LinkedHashMap实现LRU缓存原理解析

在IT行业这个发展更新速度很快的行业，只有不停止的学习，才不会被行业所淘汰。如果你是文章学习者，那么本文《LinkedHashMap实现LRU缓存方法详解》就很适合你！本篇内容主要包括##content_title##，希望对大家的知识积累有所帮助，助力实战开发！

LinkedHashMap通过accessOrder=true维护访问顺序，重写removeEldestEntry方法可实现LRU缓存，容量超限时自动移除最久未使用条目，适用于轻量级缓存场景。

在Java中，LinkedHashMap 是 HashMap 的一个子类，它通过维护一个双向链表来保持元素的插入顺序或访问顺序。这个特性让它非常适合用来实现 LRU（Least Recently Used，最近最少使用）缓存机制。

什么是LRU缓存？

LRU 缓存是一种淘汰策略：当缓存容量达到上限时，优先移除最久未被使用的数据。这种机制广泛应用于内存缓存、浏览器历史记录等场景。

借助 LinkedHashMap 提供的构造函数和重写方法的能力，我们可以非常简洁地实现一个高效的 LRU 缓存。

LinkedHashMap 实现 LRU 的关键参数

要让 LinkedHashMap 支持 LRU，需要使用其特定的构造函数：

LinkedHashMap(int initialCapacity, float loadFactor, boolean accessOrder)

其中最关键的是第三个参数：

• accessOrder = false：按插入顺序排序（默认）
• accessOrder = true：按访问顺序排序，即每次 get 或 put 已存在的 key，该条目会移到链表末尾

启用 accessOrder = true 后，最近访问的元素始终在链表尾部，最久未访问的在头部 —— 这正是 LRU 所需的行为。

重写 removeEldestEntry 方法控制容量

LinkedHashMap 提供了一个可重写的方法：

protected boolean removeEldestEntry(Map.Entry eldest)

该方法决定是否移除最老的条目（链表头部）。我们可以通过重写它来实现自动清理：

• 返回 true：移除最老条目
• 返回 false：保留

例如，限制缓存最多存放 3 个元素：

@Override
protected boolean removeEldestEntry(Map.Entry eldest) {
    return size() > 3;
}

完整代码示例：自定义 LRU 缓存

下面是一个基于 LinkedHashMap 实现的简单 LRU 缓存：

import java.util.LinkedHashMap;
import java.util.Map;

public class LRUCache extends LinkedHashMap {
    private static final int MAX_CACHE_SIZE = 3;

    public LRUCache() {
        // initialCapacity=4, loadFactor=0.75, accessOrder=true
        super(MAX_CACHE_SIZE + 1, 0.75f, true);
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry eldest) {
        return size() > MAX_CACHE_SIZE;
    }
}

测试用法：

LRUCache cache = new LRUCache<>();
cache.put("A", 1);
cache.put("B", 2);
cache.put("C", 3);
System.out.println(cache.keySet()); // [A, B, C]

cache.get("A"); // 访问 A
cache.put("D", 4); // 超出容量，应淘汰 B（最久未使用）
System.out.println(cache.keySet()); // [C, A, D]

输出结果会显示：
[A, B, C]
[C, A, D]

可以看到，放入 D 时触发淘汰机制，B 被移除，因为 C 和 A 更近被访问过（A 因 get 操作被移到末尾），而 B 是最久未使用的。

注意事项与优化建议

• 初始容量设置：建议设为最大容量 +1，避免频繁扩容
• 线程安全问题：LinkedHashMap 本身非线程安全，多线程环境下需额外同步处理，如使用 Collections.synchronizedMap 包装
• 性能考量：适用于中小规模缓存；大规模或复杂场景建议使用 ConcurrentHashMap 配合定时任务或引用队列等方式
• 扩展功能：可加入超时失效、命中统计等功能，在 get/put 中添加逻辑即可

基本上就这些。利用 LinkedHashMap 的访问顺序和 removeEldestEntry 机制，几行代码就能构建一个高效可靠的 LRU 缓存，适合大多数轻量级应用场景。不复杂但容易忽略细节，比如 accessOrder 必须设为 true，否则无法正确追踪访问顺序。

今天关于《LinkedHashMap实现LRU缓存原理解析》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！