import java.util.*;class Node {public Integer key;public Integer value;public Long timeStamp;public Node(Integer key, Integer value, Long timeStamp) {this.key = key;this.value = value;this.timeStamp = timeStamp;}}class LRUCache {private Map<Integer, Node> map;private int capacity;public LRUCache(int capacity) {map = new LinkedHashMap<>();this.capacity = capacity;}public int get(int key) {Node node = map.get(key);// key 不存在if (node == null) {return -1;}// key 过期（懒删除策略）if (isExpire(node)) {map.remove(key);return -1;}map.remove(key);map.put(key, node);return node.value;}public void put(int key, int value, Long timeStamp) {Node node = map.get(key);if (node == null) {  // key 不存在node = new Node(key, value, timeStamp);if (map.size() < capacity) {  // 有额外空间map.put(key, node);} else {  // 没有额外空间// 先尝试移除过期keyremoveExpireNodes();// 如果空间还是不足，移除最老的keyif (map.size() >= capacity) {map.remove(map.keySet().iterator().next());}map.put(key, node);}} else {  // key 存在map.remove(key);node = new Node(key, value, timeStamp);map.put(key, node);}}private void removeExpireNodes() {for (Node node : map.values()) {if (isExpire(node)) {map.remove(node.key);}}}private boolean isExpire(Node node) {if (node.timeStamp == null) {  // 没有时间戳表示永久不过期return false;}return System.currentTimeMillis() > node.timeStamp;}}class LRUTTL {public static void main(String[] args) {LRUCache cache = new LRUCache(2);cache.put(1, 10, null);cache.put(2, 20, null);System.out.println(cache.get(1));  // 10cache.put(3, 30, null);System.out.println(cache.get(2));  // -1cache.put(4, 40, System.currentTimeMillis() + 1000);try {System.out.println(cache.get(1));  // -1Thread.sleep(1500);System.out.println(cache.get(3));  // 30System.out.println(cache.get(4));  // -1} catch (InterruptedException e) {throw new RuntimeException(e);}}}优化点：可以维护一个map结构存储<最小过期时间，节点数量>来判断当前LinkedList中是否存在已经过期的node，可以一定程度地减少 removeExpireNodes 的调用次数

把高频点（epoll、B+树、MVCC、Redis 单线程、CAP）整理成“一页纸”速记，面试当场2分钟讲清楚

每天这个点走，基本上是部门走的最早的一批人了。正职一般都在9.30后才走，有次10点走，发现还有五分之一人，但是我根本撑不住这么晚

文章内容收录到个人网站，方便阅读：http://hardyfish.top/普通LRU算法LRU = Least Recently Used（最近最少使用）：也就是末尾淘汰法，新数据从链表头部加入，释放空间时从末尾淘汰数据。当要访问某个页时，如果不在Buffer Pool中，需要把该页加载到缓冲池。并且把该缓冲页对应的控制块作为节点添加到LRU链表的头部。当要访问某个页时，如果在Buffer Pool中，则直接把该页对应的控制块移动到LRU链表的头部。当需要释放空间时，直接从末尾淘汰。普通LRU算法的优缺点优点：所有最近使用的数据都在链表表头，最近未使用的数据都在链表表尾，保证热数据能最快被获...