Least Frequently Used（LFU）
對每個快取物件計算他們被使用的頻率。把最不常用的快取物件換走。

Least Recently User（LRU）
把最近最少使用的快取物件給換走。總是需要去了解在什麼時候，用了哪個快取物件。如果有人想要了解為什麼總能把最近最少使用的物件踢掉，是非常困難的。瀏覽器就是使用了LRU作為快取演算法。新的物件會被放在快取的頂部，當快取達到了容量極限，我會把底部的物件踢走，而技巧就是：我會把最新被訪問的快取物件，放到快取池的頂部。
所以，經常被讀取的快取物件就會一直呆在快取池中。可以用資料或者連結串列實現。其改進演算法有LRU2 和 2Q。

Least Recently Used 2（LRU2）
把被兩次訪問過的物件放入快取池，當快取池滿了之後，我會把有兩次最少使用的快取物件踢走。因為需要跟蹤物件2次，訪問負載就會隨著快取池的增加而增加。如果用在大容量的快取池中，就會有問題。另外，還需跟蹤那麼不在快取的物件，因為他們還沒有被第二次讀取。這比LRU好。

Two Queues（2Q）
把被訪問的資料放到LRU的快取中，如果該物件再一次被訪問，就把他轉移到第二個更大的LRU快取。替換掉快取物件是為了保持第一個快取池是第二個快取池的1/3。當快取的訪問負載是固定的時候，把 LRU 換成 LRU2，就比增加快取的容量更好。這種機制使得該演算法比 LRU2 更好。


Adaptive Replacement Cache（ARC）
這種演算法介於 LRU 和 LFU 之間，由2個 LRU 組成，第一個，也就是 L1，包含的條目是最近只被使用過一次的，而第二個 LRU，也就是L2，包含的是最近被使用過兩次的條目。因此，L1 放的是新的物件，而 L2 放的是常用的物件。該演算法是是效能最好的快取演算法之一，能夠自調，並且是低負載的。儲存著歷史物件，這樣，就可以記住那些被移除的物件，同時，也可以看到被替換掉的物件是否可以留下，取而代之的是替換別的物件。該演算法記憶力很差，但是很快，適用性也強。

Most Recently Used（MRU）
該演算法與 LRU是對應的。它替換掉最近最多被使用的物件，你一定會問為什麼。原因是，當一次訪問過來的時候，有些事情是無法預測的，並且在快取系統中找出最少最近使用的物件是一項時間複雜度非常高的運算。該演算法在資料庫記憶體快取中很見！每當一次快取記錄的使用，會把它放到棧的頂端。當棧滿了的時候，會把棧頂的物件給換成新進來的物件！

First in First out（FIFO）
這是一個低負載的演算法，並且對快取物件的管理要求不高。通過一個佇列去跟蹤所有的快取物件，最近最常用的快取物件放在後面，而更早的快取物件放在前面，當快取容量滿時，排在前面的快取物件會被踢走，然後把新的快取物件加進去。很快，但是不適用。


Second Chance
改進的FIFO演算法，比 FIFO 好的地方是改善了 FIFO 的成本。一樣是在觀察佇列的前端，但是很FIFO的立刻替換不同，它會檢查即將要被踢出的物件有沒有之前被使用過的標誌（1一個bit表示），如果沒有被使用過，就把他換出；否則，把這個標誌位清除，然後把這個快取物件當做新增快取物件加入佇列。你可以想象就這就像一個環佇列。當再一次在隊頭碰到這個物件時，由於它已經沒有標誌位，可以立刻就它換出。在速度上比FIFO快。

CLock
這是一個更好的FIFO，也比 second chance更好。因為它不會像second chance那樣把有標誌的快取物件放到佇列的尾部，但是也可以達到second chance的效果。它持有一個裝有快取物件的環形列表，頭指標指向列表中最老的快取物件。當快取miss發生並且沒有新的快取空間時，它會根據指標指向的快取物件的標誌位去決定應該怎麼做。如果標誌是0，直接用新的快取物件替代這個快取物件；如果標誌位是1，把頭指標遞增，然後重複這個過程，直到新的快取物件能夠被放入。

Simple time-based
通過絕對的時間週期去失效那些快取物件。對於新增的物件，儲存特定的時間。很快，但不適用。

Extended time-based expiration
通過相對時間去失效快取物件的；對於新增的快取物件，儲存特定的時間，比如是每5分鐘，每天的12點。

Sliding time-based expiration
被管理的快取物件的生命起點是在這個快取的最後被訪問時間算起。很快，不太適用。

快取演算法主要考慮到了下面幾點：

成本。如果快取物件有不同的成本，應該把那些難以獲得的物件儲存下來。
容量。如果快取物件有不同的大小，應該把那些大的快取物件清除，這樣就可以讓更多的小快取物件進來了。
時間。一些快取還儲存著快取的過期時間。電腦會失效他們，因為他們已經過期了。