常见的缓存数据淘汰算法

一个缓存组件是否好用，其中一个重要的指标就是他的缓存命中率，而命中率又和缓存组件自己的缓存数据淘汰算法息息相关。

FIFO

FIFO（First in First out）先进先出。能够理解为是一种相似队列的算法实现。

算法：最早进来的数据，被认为在将来被访问的几率也是最低的，所以，当规定空间用尽且需要放入新数据的时候，会优先淘汰最先进来的数据。优势：最简单、最公平的一种数据淘汰算法，逻辑简单清晰，易于实现。缺点：这种算法逻辑设计所实现的缓存的命中率是比较低的，由于没有任何额外逻辑可以尽量的保证经常使用数据不被淘汰掉。

LRU

LRU（The Least Recently Used）最近最久未使用算法。相比于FIFO算法智能些。

算法：若是一个数据最近不多被访问到，那么被认为在将来被访问的几率也是最低的，当规定空间用尽且需要放入新数据的时候，会优先淘汰最久未被访问的数据。优势：LRU能够有效的对访问比较频繁的数据进行保护，也就是针对热点数据的命中率提升有明显的效果。

缺点：对于周期性、偶发性的访问数据，有大几率可能形成缓存污染，也就是置换出去了热点数据，把这些偶发性数据留下了，从而致使LRU的数据命中率急剧降低。

下图展现了LRU简单的工做过程，访问时对数据的提早操做，以及数据满且添加新数据的时候淘汰的过程的展现以下：

​

此处介绍的LRU是有明显的缺点，如上所述，对于偶发性、周期性的数据没有良好的抵抗力，很容易就形成缓存的污染，影响命中率，所以衍生出了不少的LRU算法的变种，用以处理这种偶发冷数据突增的场景，好比：LRU-K、Two Queues等，目的就是当判别数据为偶发或周期的冷数据时，不会存入空间内，从而下降热数据的淘汰率。

下图展现了LRU-K的简单工做过程，简单理解，LRU中的K是指数据被访问K次，传统LRU与此对比则能够认为传统LRU是LRU-1。能够看到LRU-K有两个队列，新来的元素先进入到历史访问队列中，该队列用于记录元素的访问次数，采用的淘汰策略是LRU或者FIFO，当历史队列中的元素访问次数达到K的时候，才会进入缓存队列。

​

下图展现了Two Queues的工做过程，与LRU-K相比，他也一样是两个队列，不一样之处在于，他的队列一个是缓存队列，一个是FIFO队列，当新元素进来的时候，首先进入FIFO队列，当该队列中的元素被访问的时候，会进入LRU队列，过程以下：

​

LFU

LFU（The Least Frequently Used）最近不多使用算法，与LRU的区别在于LRU是以时间衡量，LFU是以时间段内的次数

算法：若是一个数据在必定时间内被访问的次数很低，那么被认为在将来被访问的几率也是最低的，当规定空间用尽且需要放入新数据的时候，会优先淘汰时间段内访问次数最低的数据。优势：LFU也能够有效的保护缓存，相对场景来说，比LRU有更好的缓存命中率。由于是以次数为基准，因此更加准确，天然能有效的保证和提升命中率。缺点：由于LFU须要记录数据的访问频率，所以需要额外的空间；当访问模式改变的时候，算法命中率会急剧降低，这也是他最大弊端。。

下面描述了LFU的简单工做过程，首先是访问元素增长元素的访问次数，从而提升元素在队列中的位置，下降淘汰优先级，后面是插入新元素的时候，由于队列已经满了，因此优先淘汰在必定时间间隔内访问频率最低的元素。

W-TinyLFU

W-TinyLFU（Window Tiny Least Frequently Used）是对LFU的的优化和增强。

算法：当一个数据进来的时候，会进行筛选比较，进入W-LRU窗口队列，以此应对流量突增，通过淘汰后进入过滤器，通过访问频率判决是否进入缓存。若是一个数据最近被访问的次数很低，那么被认为在将来被访问的几率也是最低的，当规定空间用尽的时候，会优先淘汰最近访问次数很低的数据；优势：使用Count-Min Sketch算法存储访问频率，极大的节省空间；按期衰减操做，应对访问模式变化；而且使用window-lru机制可以尽量避免缓存污染的发生，在过滤器内部会进行筛选处理，避免低频数据置换高频数据。缺点：是由谷歌工程师发明的一种算法，目前已知应用于Caffeine Cache组件里。

关于Count-Min Sketch算法，能够看做是布隆过滤器的同源的算法，假如咱们用一个hashmap来存储每一个元素的访问次数，那这个量级是比较大的，而且hash冲突的时候须要作必定处理，不然数据会产生很大的偏差，Count-Min Sketch算法将一个hash操做，扩增为多个hash，这样原来hash冲突的几率就下降了几个等级，且当多个hash取得数据的时候，取最低值，也就是Count Min的含义所在。

下图展现了Count-Min Sketch算法简单的工做原理：

假设有四个hash函数，每当元素被访问时，将进行次数加1；此时会按照约定好的四个hash函数进行hash计算找到对应的位置，相应的位置进行+1操做；当获取元素的频率时，一样根据hash计算找到4个索引位置；取得四个位置的频率信息，而后根据Count Min取得最低值做为本次元素的频率值返回，即Min(Count)；

​