编辑搜图
缓存 是我们写代码过程中常用的一种手段，是一种空间换时间的做法。就拿我们经常使用的 HTTP 协议，其中也存在强缓存和协商缓存两种缓存方式。当我们打开一个网站的时候，浏览器会查询该请求的响应头，通过判断响应头中是否有 Cache-Control、Last-Modified、ETag 等字段，来确定是否直接使用之前下载的资源缓存，而不是重新从服务器进行下载。
下面就是当我们访问百度时，某些资源命中了协商缓存，服务端返回 304 状态码，还有一部分资源命中了强缓存，直接读取了本地缓存。
编辑搜图
但是，缓存并不是无限制的，会有大小的限制。无论是我们的 cookie(不同浏览器有所区别，一般在 4KB 左右)，还是 localStorage(和 cookie 一样，不同浏览器有所区别，有些浏览器为 5MB，有些浏览器为 10MB)，都会有大小限制。
这个时候就需要涉及到一种算法，需要将超出大小限制的缓存进行淘汰，一般的规则是淘汰掉最近没有被访问到的缓存，也就是今天要介绍的主角：LRU (Least recently used：最近最少使用)。当然除了 LRU，常见的缓存淘汰还有 FIFO(first-in, first-out：先进先出) 和 LFU(Least frequently used：最少使用)。
什么是 LRU?
LRU (Least recently used：最近最少使用)算法在缓存写满的时候，会根据所有数据的访问记录，淘汰掉未来被访问几率最低的数据。也就是说该算法认为，最近被访问过的数据，在将来被访问的几率最大。
为了方便理解 LRU 算法的全流程，画了一个简单的图：
编辑搜图
-
假设我们有一块内存，一共能够存储 5 数据块。
-
依次向内存存入A、B、C、D、E，此时内存已经存满。
-
再次插入新的数据时，会将在内存存放时间最久的数据A淘汰掉。
-
当我们在外部再次读取数据B时，已经处于末尾的B会被标记为活跃状态，提到头部，数据C就变成了存放时间最久的数据。
-
再次插入新的数据G，存放时间最久的数据C就会被淘汰掉。
算法实现
下面通过一段简单的代码来实现这个逻辑。
class LRUCache { list = [] // 用于标记先后顺序 cache = {} // 用于缓存所有数据 capacity = 0 // 缓存的最大容量 constructor (capacity) {
// 存储 LRU 可缓存的最大容量 this.capacity = capacity
}
}1.2.3.4.5.6.7.8.9.
基本的结构如上所示，LRU需要实现的就是两个方法：get 和 put。
class LRUCache {
// 获取数据 get (key) { }
// 存储数据 put (key, value) { }
}1.2.3.4.5.6.
我们现在看看如何进行数据的存储：
class LRUCache {
// 存储数据 put (key, value) {
// 存储之前需要先判断长度是否达到上限 if (this.list.length >= this.capacity) {
// 由于每次存储后，都会将 key 放入 list 最后，
// 所以，需要取出第一个 key，并删除cache中的数据。 const latest = this.list.shift() delete this.cache[latest]
}
// 写入缓存 this.cache[key] = value
// 写入缓存后，需要将 key 放入 list 的最后 this.list.push(key)
}
}1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.
然后，在每次获取数据时，都需要更新 list，将当前获取的 key 放到 list 的最后。
class LRUCache {
// 获取数据 get (key) { if (this.cache[key] !== undefined) {
// 如果 key 对应的缓存存在
// 在返回缓存之前，需要重新激活 key
this.active(key) return this.cache[key]
} return undefined
}
// 重新激活key，将指定 key 移动到 list 最后 active (key) {
// 先将 key 在 list 中删除 const idx = this.list.indexOf(key) if (idx !== -1) { this.list.splice(idx, 1)
}
// 然后将 key 放到 list 最后面 this.list.push(key)
}
}1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.
这个时候，其实还没有完全实现，因为除了 get 操作，put 操作也需要将对应的 key 重新激活。
class LRUCache {
// 存储数据 put (key, value) { if (this.cache[key]) {
// 如果该 key 之前存在，将 key 重新激活 this.active(key) this.cache[key] = value
// 而且此时缓存的长度不会发生变化
// 所以不需要进行后续的长度判断，可以直接返回 return
}
// 存储之前需要先判断长度是否达到上限 if (this.list.length >= this.capacity) {
// 由于每次存储后，都会将 key 放入 list 最后，
// 所以，需要取出第一个 key，并删除cache中的数据。 const latest = this.list.shift() delete this.cache[latest]
}
// 写入缓存 this.cache[key] = value
// 写入缓存后，需要将 key 放入 list 的最后 this.list.push(key)
}
}1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.
可能会有人觉得这种算法在前端没有什么应用场景，说起来，在 Vue 的内置组件 keep-alive 中就使用到了 LRU 算法。
编辑搜图
后续应该还会继续介绍一下 LFU 算法，敬请期待。
