引子：
我们平时总会有一个电话本记录所有朋友的电话，但是，如果有朋友经常联系，那些朋友的电话号码不用翻电话本我们也能记住，但是，如果长时间没有联系了，要再次联系那位朋友的时候，我们又不得不求助电话本，但是，通过电话本查找还是很费时间的。但是，我们大脑能够记住的东西是一定的，我们只能记住自己最熟悉的，而长时间不熟悉的自然就忘记了。
其实，计算机也用到了同样的一个概念，我们用缓存来存放以前读取的数据，而不是直接丢掉，这样，再次读取的时候，可以直接在缓存里面取，而不用再重新查找一遍，这样系统的反应能力会有很大提高。但是，当我们读取的个数特别大的时候，我们不可能把所有已经读取的数据都放在缓存里，毕竟内存大小是一定的，我们一般把最近常读取的放在缓存里（相当于我们把最近联系的朋友的姓名和电话放在大脑里一样）。现在，我们就来研究这样一种缓存机制。
LRU缓存：
LRU缓存利用了这样的一种思想。LRU是Least Recently Used 的缩写，翻译过来就是“最近最少使用”，也就是说，LRU缓存把最近最少使用的数据移除，让给最新读取的数据。而往往最常读取的，也是读取次数最多的，所以，利用LRU缓存，我们能够提高系统的performance.
实现：
要实现LRU缓存，我们首先要用到一个类LinkedHashMap。 用这个类有两大好处：一是它本身已经实现了按照访问顺序的存储，也就是说，最近读取的会放在最前面，最最不常读取的会放在最后（当然，它也可以实现按照插入顺序存储）。第二，LinkedHashMap本身有一个方法用于判断是否需要移除最不常读取的数，但是，原始方法默认不需要移除（这是，LinkedHashMap相当于一个linkedlist），所以，我们需要override这样一个方法，使得当缓存里存放的数据个数超过规定个数后，就把最不常用的移除掉。LinkedHashMap的API写得很清楚，推荐大家可以先读一下。
要基于LinkedHashMap来实现LRU缓存，我们可以选择inheritance, 也可以选择 delegation， 我更喜欢delegation。基于delegation的实现已经有人写出来了，而且写得很漂亮，，我就不班门弄斧了。代码如下：
import java.util.LinkedHashMap;import java.util.Collection;import java.util.Map;import java.util.ArrayList;/*** An LRU cache, based on <code>LinkedHashMap</code>.** <p>* This cache has a fixed maximum number of elements (<code>cacheSize</code>).* If the cache is full and another entry is added, the LRU (least recently used) entry is dropped.** <p>* This class is thread-safe. All methods of this class are synchronized.** <p>* Author: Christian d’Heureuse, Inventec Informatik AG, Zurich, Switzerland<br>* Multi-licensed: EPL / LGPL / GPL / AL / BSD.*/public class LRUCache<K,V> {private static final float hashTableLoadFactor = 0.75f;private LinkedHashMap<K,V> map;private intcacheSize;/*** Creates a new LRU cache.* @param cacheSize the maximum number of entries that will be kept in this cache.*/public LRUCache (int cacheSize) { this.cacheSize = cacheSize; int hashTableCapacity = (int)Math.ceil(cacheSize / hashTableLoadFactor) + 1; map = new LinkedHashMap<K,V>(hashTableCapacity, hashTableLoadFactor, true) {// (an anonymous inner class)private static final long serialVersionUID = 1;@Override protected boolean removeEldestEntry (Map.Entry<K,V> eldest) {return size() > LRUCache.this.cacheSize; }}; }/*** Retrieves an entry from the cache.<br>* The retrieved entry becomes the MRU (most recently used) entry.* @param key the key whose associated value is to be returned.* @return the value associated to this key, or null if no value with this key exists in the cache.*/public synchronized V get (K key) { return map.get(key); }/*** Adds an entry to this cache.* The new entry becomes the MRU (most recently used) entry.* If an entry with the specified key already exists in the cache, it is replaced by the new entry.* If the cache is full, the LRU (least recently used) entry is removed from the cache.* @param key the key with which the specified value is to be associated.* @param value a value to be associated with the specified key.*/public synchronized void put (K key, V value) { map.put (key, value); }/*** Clears the cache.*/public synchronized void clear() { map.clear(); }/*** Returns the number of used entries in the cache.* @return the number of entries currently in the cache.*/public synchronized int usedEntries() { return map.size(); }/*** Returns a <code>Collection</code> that contains a copy of all cache entries.* @return a <code>Collection</code> with a copy of the cache content.*/public synchronized Collection<Map.Entry<K,V>> getAll() { return new ArrayList<Map.Entry<K,V>>(map.entrySet()); }} // end class LRUCache——————————————————————————————// Test routine for the LRUCache class.public static void main (String[] args) { LRUCache<String,String> c = new LRUCache<String, String>(3); c.put ("1", "one");// 1 c.put ("2", "two");// 2 1 c.put ("3", "three");// 3 2 1 c.put ("4", "four");// 4 3 2 if (c.get("2") == null) throw new Error(); // 2 4 3 c.put ("5", "five");// 5 2 4 c.put ("4", "second four");// 4 5 2 // Verify cache content. if (c.usedEntries() != 3)throw new Error(); if (!c.get("4").equals("second four")) throw new Error(); if (!c.get("5").equals("five"))throw new Error(); if (!c.get("2").equals("two"))throw new Error(); // List cache content. for (Map.Entry<String, String> e : c.getAll())System.out.println (e.getKey() + " : " + e.getValue()); }代码出自：
在博客里，作者使用的是双链表 + hashtable 的方式实现的。如果在面试题里考到如何实现LRU，考官一般会要求使用双链表 + hashtable 的方式。 所以，我把原文的部分内容摘抄如下：
双链表 + hashtable实现原理：
有一些喷着香水闻不到的空气，有一些在写字楼里永远遇不见的人。
