来源：
Redis使用场景
现在公司的业务越来越复杂，我们需要抽出一个用户系统，向各个业务系统提供用户的基本信息。
业务方对用户信息的查询频率很高，一定要注意性能问题哦。
用户信息当然是存放在数据库里，但是由于我们对用户系统的性能要求比较高，显然不能在每一次请求时都去查询数据库。
所以，在内存中创建了一个哈希表作为缓存，每当查找一个用户时会先在哈希表中进行查询，以此来提高访问的性能。
很快发现了个问题
线上服务器宕机了！
糟了，是内存溢出了，用户数量越来越多，当初设计的哈希表把内存给撑爆了，赶紧重启吧！
可是以后该怎么办呢？我们能不能给服务器的硬件升级，或者加几台服务器呀？
那我能不能在内存快耗尽的时候，随机删掉一半用户缓存呢？
唉，这样也不妥，如果删掉的用户信息，正好是被高频查询的用户，会影响系统性能的。
你听说过LRU算法吗？
LRU全称Least Recently Used，也就是最近最少使用的意思，是一种内存管理算法，该算法最早应用于Linux操作系统。
这个算法基于一种假设：长期不被使用的数据，在未来被用到的概率也不大。因此，当数据所占内存达到一定阈值时，我们要移除最近最少被使用的数据。
原来如此，这个算法正好对我的用户系统有帮助！可以在内存不够时，从哈希表中移除一部分很少被访问的用户。
可是，我怎么知道哈希表中哪些Key-Value最近被访问过，哪些没被访问过？总不能给每一个Value加上时间戳，然后遍历整个哈希表吧？
这就能展现LRU算法的精妙所在了。在LRU算法中，使用了一种有趣的数据结构，这种数据结构叫作哈希链表。
什么是哈希链表呢？
我们都知道，哈希表是由若干个Key-Value组成的。在“逻辑”上，这些Key-Value是无所谓排列顺序的，谁先谁后都一样。
在哈希链表中，这些Key-Value不再是彼此无关的了，而是被一个链条串了起来。每一个Key-Value都具有它的前驱Key-Value、后继Key-Value，就像双向链表中的节点一样。
这样一来，原本无序的哈希表就拥有了固定的排列顺序。
可是，这哈希链表和LRU算法有什么关系呢？
依靠哈希链表的有序性，我们可以把Key-Value按照最后的使用时间进行排序。
让我们以用户信息的需求为例，来演示一下LRU算法的基本思路。
1.假设使用哈希链表来缓存用户信息，目前缓存了4个用户，这4个用户是按照被访问的时间顺序依次从链表右端插入的。
4.接下来，如果业务方请求修改用户4的信息。同样的道理，我们会把用户4从原来 的位置移动到链表的最右侧，并把用户信息的值更新。这时，链表的最右端是最新被访问的用户4，最左端仍然是最近最少被访问的用户1。
5.后来业务方又要访问用户6，用户6在缓存里没有，需要插入哈希链表中。假设这时缓存容量已经达到上限，必须先删除最近最少被访问的数据，那么位于哈希链表最左端的用户1就会被删除，然后再把用户6插入最右端的位置。
以上，就是LRU算法的基本思路。
明白了，这真是个巧妙的算法！那么LRU算法怎么用代码来实现呢？
简单实现
class LRUCache: def __init__(self,limit): self.limit=limit self.hash={} self.head=None self.end=None def get(self,key): node=self.hash.get(key) if node is None: return None self.refresh_node(node) return node.value def put(self,key,value): node=self.hash.get(key) if node is None: #如果key不存在，插入key-value if len(self.hash) >= self.limit: old_key=self.remove_node(self.head) self.hash.pop(old_key) node=Node(key,value) self.add_node(node) self.hash[key]=node else: #如果key存在，刷新key-value node.value=value self.refresh_node(node) def remove(self,key): node=self.hash.get(key) self.remove_node(node) self.hash.remove(key) def refresh_node(self,node): #如果访问的是尾节点,无需移动节点 if node==self.end: return #移除节点 self.remove_node(node) #重新插入节点 self.add_node(node) def remove_node(self,node): if node==self.head and node==self.end: #移除唯一的节点 self.head=None self.end=None elif node==self.end: #移除节点 self.end=self.end.pre self.end.next=None elif node==self.head: #移除头节点 self.head=self.head.next self.head.pre=None else: #移除中间节点 node.pre.next=node.next node.next.pre=node.pre return node.key def add_node(self,node): if self.end is not None: self.end.next=node node.pre=self.end node.next=None self.end=node if self.head is None: self.head=node class Node: def __init__(self,key,value): self.key=key self.value=value self.pre=None self.next=None lruCache=LRUCache(5) lruCache.put("001","用户1信息") lruCache.put("002","用户2信息") lruCache.put("003","用户3信息") lruCache.put("004","用户4信息") lruCache.put("005","用户5信息") print(lruCache.get("001")) print(lruCache.get("002")) print(lruCache.get("003")) print(lruCache.get("004")) print(lruCache.get("005")) lruCache.refresh_node(lruCache.hash.get("002")) print(lruCache.hash.get("001").next.value) print(lruCache.hash.get("003").pre.value) print(lruCache.hash.get("002").value)