FFFire小火LRU 缓存，这个在面试和工程里都高频出现的名字，作为整套算法课的最后一课，我的第一反应是“课程设计的人很懂行”。前面学了那么多数组、链表、哈希表、树，最后用一个 LRU 缓存把哈希表和双向链表串起来，既复习了之前的基础，又给了你一个能直接拿出来讨论、甚至能落到生产环境的设计原型。你去看 LeetCode 146，这题收藏量常年靠前，几乎每个大厂面试官题库里都有它的影子。
这篇文章我就按手写实现的角度，把这个题拆开揉碎：为什么 LRU 是最常用的淘汰策略，为什么标准答案一定是哈希表加双向链表，动手写的时候要处理哪些边界细节，以及我在自己代码里踩过的坑。你不用把它当成一篇“题解”来读，我更希望你看完之后能不看任何参考，自己把代码默写出来，并且能回答面试官后续追问的“为什么不用数组”“为什么不用单向链表”“如果并发怎么办”。
1. 为什么 LRU 缓存是最后一课的完美收官
我之前带过不少新人，发现一个规律：如果让人一口气学完哈希表和链表，他多半会觉得这两个东西是独立的知识点。LRU 这道题最巧妙的地方，就是强迫你把它们组合成一个整体。哈希表负责快速找到数据，链表负责记录数据的“新旧程度”，两者一配合，读写效率都能到 O(1)，这个设计思路本身比代码重要得多。
1.1 从缓存淘汰说起
先聊一个最朴素的问题：为什么需要缓存？因为 IO 慢、算力贵。CPU 访问寄存器是纳秒级，访问内存可能要上百纳秒，如果每次都去数据库读一条记录，高并发下系统会被拖垮。所以我们会把热点数据放在一个访问更快的地方，比如 Redis、本地内存 Cache，但存储空间是有限的，不可能把所有数据都塞到缓存里。当缓存满了，又要写入新数据，就必须淘汰一个“旧数据”。淘汰哪个？这里就引出了各种策略。
FIFO（先进先出）按到达时间淘汰，谁先来谁先走，完全不考虑数据是不是刚被访问过；LFU（最不经常使用）按访问次数淘汰，谁用得少谁先走，但需要维护频率统计，而且存在“历史高频但最近已不再使用”的冷数据滞留问题。而 LRU 的思路更符合大多数业务场景的局部性原理：如果一个数据在最近一段时间被频繁访问，那么未来被再次访问的概率也高；如果一个数据很长时间没被碰过，那未来大概率也用不到了，所以优先淘汰它。
拿手机后台应用来类比就很直观。很多人用 iPhone 或 Android 的习惯是上滑清理后台卡片，系统其实也是按“最近最少使用”的思路来管理内存的——如果内存不够，优先杀掉最久没有打开过的 App，而不是杀掉刚刚还在用的那个。你在 App 间切换时，最近用的 App 会排在前面，这就是 LRU 的“最近”权重。
1.2 LRU 的核心思想与应用场景
LRU 是“Least Recently Used”的缩写，完整的决策逻辑只有两条：数据被访问时，把它标记为最近使用；缓存满了需要淘汰时，移除最久没被使用的那条数据。你可以想象成维护一条队伍，队头是最新被使用的人，队尾是最久没被使用的人。每当有人被叫到名字（get 命中），他就从原来位置跑到队头重新排队；新来的人直接站到队头；如果队伍长度超过上限，就把队尾的人踢出去。
这套机制不只是面试题，它在真实系统里用得非常多。Redis 的 maxmemory-policy 支持 allkeys-lru，操作系统页面置换算法里有 LRU 近似实现，MySQL 的 Buffer Pool 也是基于改进版 LRU 管理缓存页。我们平时做业务，如果要对一个外部 API 做短期缓存，或者手写一个最近浏览记录列表，LRU 都是非常自然的选择。所以学会自己实现一个 LRU Cache，并不是刷题刷了个寂寞，而是真正能在组件设计里用上的东西。
2. 方案选型：为什么是哈希表加双向链表
LRU 这个需求一听，很多人第一反应是“这有什么难的？我用数组、用队列都能实现”。没错，功能上都能实现，但性能完全不是一个量级。LeetCode 146 要求的是 get 和 put 的平均时间复杂度都是 O(1)，这一个条件就把很多朴素方案挡在了门外。
2.1 先想想暴力解法的问题
假设我们用一个普通的数组来存数据，并且按访问顺序排列。get 一个 key 时，得先遍历找 key，数组遍历是 O(n)，找到之后还要把它挪到数组最前面，又涉及后续元素的搬移，还是 O(n)。put 时如果 key 已存在，同样要找到并移动；如果 key 不存在且容量满了，删除最后一个元素是 O(1)，但新元素要从头部插入，仍然要移动所有元素，O(n)。当数据量到十万、百万级别，这种方案基本不可用。
如果用 Java 的 LinkedList，插入删除是 O(1)，但查找某个 key 依然是 O(n)，因为链表不支持随机访问，必须从头遍历。反过来，如果我们只用 HashMap，查找是 O(1)，但哈希表本身不维护顺序，我无法知道哪个 key 是“最久没被使用”的。所以问题的本质是：我需要一个结构，既能按 key 快速查找，又能按时间顺序维护全局序列。单独一种基础结构做不到，那就组合。
2.2 哈希表负责 O(1) 查找，双向链表负责 O(1) 淘汰
标准设计是：哈希表 + 双向链表。哈希表的 key 存题目给定的 key，value 存链表节