利用Redis设计LRU算法（用redis写个lru）
LRU算法（Least Recently Used，简称LRU）是一个常用的缓存算法，它的用途是当缓存满时，根据缓存访问顺序移除缓存中某些内容，让新的缓存内容进入，从而保持缓存有效利用率。
由于Redis支持数据结构，可以很方便的实现LRU算法。例如，可以使用Redis的Hash表来存放缓存，并使用Redis的List数据结构来对访问过的缓存进行排序，实现LRU算法，具体实现代码如下：
//将缓存存入缓存中
func setCache(key string,value string) err {
//将数据存储到Hash表中
_, err := redis.HSet(key,key,value)
if err != nil {
return err
}
//将key存储到list中
_, err = redis.LPush(“LRU_Timestamp_List”, key)
if err != nil {
return err
}
//添加完保持list长度在50个
_, err = redis.LTrim(“LRU_Timestamp_List”,0,49)
if err != nil {
return err
}
return nil
}
//从缓存中获取缓存
func getCache(key string) (string, bool) {
//从hash表中获取缓存
result, err := redis.HGet(key, key)
if err != nil {
return “”, false
}
//将key移至list头部
go redis.LRem(“LRU_Timestamp_List”, 0, key)
go redis.LPush(“LRU_Timestamp_List”, key)
return result, true
}
//缓存满时，移出最久未访问的数据
func deleteCache() err {
//获取最后一个key
key, _ := redis.RPop(“LRU_Timestamp_List”)
//从hash表中移除
_, err := redis.HDel(key, key)
if err != nil {
return err
}
return nil
}
因此，Redis可以作为一款非常灵活的缓存解决方案，使用它可以很容易的设计和实现基于LRU算法的缓存策略。虽然Redis的缓存算法可能没有其它缓存系统那么丰富完善，但它弥补了性能极佳的优势，可以满足日常应用需求。
