缓存算法–LRU

LRU

         LRU是Least Recently Used 的缩写，翻译过来就是“最近最少使用”，也就是说，LRU缓存把最近最少使用的数据移除，让给最新读取的数据。而往往最常读取的，也是读取次数最多的，所以，利用LRU缓存，我们能够提高系统的performance.

LRU实现

   1. 新数据插入到链表头部；

   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；

   3. 当链表满的时候，将链表尾部的数据丢弃。

LRU分析

   【命中率】

   当存在热点数据时，LRU的效率很好，但偶发性的、周期性的批量操作会导致LRU命中率急剧下降，缓存污染情况比较严重。

   【复杂度】

   实现简单。

   【代价】

   命中时需要遍历链表，找到命中的数据块索引，然后需要将数据移到头部。

LRU-K

   LRU-K中的K代表最近使用的次数，因此LRU可以认为是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”。

实现

   相比LRU，LRU-K需要多维护一个队列，用于记录所有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。当需要淘汰数据时，LRU-K会淘汰第K次访问时间距当前时间最大的数据。详细实现如下：

   1. 数据第一次被访问，加入到访问历史列表；

   2. 如果数据在访问历史列表里后没有达到K次访问，则按照一定规则(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，缓存队列重新按照时间排序；

   4. 缓存数据队列中被再次访问后，重新排序；

   5. 需要淘汰数据时，淘汰缓存队列中排在末尾的数据，即：淘汰“倒数第K次访问离现在最久”的数据。

   LRU-K具有LRU的优点，同时能够避免LRU的缺点，实际应用中LRU-2是综合各种因素后最优的选择，LRU-3或者更大的K值命中率会高，但适应性差，需要大量的数据访问才能将历史访问记录清除掉。

分析

   【命中率】

   LRU-K降低了“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】

   由于LRU-K还需要记录那些被访问过、但还没有放入缓存的对象，因此内存消耗会比LRU要多；当数据量很大的时候，内存消耗会比较可观。

   LRU-K需要基于时间进行排序(可以需要淘汰时再排序，也可以即时排序)，CPU消耗比LRU要高。

出处：http://www.javaranger.com/archives/1791?utm_source=rss&utm_medium=rss&utm_campaign=%25e7%25bc%2593%25e5%25ad%2598%25e7%25ae%2597%25e6%25b3%2595-lru