LRU演算法在後端工程師面試中，是一個比較常出現的題目，這篇文章帶大家一起，理解LRU演算法，並最終用Python輕鬆實現一個基於LRU演算法的快取。
快取是什麼
先看一張圖，當我們訪問網頁，瀏覽器會給伺服器發請求，伺服器會經過一系列的運算，把頁面返回給瀏覽器。
當有多個瀏覽器同時訪問的時候，就會在短時間內發起多個請求，而伺服器對每一個請求都要進行一系列相同的操作。重複工作不僅浪費資源，還可能導致響應速度變慢。
而快取則可以把伺服器返回的頁面儲存下來，當有其他的瀏覽器再訪問時候，就不必勞伺服器大駕，直接由快取返回頁面。為了保證響應速度，快取通常是基於比較昂貴的硬體，比如RAM，這就決定了我們很難用大量的快取把所有的頁面都存下來，當恰好沒有快取瀏覽器請求的頁面時，依然需要請求伺服器。由於快取容量有限，而資料量無限（網際網路每天新產生的頁面數無法估計），就需要把好剛用在刀刃上，快取那些最有用的資訊。
LRU是什麼
LRU是一種快取淘汰演算法（在OS中也叫記憶體換頁演算法），由於快取空間是有限的，所以要淘汰快取中不常用的資料，留下常用的資料，達到快取效率的最大化。LRU就是這樣一種決定“淘汰誰留下誰”的演算法，LRU是Least recently used的縮寫，從字面意思“最近最少使用”，我們就可以理解LRU的淘汰規則。
LRU的淘汰邏輯
我們用一張圖來描述LRU的淘汰邏輯，圖中的快取是一個列表結構，上面是頭結點下面是尾節點，快取容量為8（8個小格子）：
- 有新資料（意味著資料之前沒有被快取過）時，加入到列表頭
- 快取到達最大容量時，需要淘汰資料多出來的資料，此時淘汰列表尾部的資料
- 當快取中有資料被命中，則將資料移動到列表頭部（相當於新加入快取）
按上面的邏輯我們可以看到，一個資料如果經常被訪問就會不斷地被移動到列表頭部，不會被淘汰出快取，而越不經常訪問的資料，越容易被擠出快取。
20行Python程式碼實踐LRU
接下來我們用Python來實現一個採用LRU演算法的快取。
從前面的文章中我們可以知道，快取簡化下來就兩個功能，一個是往裡裝資料（快取資料），一個是往外吐資料（命中快取），所以我們的快取對外只需要put和get兩個介面就可以了。
按照前面的示意圖，快取內部我們只需要有一個列表（list）就可以實現LRU邏輯，不過用列表雖然能實現邏輯，但是在判斷是否命中快取時，速度可能非常慢（列表需要遍歷才能知道資料有沒有在裡面）。在Python中，我們可以用基於hash的結構，比如字典（dict）或集合（set），來快速判斷資料是否存在，解決列表實現的效能問題。但是字典和集合又是沒有順序的，如果能有一種既能排序，又是基於hash儲存的資料結構，就好了。
在Python的collections包中，已經內建了這種實用的結構OrderedDict，OrderedDict是dict的子類，但是儲存在內部的元素是有序的（列表的特點）。
解決了資料結構的問題，我們可以直接上手寫邏輯了，程式碼如下：
class LRUCache:
def __init__(self, capacity):
self.capacity = capacity
self.queue = collections.OrderedDict()
def get(self, key):
if key not in self.queue:
return -1 // 要找的資料不在快取中返回-1
value = self.queue.pop(key) // 將命中快取的資料移除
self.queue[key] = value // 將命中快取的資料重新新增到頭部
return self.queue[key]
def put(self, key, value):
if key in self.queue: // 如果已經在快取中，則先移除老的資料
self.queue.pop(key)
elif len(self.queue.items()) == self.capacity:
self.queue.popitem(last=False) // 如果不在快取中並且到達最大容量，則把最後的資料淘汰
self.queue[key] = value // 將新資料新增到頭部
複製程式碼下次面試在遇到LRU的題目，是不是就胸有成竹了？