LRU算法 缓存淘汰策略
四种实现方式html
LRU
1.1. 原理
LRU（Least recently used，最近最少使用）算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“若是数据最近被访问过，那么未来被访问的概率也更高”。算法
1.2. 实现
最多见的实现是使用一个链表保存缓存数据，详细算法实现以下：缓存
1. 新数据插入到链表头部；post
2. 每当缓存命中（即缓存数据被访问），则将数据移到链表头部；性能
3. 当链表满的时候，将链表尾部的数据丢弃。url
1.3. 分析
【命中率】htm
当存在热点数据时，LRU的效率很好，但偶发性的、周期性的批量操做会致使LRU命中率急剧降低，缓存污染状况比较严重。对象
【复杂度】blog
实现简单。排序
【代价】
命中时须要遍历链表，找到命中的数据块索引，而后须要将数据移到头部。
LRU-K
2.1. 原理
LRU-K中的K表明最近使用的次数，所以LRU能够认为是LRU-1。LRU-K的主要目的是为了解决LRU算法“缓存污染”的问题，其核心思想是将“最近使用过1次”的判断标准扩展为“最近使用过K次”。
2.2. 实现
相比LRU，LRU-K须要多维护一个队列，用于记录全部缓存数据被访问的历史。只有当数据的访问次数达到K次的时候，才将数据放入缓存。当须要淘汰数据时，LRU-K会淘汰第K次访问时间距当前时间最大的数据。详细实现以下：
1. 数据第一次被访问，加入到访问历史列表；
2. 若是数据在访问历史列表里后没有达到K次访问，则按照必定规则（FIFO，LRU）淘汰；
3. 当访问历史队列中的数据访问次数达到K次后，将数据索引从历史队列删除，将数据移到缓存队列中，并缓存此数据，缓存队列从新按照时间排序；
4. 缓存数据队列中被再次访问后，从新排序；
5. 须要淘汰数据时，淘汰缓存队列中排在末尾的数据，即：淘汰“倒数第K次访问离如今最久”的数据。
LRU-K具备LRU的优势，同时可以避免LRU的缺点，实际应用中LRU-2是综合各类因素后最优的选择，LRU-3或者更大的K值命中率会高，但适应性差，须要大量的数据访问才能将历史访问记录清除掉。
2.3. 分析
【命中率】
LRU-K下降了“缓存污染”带来的问题，命中率比LRU要高。
【复杂度】
LRU-K队列是一个优先级队列，算法复杂度和代价比较高。
【代价】
因为LRU-K还须要记录那些被访问过、但尚未放入缓存的对象，所以内存消耗会比LRU要多；当数据量很大的时候，内存消耗会比较可观。
LRU-K须要基于时间进行排序（能够须要淘汰时再排序，也能够即时排序），CPU消耗比LRU要高。
Two queues（2Q）
3.1. 原理
Two queues（如下使用2Q代替）算法相似于LRU-2，不一样点在于2Q将LRU-2算法中的访问历史队列（注意这不是缓存数据的）改成一个FIFO缓存队列，即：2Q算法有两个缓存队列，一个是FIFO队列，一个是LRU队列。
3.2. 实现
当数据第一次访问时，2Q算法将数据缓存在FIFO队列里面，当数据第二次被访问时，则将数据从FIFO队列移到LRU队列里面，两个队列各自按照本身的方法淘汰数据。详细实现以下：
1. 新访问的数据插入到FIFO队列；
2. 若是数据在FIFO队列中一直没有被再次访问，则最终按照FIFO规则淘汰；
3. 若是数据在FIFO队列中被再次访问，则将数据移到LRU队列头部；
4. 若是数据在LRU队列再次被访问，则将数据移到LRU队列头部；
5. LRU队列淘汰末尾的数据。
注：上图中FIFO队列比LRU队列短，但并不表明这是算法要求，实际应用中二者比例没有硬性规定。
3.3. 分析
【命中率】
2Q算法的命中率要高于LRU。
【复杂度】
须要两个队列，但两个队列自己都比较简单。
【代价】
FIFO和LRU的代价之和。
2Q算法和LRU-2算法命中率相似，内存消耗也比较接近，但对于最后缓存的数据来讲，2Q会减小一次从原始存储读取数据或者计算数据的操做。
Multi Queue（MQ）
4.1. 原理
MQ算法根据访问频率将数据划分为多个队列，不一样的队列具备不一样的访问优先级，其核心思想是：优先缓存访问次数多的数据。
4.2. 实现
MQ算法将缓存划分为多个LRU队列，每一个队列对应不一样的访问优先级。访问优先级是根据访问次数计算出来的，例如
详细的算法结构图以下，Q0，Q1....Qk表明不一样的优先级队列，Q-history表明从缓存中淘汰数据，但记录了数据的索引和引用次数的队列：
如上图，算法详细描述以下：
1. 新插入的数据放入Q0；
2. 每一个队列按照LRU管理数据；
3. 当数据的访问次数达到必定次数，须要提高优先级时，将数据从当前队列删除，加入到高一级队列的头部；
4. 为了防止高优先级数据永远不被淘汰，当数据在指定的时间里访问没有被访问时，须要下降优先级，将数据从当前队列删除，加入到低一级的队列头部；
5. 须要淘汰数据时，从最低一级队列开始按照LRU淘汰；每一个队列淘汰数据时，将数据从缓存中删除，将数据索引加入Q-history头部；
6. 若是数据在Q-history中被从新访问，则从新计算其优先级，移到目标队列的头部；
7. Q-history按照LRU淘汰数据的索引。
4.3. 分析
【命中率】
MQ下降了“缓存污染”带来的问题，命中率比LRU要高。
【复杂度】
MQ须要维护多个队列，且须要维护每一个数据的访问时间，复杂度比LRU高。
【代价】
MQ须要记录每一个数据的访问时间，须要定时扫描全部队列，代价比LRU要高。
注：虽然MQ的队列看起来数量比较多，但因为全部队列之和受限于缓存容量的大小，所以这里多个队列长度之和和一个LRU队列是同样的，所以队列扫描性能也相近。
LRU类算法对比
因为不一样的访问模型致使命中率变化较大，此处对比仅基于理论定性分析，不作定量分析。
| 对比点 |
对比 |
| 命中率 |
LRU-2 > MQ(2) > 2Q > LRU |
| 复杂度 |
LRU-2 > MQ(2) > 2Q > LRU |
| 代价 |
LRU-2 > MQ(2) > 2Q > LRU |
实际应用中须要根据业务的需求和对数据的访问状况进行选择，并非命中率越高越好。例如：虽然LRU看起来命中率会低一些，且存在”缓存污染“的问题，但因为其简单和代价小，实际应用中反而应用更多。