LinkedHashMap实现LRU缓存cache机制，Kotlin

LinkedHashMap实现LRU缓存cache机制，Kotlin

 

LinkedHashMap的accessOrder=true后，访问LinkedHashMap里面存储的元素，LinkedHashMap就会把该元素移动到最尾部。利用这一点，可以设置一个缓存的上限值，当存入的缓存数理超过上限值后，删掉LinkedHashMap头部元素即可（因为最头部意味着没有被多少使用）。

至于删除最头部的元素，我们自己可以写代码，把最头部（第一个）元素找出来，然后删掉。但是，刚好，LinkedHashMap内部源代码实现有一个函数：

    protected boolean removeEldestEntry(Map.Entry<K,V> eldest) {
        return false;
    }

它默认返回false，如果该函数返回true，那么LinkedHashMap就会去删除头部最老的值。在代码中动态判断当前存储的元素数理是否超过缓存上限，超过就返回true，让LinkedHashMap删除最头部（最老的）值。

import java.util.LinkedHashMap

class Lru(
    initialCapacity: Int,
    loadFactor: Float,
    accessOrder: Boolean
) : LinkedHashMap<Int, String>(initialCapacity, loadFactor, accessOrder) {
    private val CACHE_LIMIT: Int = 3

    //accessOrder=true改变LinkedHashMap的存储策略
    constructor() : this(10, 0.75F, true)

    //如果当前的map尺寸大于缓存上限
    //删除最老的元素。
    override fun removeEldestEntry(eldest: MutableMap.MutableEntry<Int, String>?): Boolean {
        return size > CACHE_LIMIT
    }
}

fun main(args: Array<String>) {
    val map = Lru()
    map[1] = "A"
    map[2] = "B"
    map[3] = "C"
    println(map)
    println("-")

    //插入D后，最头的A被删除。
    println("插入D")
    map[4] = "D"
    println(map)
    println("-")

    //插入E后，最头的B被删除。
    println("插入E")
    map[5] = "E"
    println(map)
    println("-")

    println("访问C")
    println(map[3])
    println(map)
}

特意设置最多缓存3个元素，看代码运行结果：

{1=A, 2=B, 3=C}
-
插入D
{2=B, 3=C, 4=D}
-
插入E
{3=C, 4=D, 5=E}
-
访问C
C
{4=D, 5=E, 3=C}

Java的HashMap与LinkedHashMap异同_zhangphil的博客-CSDN博客一句话概括的说：两者最大的不同就是，HashMap不保证put进去的数据的顺序；而LinkedHashMap则保证put进去的数据的顺序。换句话也就是说，HashMap添加进去的数据顺序和遍历时的数据顺序不一定；而LinkedHashMap则保证添加时数据顺序是什么，遍历时数据顺序是什么。例如，假如在HashMap中依次、顺序添加元素：1，2，3，4，5，在遍历HashMap时输出的顺https://blog.csdn.net/zhangphil/article/details/44115629

基于Java LinkedList,实现Android大数据缓存策略_zhangphil的博客-CSDN博客import java.util.HashMap;import java.util.LinkedList;/* * 基于Java LinkedList,实现Android大数据缓存策略 * 作者：Zhang Phil * 原文出处：http://blog.csdn.net/zhangphil * * 实现原理：原理的模型认为：在LinkedList的头部元素是最旧的缓存数据，在L_android大数据缓存https://blog.csdn.net/zhangphil/article/details/44116885