网站建设的组织结构互联网营销外包推广
本文浅析淘汰策略与工作中结合使用、选取，并非针对算法本身如何实现的
文章目录
- FIFO
- LFU
- LRU
- W-TinyLFU
- 实践与优化
- 监控与调整
FIFO
first input first output ， 先进先出，即最早存入的元素最先取出，
典型数据结构代表：Queue （队列）
优点：
是最简单直观的一种策略，
一般适用于随机访问、缓存的元素都是随机性或频率大致相等的；对于不常变化的数据，如配置文件、静态资源等，FIFO（先进先出）可能是一个简单且有效的选择。这些数据的访问频率通常较低，且不需要频繁更新，FIFO能确保缓存中的旧数据被定期清理，为新数据腾出空间。
缺点：对于访问频率高且经常变化的动态数据，如热点新闻等则不适用
LFU
least frequently used , 最不经常使用，即把最不经常使用的数据淘汰掉，粗略一听 是很符合逻辑的, 它可以很好的命中高访问频率数据；
我们可以假设一个场景，比如9:00秒杀手机，9:05秒杀笔记本，9:10正常开售平板，那么之前秒杀缓存的数据就显得很苍白无力，它频率确实是非常高，但由于后续业务变更（访问模式转变），变得不再那么需要访问。
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。
所以LFU 优缺点总结如下：
优点：平稳业务场景来说，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，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(业务转变)的时候，算法命中率会急剧降低，这也是他最大弊端。
LRU
Least Recently Used，即最近最少使用，LRU认为 最近访问的数据 在接下来访问的频率也会更高，在平常业务中 LRU可以覆盖较广的范围
典型代表：mysql 缓冲池
mysql的缓冲池就是使用的LRU淘汰算法
我们可以看看一个简单的LRU实现方式：
来自jsonpath包下的源码： 如果值存在 就将它置顶
removeThenAddKey 方法如下：
private void removeThenAddKey(String key) {this.lock.lock();try {this.queue.removeFirstOccurrence(key);this.queue.addFirst(key);} finally {this.lock.unlock();}}
W-TinyLFU
减少了LFU的内存占用，同时结合了LFU和LRU的特点，是一种比较不错的淘汰算法
典型容器代表：java中的Caffeine
maven:
<dependency><groupId>com.github.ben-manes.caffeine</groupId><artifactId>caffeine</artifactId><!-- 检查是否有最新版本 --><version>3.1.8</version></dependency>
优点结合了LRU和LFU的特点，
缺点则是算法难度本身比较复杂 ，一般使用写好的开源组件，自己实现一个优秀的算法还是比较困难的
实践与优化
监控与调整
性能监控：定期监控缓存系统的性能指标，如命中率、缓存大小、访问延迟等，以便及时发现并解决问题。
策略调整：根据业务需求和监控结果，适时调整缓存淘汰策略。例如，在访问模式发生显著变化时，可以考虑切换淘汰策略或调整策略参数。
缓存预热：在系统启动或数据更新后，主动对缓存进行预热，即提前将预计会被频繁访问的数据加载到缓存中。这可以显著提高缓存命中率，减少数据访问延迟。