2、新增数据：当有一个新的vr_phone创建时，存储到指针的上一个slot中。对于有slot冲突的场景，可以利用链表解决冲突，也可以利用数组解决冲突。链表和数组的考量标准还是依赖于单个slot的数据长度，如果数据过长，那么存储的数组会很长，则需要很大的内存空间才能满足，无法利用内存碎片的空间。
3、过期数据：指针每隔1秒移动一个slot，那么指针指向的slot就是需要过期的数据，因为新增的数据在环形slot转完一圈后，才会被指向到。
这样一种算法结构，将时间和空间巧妙地结合在了一起。新增元素的时间复杂度为O(1)，直接插入待批量过期的slot的上一个位置即可；获取待删除元素列表时间复杂度也是O(1)，就是待批量过期的slot位置。流行框架Netty、Kafka都有定时轮的影子。
当然，单层定时轮只适用于固定时间过期的场景，如果需要管理不同过期时间的元素，那么可以参考"多层定时轮算法"，其实就是模拟现实世界的时针、分针、秒针的概念，建立多个单层定时轮，采用进位和退位的思想来管理元素的过期时间。
以上各种元素过期策略各有优缺点，可以根据业务的诉求来取舍。比如Memcache只是用了惰性删除，而Redis则同时使用了惰性删除和定期删除以结合二者的优点。
依赖空间的过期策略
此处只探讨最经典的三种策略FIFO、LRU、LFU的原理及实现方案，对于其它改进算法，感兴趣的同学可以自行查找。
a) FIFO：先进先出，当空间不足时，先进入的元素将会被移除。此方案并没有考虑元素的使用特性，可能最近频繁访问的一个元素会被移除，从而降低了缓存命中率。实现：基于LinkedHashMap的钩子函数实现FIFOMap。
// 链表头部是最近最少被访问的元素，需要被删除 public class FIFOMap<K, V> extends LinkedHashMap<K, V> { private int maxSize; //LinkedHashMap每次插入数据，默认都是链表tail；当accessOrder=false，元素被访问不会移动位置 public FIFOMap(int maxSize) { super(maxSize, 0.75f, false); this.maxSize = maxSize; } //每次put和putAll新增元素的时候都会触发判断;当下面函数=true时，就删除链表head元素 @Override protected boolean removeEldestEntry(Map.Entry<K, V> eldest) { return size() > maxSize; } }