1. lru
1.1. 原理
lru（least recently used，最近最少使用）演算法根據資料的歷史訪問記錄來進行淘汰資料，其核心思想是「如果資料最近被訪問過，那麼將來被訪問的機率也更高」。
1.2. 實現
最常見的實現是使用乙個鍊錶儲存快取資料，詳細演算法實現如下：
1. 新資料插入到鍊錶頭部；
2. 每當快取命中（即快取資料被訪問），則將資料移到鍊錶頭部；
3. 當鍊表滿的時候，將鍊錶尾部的資料丟棄。
1.3. 分析
【命中率】
當存在熱點資料時，lru的效率很好，但偶發性的、週期性的批量操作會導致lru命中率急劇下降，快取汙染情況比較嚴重。
【複雜度】
實現簡單。
【代價】
命中時需要遍歷鍊錶，找到命中的資料塊索引，然後需要將資料移到頭部。
2. lru-k（描述有誤，請勿參考）
2.1. 原理
lru-k中的k代表最近使用的次數，因此lru可以認為是lru-1。lru-k的主要目的是為了解決lru演算法「快取汙染」的問題，其核心思想是將「最近使用過1次」的判斷標準擴充套件為「最近使用過k次」。
2.2. 實現
相比lru，lru-k需要多維護乙個佇列，用於記錄所有快取資料被訪問的歷史。只有當資料的訪問次數達到k次的時候，才將資料放入快取。當需要淘汰資料時，lru-k會淘汰第k次訪問時間距當前時間最大的資料。詳細實現如下：
1. 資料第一次被訪問，加入到訪問歷史列表；
2. 如果資料在訪問歷史列表裡後沒有達到k次訪問，則按照一定規則（fifo，lru）淘汰；
3. 當訪問歷史佇列中的資料訪問次數達到k次後，將資料索引從歷史佇列刪除，將資料移到快取佇列中，並快取此資料，快取佇列重新按照時間排序；
4. 快取資料佇列中被再次訪問後，重新排序；
5. 需要淘汰資料時，淘汰快取佇列中排在末尾的資料，即：淘汰「倒數第k次訪問離現在最久」的資料。
lru-k具有lru的優點，同時能夠避免lru的缺點，實際應用中lru-2是綜合各種因素後最優的選擇，lru-3或者更大的k值命中率會高，但適應性差，需要大量的資料訪問才能將歷史訪問記錄清除掉。
2.3. 分析
【命中率】
lru-k降低了「快取汙染」帶來的問題，命中率比lru要高。
【複雜度】
lru-k佇列是乙個優先順序佇列，演算法複雜度和代價比較高。
【代價】
由於lru-k還需要記錄那些被訪問過、但還沒有放入快取的物件，因此記憶體消耗會比lru要多；當資料量很大的時候，記憶體消耗會比較可觀。
lru-k需要基於時間進行排序（可以需要淘汰時再排序，也可以即時排序），cpu消耗比lru要高。
3. two queues（2q）
3.1. 原理
two queues（以下使用2q代替）演算法類似於lru-2，不同點在於2q將lru-2演算法中的訪問歷史佇列（注意這不是快取資料的）改為乙個fifo快取佇列，即：2q演算法有兩個快取佇列，乙個是fifo佇列，乙個是lru佇列。
3.2. 實現
當資料第一次訪問時，2q演算法將資料快取在fifo佇列裡面，當資料第二次被訪問時，則將資料從fifo佇列移到lru佇列裡面，兩個佇列各自按照自己的方法淘汰資料。詳細實現如下：
1. 新訪問的資料插入到fifo佇列；
2. 如果資料在fifo佇列中一直沒有被再次訪問，則最終按照fifo規則淘汰；
3. 如果資料在fifo佇列中被再次訪問，則將資料移到lru佇列頭部；
4. 如果資料在lru佇列再次被訪問，則將資料移到lru佇列頭部；
5. lru佇列淘汰末尾的資料。
注：上圖中fifo佇列比lru佇列短，但並不代表這是演算法要求，實際應用中兩者比例沒有硬性規定。
3.3. 分析
【命中率】
2q演算法的命中率要高於lru。
【複雜度】
需要兩個佇列，但兩個佇列本身都比較簡單。
【代價】
fifo和lru的代價之和。
2q演算法和lru-2演算法命中率類似，記憶體消耗也比較接近，但對於最後快取的資料來說，2q會減少一次從原始儲存讀取資料或者計算資料的操作。
4. multi queue（mq）
4.1. 原理
mq演算法根據訪問頻率將資料劃分為多個佇列，不同的佇列具有不同的訪問優先順序，其核心思想是：優先快取訪問次數多的資料。
4.2. 實現
mq演算法將快取劃分為多個lru佇列，每個佇列對應不同的訪問優先順序。訪問優先順序是根據訪問次數計算出來的，例如
詳細的演算法結構圖如下，q0，q1....qk代表不同的優先順序佇列，q-history代表從快取中淘汰資料，但記錄了資料的索引和引用次數的佇列：
如上圖，演算法詳細描述如下：
1. 新插入的資料放入q0；
2. 每個佇列按照lru管理資料；
3. 當資料的訪問次數達到一定次數，需要提公升優先順序時，將資料從當前佇列刪除，加入到高一級佇列的頭部；
4. 為了防止高優先順序資料永遠不被淘汰，當資料在指定的時間裡訪問沒有被訪問時，需要降低優先順序，將資料從當前佇列刪除，加入到低一級的佇列頭部；
5. 需要淘汰資料時，從最低一級佇列開始按照lru淘汰；每個佇列淘汰資料時，將資料從快取中刪除，將資料索引加入q-history頭部；
6. 如果資料在q-history中被重新訪問，則重新計算其優先順序，移到目標佇列的頭部；
7. q-history按照lru淘汰資料的索引。
4.3. 分析
【命中率】
mq降低了「快取汙染」帶來的問題，命中率比lru要高。
【複雜度】
mq需要維護多個佇列，且需要維護每個資料的訪問時間，複雜度比lru高。
【代價】
mq需要記錄每個資料的訪問時間，需要定時掃瞄所有佇列，代價比lru要高。
注：雖然mq的佇列看起來數量比較多，但由於所有佇列之和受限於快取容量的大小，因此這裡多個佇列長度之和和乙個lru佇列是一樣的，因此佇列掃瞄效能也相近。
5. lru類演算法對比
由於不同的訪問模型導致命中率變化較大，此處對比僅基於理論定性分析，不做定量分析。
對比點 對比
命中率lru-2 > mq(2) > 2q > lru
複雜度lru-2 > mq(2) > 2q > lru 代價
lru-2 > mq(2) > 2q > lru
實際應用中需要根據業務的需求和對資料的訪問情況進行選擇，並不是命中率越高越好。例如：雖然lru看起來命中率會低一些，且存在」快取汙染「的問題，但由於其簡單和代價小，實際應用中反而應用更多。
快取淘汰演算法 LRU
1.lru 1.1.原理 lru least recently used，最近最少使用 演算法根據資料的歷史訪問記錄來進行淘汰資料，其核心思想是 如果資料最近被訪問過，那麼將來被訪問的機率也更高 1.2.實現 最常見的實現是使用乙個鍊錶儲存快取資料，詳細演算法實現如下 1.新資料插入到鍊錶頭部 2....
LRU 快取淘汰演算法
1.介紹 lru是leastrecentlyused近期最少使用演算法。記憶體管理的一種頁面置換演算法，對於在記憶體中但又不用的資料塊 記憶體塊 叫做lru，oracle會根據哪些資料屬於lru而將其移出記憶體而騰出空間來載入另外的資料。lru least recently used，最近最少使用 ...
LRU快取淘汰演算法
這是乙個什麼演算法？這是乙個可以處理程式過多的情況下該刪除哪乙個程式的演算法策略。它是根據最近使用時間來進行確定的，通常刪除的是最後乙個節點。那麼這個演算法會涉及什麼樣的資料結構？這個演算法涉及了hashmap和雙向鍊錶的資料結構，通過這兩個結構的配合可以通過map來快速定位訪問節點，通過雙向鍊錶來...