摘要：如果處理不得當，就會造成緩存污染問題。解決緩存污染的算法算法，英文名，字面意思就是最不經常使用的淘汰掉算法，是通過數據被訪問的頻率來判斷一個數據的熱點情況。分析降低了緩存污染帶來的問題，命中率比要高。

微信公眾號：IT一刻鐘
大型現實非嚴肅主義現場
一刻鐘與你分享優質技術架構與見聞，做一個有劇情的程序員
關注可第一時間了解更多精彩內容，定期有福利相送喲。

由于緩存的讀取速度比非緩存要快上很多，所以在高性能場景下，系統在讀取數據時，是首先從緩存中查找需要的數據，如果找到了則直接讀取結果，如果找不到的話，則從內存或者硬盤中查找，再將查找到的結果存入緩存，以備下次使用。
實際上，對于一個系統來說，緩存的空間是有限且寶貴的，我們不可能將所有的數據都放入緩存中進行操作，即便可以數據安全性也得不到保證，而且，如果緩存的數據量過大大，其速度也會變得越來越慢。
這個時候就需要考慮緩存的淘汰機制，但是淘汰哪些數據，又保留哪些數據，這是一個問題。如果處理不得當，就會造成“緩存污染”問題。
而緩存污染，是指系統將不常用的數據從內存移到緩存，造成常用數據的擠出，降低了緩存效率的現象。

LFU，英文名Least Frequently Used，字面意思就是最不經常使用的淘汰掉算法，是通過數據被訪問的頻率來判斷一個數據的熱點情況。其核心理念是“歷史上這個數據被訪問次數越多，那么將來其被訪問的次數也多”。
LFU中每個數據塊都有一個引用計數器，所有數據塊按照引用數從大到小的排序。

步驟：

新數據插入到尾部，并將計數設置為1；

當隊列中的數據被訪問后，引用計數+1，然后重新排序，保持引用次數從大到小排序；

當空間不足，需要淘汰數據時，將尾部引用計數最小的數據塊刪除。

分析：由于是根據頻數進行熱點判斷和淘汰，所以先天具備避免偶發性、周期性批量操作導致臨時非熱點數據大量涌入緩存，擠出熱點數據的問題。
雖然具備這種先天優勢，但依舊存在另一種緩存污染問題，即歷史熱點數據污染當前熱點數據，如果系統訪問模式發生了改變，新的熱點數據需要計數累加超過舊熱點數據，才能將舊熱點數據進行淘汰，造成熱點效應滯后的問題。
復雜度與代價：每次操作都需要進行計數和排序，并且需要維護每個數據塊計數情況，會占用較高的內存與cpu。

一個小思考，根據LFU算法，如何以O(1)時間復雜度實現get和put操作緩存？

LFU-Aging是基于LFU的改進算法，目的是解決歷史熱點數據對當前熱點數據的污染問題。有些數據在開始時使用次數很多，但以后就不再使用，這類數據將會長時間留在緩存中，所以“除了訪問次數外，還要考慮訪問時間”，這也是LFU-Aging的核心理念。
雖然算法將時間納入了考量范圍，但LFU-Aging并不是直接記錄數據的訪問時間，而是增加了一個最大平均引用計數的閾值，然后通過當前平均引用計數來標識時間，換句話說，就是將當前緩存中的平均引用計數值當作當前的生命年代，當這個生命年代超過了預設的閾值，就會將當前所有計數值減半，形成指數衰變的生命年代。

分析：優點是當訪問模式發生改變的時候，生命年代的指數衰變會使LFU-Aging能夠更快的適用新的數據訪問模式，淘汰舊的熱點數據。
復雜度與代價：在LFU的基礎上又增加平均引用次數判斷和統計處理，對cpu的消耗更高，并且當平均引用次數超過指定閾值（Aging）后，還需要遍歷每一個數據塊的引用計數，進行指數衰變。

Window-LFU顧名思義叫做窗口期LFU，區別于原義LFU中記錄所有數據的訪問歷史，Window-LFU只記錄過去一段時間內（窗口期）的訪問歷史，相當于給緩存設置了有效期限，過期數據不再緩存。當需要淘汰時，將這個窗口期內的數據按照LFU算法進行淘汰。
分析：由于是維護一段窗口期的記錄，數據量會比較少，所以內存占用和cpu消耗都比LFU要低。并且這段窗口期相當于給緩存設置了有效期，能夠更快的適應新的訪問模式的變化，緩存污染問題基本不嚴重。
復雜度與代價：維護一段時期內的數據訪問記錄，并對其排序。

LRU算法，英文名Least Recently Used，意思是最近最少使用的淘汰算法，根據數據的歷史訪問記錄來進行淘汰數據，核心思想是“如果數據最近被訪問過1次，那么將來被訪問的概率會更高”，類似于就近優先原則。

步驟：

新數據插入到鏈表頭部；

每當命中緩存，便將命中的緩存數據移到鏈表頭部；

當鏈表滿的時候，將鏈表尾部的數據丟棄。

分析：偶發性的、周期性的批量操作會使臨時數據涌入緩存，擠出熱點數據，導致LRU熱點命中率急劇下降，緩存污染情況比較嚴重。
復雜度與代價：數據結構復雜度較低；每次需要遍歷鏈表，找到命中的數據塊，然后將數據移到頭部。

LRU-K是基于LRU算法的優化版，其中K代表最近訪問的次數，從某種意義上，LRU可以看作是LRU-1算法，引入K的意義是為了解決上面所提到的緩存污染問題。其核心理念是從“數據最近被訪問過1次”蛻變成“數據最近被訪問過K次，那么將來被訪問的概率會更高”。
LRU-K與LRU區別是，LRU-K多了一個數據訪問歷史記錄隊列（需要注意的是，訪問歷史記錄隊列并不是緩存隊列，所以是不保存數據本身的，只是保存對數據的訪問記錄，數據此時依舊在原始存儲中），隊列中維護著數據被訪問的次數以及時間戳，只有當這個數據被訪問的次數大于等于K值時，才會從歷史記錄隊列中刪除，然后把數據加入到緩存隊列中去。

步驟：

數據第一次被訪問時，加入到歷史訪問記錄隊列中，訪問次數為1，初始化訪問時間戳；

如果數據訪問次數沒有達到K次，則訪問次數+1，更新時間戳。當隊列滿了時，按照某種規則（LRU或者FIFO）將歷史記錄淘汰。為了避免歷史數據污染未來數據的問題，還需要加上一個有效期限，對超過有效期的訪問記錄，進行重新計數。（可以使用懶處理，即每次對訪問記錄做處理時，先將記錄中的訪問時間與當前時間進行對比，如果時間間隔超過預設的值，則訪問次數重置為1并更新時間戳，表示重新開始計數）

當數據訪問計數大于等于K次后，將數據從歷史訪問隊列中刪除，更新數據時間戳，保存到緩存隊列頭部中（緩存隊列時間戳遞減排序，越到尾部距離當前時間越長）；

緩存隊列中數據被再次訪問后，將其移到頭部，并更新時間戳；

緩存隊列需要淘汰數據時，淘汰緩存隊列中排在末尾的數據，即：淘汰“倒數第K次訪問離現在最久”的數據。

分析：LRU-K降低了“緩存污染”帶來的問題，命中率比LRU要高。實際應用中LRU-2是綜合各種因素后最優的選擇，LRU-3或者更大的K值命中率會高，但適應性差，一旦訪問模式發生變化，需要大量的新數據訪問才能將歷史熱點訪問記錄清除掉。
復雜度與代價：LRU-K隊列是一個優先級隊列。由于LRU-K需要記錄那些被訪問過，但還沒有放入緩存的對象，導致內存消耗會很多。

URL-Two queues算法類似于LRU-2，不同點在于URL-Two queues將LRU-2算法中的訪問歷史隊列（注意這不是緩存數據的）改為一個FIFO緩存隊列，即：URL-Two queues算法有兩個緩存隊列，一個是FIFO隊列（First in First out，先進先出），一個是LRU隊列。
當數據第一次訪問時，URL-Two queues算法將數據緩存在FIFO隊列里面，當數據第二次被訪問時，則將數據從FIFO隊列移到LRU隊列里面，兩個隊列各自按照自己的方法淘汰數據。

步驟：

新訪問的數據先插入到FIFO隊列中；

如果數據在FIFO隊列中一直沒有被再次訪問，則最終按照FIFO規則淘汰；

如果數據在FIFO隊列中被再次訪問，則將數據從FIFO刪除，加入到LRU隊列頭部；

如果數據在LRU隊列再次被訪問，則將數據移到LRU隊列頭部；

LRU隊列淘汰末尾的數據。

分析：URL-Two queues算法和LRU-2算法命中率類似，但是URL-Two queues會減少一次從原始存儲讀取或計算數據的操作。命中率要高于LRU。
復雜度與代價：需要維護兩個隊列，代價是FIFO和LRU代價之和。

emmmm...
這個名字其實是我取的，大概是這種算法還沒有被命名？當然，這是一個玩笑話。
我是在mysql底層實現里發現這個算法的，mysql在處理緩存淘汰時是用的這個方法，有點像URL-Two queues的變體，只是我們只需要維護一個隊列，然后將隊列按照5:3的比例進行分割，5的那部分叫做young區，3的那部分叫做old區。具體是怎么樣的請先看我把圖畫出來：

步驟：

第一次訪問的數據從隊列的3/8處位置插入；

如果數據再次被訪問，則移動到隊列頭部；

如果數據沒有被再訪問，會逐步被熱點數據驅逐向下移；

淘汰尾部數據。

分析：五三LRU算法算作是URL-Two queues算法的變種，原理其實是一樣的，只是把兩個隊列合二為一個隊列進行數據的處理，所以命中率和URL-Two queues算法一樣。
復雜度與代價：維護一個隊列，代價較低，但是內存占用率和URL-Two queues一樣。

Multi Queue算法根據訪問頻率將數據劃分為多個隊列，不同的隊列具有不同的訪問優先級，其核心思想是“優先緩存訪問次數多的數據”。
Multi Queue算法將緩存劃分為多個LRU隊列，每個隊列對應不同的訪問優先級。訪問優先級是根據訪問次數計算出來的，例如：
Q0，Q1....Qn代表不同的優先級隊列，Q-history代表從緩存中淘汰數據，但記錄了數據的索引和引用次數。

步驟：

新插入的數據放入Q0；

每個隊列按照LRU管理數據，再次訪問的數據移動到頭部；

當數據的訪問次數達到一定次數，需要提升優先級時，將數據從當前隊列刪除，加入到高一級隊列的頭部；

為了防止高優先級數據永遠不被淘汰，當數據在指定的時間里訪問沒有被訪問時，需要降低優先級，將數據從當前隊列刪除，加入到低一級的隊列頭部；

需要淘汰數據時，從最低一級隊列開始按照LRU淘汰；每個隊列淘汰數據時，將數據從緩存中刪除，將數據索引加入Q-history頭部；

如果數據在Q-history中被重新訪問，則重新計算其優先級，移到目標隊列的頭部；

Q-history按照LRU淘汰數據的索引。

分析：Multi Queue降低了“緩存污染”帶來的問題，命中率比LRU要高。
復雜度與代價：Multi Queue需要維護多個隊列，且需要維護每個數據的訪問時間，復雜度比LRU高。Multi Queue需要記錄每個數據的訪問時間，需要定時掃描所有隊列，代價比LRU要高。雖然Multi Queue的隊列看起來數量比較多，但由于所有隊列之和受限于緩存容量的大小，因此這里多個隊列長度之和和一個LRU隊列是一樣的，因此隊列掃描性能也相近。

還有哪些優秀的緩存淘汰算法，或者你有更好的想法或問題，歡迎留言給我！