哈希表由若干个key-value组成，逻辑上这些key-value是无所谓排序的。但在哈希链表中，这些key-value被一个链条串在一起，不再是无序的了，而是有 了固定的排列顺序。每一个key-value都有前驱key-value、后继key-value。所以我们可以把key-value按照最后使用的时间来进行排序。链表的尾部是最近被使用的，头部是最近被使用最少甚至没有被使用过的key-value。所以，当缓存容量达到上限时，会先删除链表最左端的值，再把新的值插入到链表的最右端。
LRU算法实现
注意点： 删除节点的同时，记得把节点的key也要从hashMap中删除
1 package blogSrc;
2
3 import java.util.HashMap;
4
5 public class LRUCache {
6 private Node head;
7 private Node end;
8
9 private HashMap<String,Node> hashMap;
10 private int limit; //缓存上限
11
12 public LRUCache(int limit){
13 this.limit = limit;
14 this.hashMap = new HashMap<String,Node>();
15 }
16
17 public void addNode (Node node){
18 if (head == null){ //空链
19 head = node;
20 }
21
22 if(end != null) { //节点添加到尾部
23 end.next = node;
24 node.pre = end;
25 node.next = null;
26 }
27 end = node;
28 }
29
30 public String removeNode(Node node){
31 if(head == end && node == head){ //链表只有一个节点
32 head = null;
33 end = null;
34 }else if (node == end){ //node为最后一个节点
35 end.pre.next = null;
36 end = end.pre;
37 }else if (node == head){ //node为第一个节点
38 head.next.pre = null;
39 head = head.next;
40 }else { //node为中间节点
41 node.pre.next = node.next;
42 node.next.pre = node.pre;
43 }
44 return node.key;
45 }
46
47 //刷新链表
48 public void refreshNode(Node node){
49 if (node == end){
50 return;
51 }
52 removeNode(node); //删除节点
53 addNode(node); //添加节点
54 }
55
56 //从链表上取数据
57 public String get(String key){
58 Node node = hashMap.get(key);
59 if (node == null){
60 return null;
61 }
62 refreshNode(node);
63 return node.value;
64 }
65
66 //向链表上添加key-value
67 public void put(String key, String value){
68 Node node = hashMap.get(key);
69 if (node == null){
70 if (hashMap.size() >= limit){
71 String oldKey = removeNode(head); //删除节点
72 hashMap.remove(oldKey); //同时需要把节点的key也从hashmap中删除
73 }
74 node = new Node(key,value);
75 addNode(node);
76 hashMap.put(key,node);
77 }else {
78 node.value = value;
79 refreshNode(node);
80 }
81 }
82
83 //从链表上删除数据
84 public void remove(String key){
85 Node node = hashMap.get(key);
86 if (node == null){
87 return ;
88 }
89 removeNode(node);
90 hashMap.remove(key);
91 }
92
93 class Node {
94 public Node next;
95 public Node pre;
96 public String key;
97 public String value;
98 Node(String key, String value){
99 this.key = key;
100 this.value = value;
101 }
102
103 public String getNextKey() {
104 return next.getKey();
105 }
106
107 public String getPreKey() {
108 return pre.getKey();
109 }
110
111 public String getKey() {
112 return key;
113 }
114
115 public String getValue() {
116 return value;
117 }
118 }
119
120
121 public static void main(String[] args){
122 LRUCache lruCache = new LRUCache(10);
123 lruCache.put("001","用户1信息");
124 lruCache.put("002","用户2信息");
125 lruCache.put("003","用户3信息");
126 lruCache.put("004","用户4信息");
127 lruCache.get("003");
128 System.out.println("Now End Node Key is: " + lruCache.end.getKey()+ ",Value is: " +lruCache.end.getValue());
129 lruCache.put("002","用户2信息更新");
130 System.out.println("Now End Node Key is: " + lruCache.end.getKey() + ",Value is: " +lruCache.end.getValue() );
131 lruCache.put("006","用户6信息");
132 System.out.println("Now End Node Key is: " + lruCache.end.getKey()+ ",Value is: " +lruCache.end.getValue());
133 }
134
135 }
结果：
Now End Node Key is: 003,Value is: 用户3信息 Now End Node Key is: 002,Value is: 用户2信息更新 Now End Node Key is: 006,Value is: 用户6信息