LRU 算法具體步驟：
新數據直接插入到列表頭部
緩存數據被命中，將數據移動到列表頭部
緩存已滿的時候，移除列表尾部數據。
03、LRU 算法實現
上面例子中可以看到，LRU 算法需要添加頭節點，刪除尾結點。而鏈表添加節點/刪除節點時間複雜度 O(1)，非常適合當做存儲緩存數據容器。但是不能使用普通的單向鏈表，單向鏈表有幾點劣勢:
每次獲取任意節點數據，都需要從頭結點遍歷下去，這就導致獲取節點複雜度爲 O(N)。
移動中間節點到頭結點，我們需要知道中間節點前一個節點的信息，單向鏈表就不得不再次遍歷獲取信息。
針對以上問題，可以結合其他數據結構解決。
使用散列表存儲節點，獲取節點的複雜度將會降低爲 O(1)。節點移動問題可以在節點中再增加前驅指針，記錄上一個節點信息，這樣鏈表就從單向鏈表變成了雙向鏈表。
綜上使用雙向鏈表加散列表結合體，數據結構如圖所示:
LRU 算法改進方案
以下方案來源與 MySQL InnoDB LRU 改進算法
將鏈表拆分成兩部分，分爲熱數據區，與冷數據區，如圖所示。改進之後算法流程將會變成下面一樣:
訪問數據如果位於熱數據區，與之前 LRU 算法一樣，移動到熱數據區的頭結點。
插入數據時，若緩存已滿，淘汰尾結點的數據。然後將數據插入冷數據區的頭結點。
處於冷數據區的數據每次被訪問需要做如下判斷：若該數據已在緩存中超過指定時間，比如說 1 s，則移動到熱數據區的頭結點。若該數據存在在時間小於指定的時間，則位置保持不變。
對於偶發的批量查詢，數據僅僅只會落入冷數據區，然後很快就會被淘汰出去。熱門數據區的數據將不會受到影響，這樣就解決了 LRU 算法緩存命中率下降的問題。
其他改進方法還有 LRU-K，2Q,LIRS 算法，感興趣同學可以自行查閱。