当前位置:首页 > 文章列表 > 文章 > java教程 > Java LinkedHashMap 怎样用 accessOrder 实现最近最少使用淘汰

Java LinkedHashMap 怎样用 accessOrder 实现最近最少使用淘汰

来源:17golang原创 2026-10-18 13:34:11 0浏览 收藏

Java 的轻量 LRU 缓存可以直接交给 LinkedHashMap 维护:用三参数构造器把 accessOrder 设为 true,再覆写 removeEldestEntry,让超过容量上限的新条目触发最久未访问项淘汰。这个方案适合单线程,或已经由外部锁保护的缓存;LinkedHashMap 本身不是并发容器。

官方地址:https://docs.oracle.com/en/java/javase/25/docs/api/java.base/java/util/LinkedHashMap.html

要点速览
  • false 是插入顺序,true 才是从最久访问到最近访问的顺序。
  • get、put、compute 等操作可能改变访问顺序,调试读取也不能当成纯查询。
  • removeEldestEntry 通常在新映射加入后判断,容量条件应写成 size() > maxEntries。

accessOrder=true 如何把访问变成顺序变化

普通的 LinkedHashMap 记录插入顺序;三参数构造器的最后一个参数决定是否改成访问顺序。设为 true 后,命中一个已有键,键值对会移到最近访问端,队列另一端就是最久未访问项。

import java.util.LinkedHashMap;

var cache = new LinkedHashMap(16, 0.75f, true); // true 表示按访问顺序维护
cache.put("A", "alpha");
cache.put("B", "bravo");
cache.put("C", "charlie");
cache.get("A"); // 命中后 A 移到最近访问端,顺序近似为 B、C、A

// entrySet() 只用于观察当前顺序;访问有序 map 时仍要注意并发修改。
System.out.println(cache.keySet());

上例的顺序变化是这个 API 的核心,而不是 get 返回值本身。putIfAbsent、compute、computeIfAbsent、computeIfPresent、merge 等也可能产生访问;只有“看起来像读取”的调用,仍可能改变迭代顺序。

Java LinkedHashMap accessOrder true 与 get 后访问顺序移动的静态说明图
图1:LinkedHashMap 访问顺序说明图,展示 get 后条目移动到最近访问端;这是静态结构图,不是运行截图。

removeEldestEntry 怎样完成容量淘汰

把淘汰规则放进一个专用子类,调用方只负责 get 和 put。当新映射加入后,removeEldestEntry 返回 true,最旧条目就会被移除。条件不能写成 >=,否则容量刚好达到上限时也会误删。

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

final class LruCache extends LinkedHashMap {
    private final int maxEntries;

    LruCache(int maxEntries) {
        super(maxEntries + 1, 0.75f, true); // true:按最近访问顺序排列
        if (maxEntries  eldest) {
        return size() > maxEntries; // 新条目进入后超过上限,淘汰最旧项
    }
}

如果容量为 3,依次放入 A、B、C 后不会淘汰;命中 A 再放入 D 时,B 会成为最久未访问项并被淘汰。这个行为只说明容器顺序和淘汰条件正确,不等于提供了过期时间、持久化或后台刷新能力。

Java LinkedHashMap removeEldestEntry 按容量淘汰最旧条目的静态关系图
图2:removeEldestEntry 容量淘汰关系图,展示判断点与最旧条目的边界;这是静态说明图,不是执行证据。

迁移时要看清哪些访问和线程边界

操作或场景对访问顺序的影响迁移提醒
get命中已有键时移动到最近端不要把它当作无副作用读操作
put、merge对已存在键可能形成访问以官方 API 语义为准,不凭方法名猜测
迭代器与并发访问顺序变化属于结构修改外部同步,并且不要依赖 fail-fast 保证正确性
淘汰回调返回 true 才移除 eldest只写轻量规则,不在回调里做网络或长事务

需要并发读写时,应先确定锁的所有权:可以让整个缓存方法使用同一把锁,也可以把缓存放在已有同步封装中。只把 get 加锁、把遍历或 put 留在锁外,会让顺序和容量判断失去一致性。读多写少也不能因此直接把它当成线程安全容器。

发布前的 LRU 检查清单

  • 容量参数大于 0,且构造器最后一个参数确实是 true。
  • 重复访问一个旧键后,再插入新键,淘汰的是新的 eldest,而不是最早插入项。
  • 重复 put、空缓存、容量为 1、访问不存在的键都单独覆盖。
  • 缓存值没有过期时间要求;若有 TTL、主动失效或统计需求,另加明确机制。
  • 并发场景统一保护读、写、迭代和淘汰观察,不把 fail-fast 异常当同步方案。

两个容易混淆的问题

把 accessOrder 改成 false 还能做 LRU 吗?

不能得到按访问淘汰的 LRU 语义。false 只记录插入顺序,最早插入项会被视为 eldest;它可以做 FIFO 风格容量限制,但不是最近最少使用。

removeEldestEntry 能异步清理过期缓存吗?

不能。它围绕映射加入后的容量判断工作,不负责定时扫描,也不会自动检查时间戳。要做 TTL,应把时间字段、过期判断和清理触发点设计出来,并继续保持并发边界清晰。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
PHP 怎样读取配置并保留常量类型PHP 怎样读取配置并保留常量类型
上一篇
PHP 怎样读取配置并保留常量类型
Java List.copyOf 怎样创建不可变副本
下一篇
Java List.copyOf 怎样创建不可变副本
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    523次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    580次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    607次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    557次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    377次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码