上篇文章介紹了最常用的LRU演算法及實現，本篇總結常用快取淘汰演算法，歸總對比。

一、LFU

(Least Frequently Used)：最近最低使用頻次被淘汰

實現：通過count記錄快取資料的使用次數，資料塊按照引用計數排序，計數相同則按照時間排序。

1. 新加入資料插入到佇列尾部（因為引用計數為1）；

2. 佇列中的資料被訪問後，引用計數增加，佇列重新排序；

3. 當需要淘汰資料時，將已經排序的列表最後的資料塊刪除。

 public int removeCache() {  
        Iterator<CacheObject<K, V>> iterator = cacheMap.values().iterator();  
        int count  = 0 ;  
        long minAccessCount = Long.MAX_VALUE  ;  
        while(iterator.hasNext()){  
            CacheObject<K, V> cacheObject = iterator.next();  
              
            if(cacheObject.isExpired() ){  
                iterator.remove();   
                count++ ;  
                continue ;  
            }else{  
                minAccessCount  = Math.min(cacheObject.accessCount , minAccessCount)  ;  
            }  
        }  
          
        if(count > 0 ) return count ;  
          
        if(minAccessCount != Long.MAX_VALUE ){  
              
            iterator = cacheMap.values().iterator();  
              
            while(iterator.hasNext()){  
                CacheObject<K, V> cacheObject = iterator.next();  
                  
                cacheObject.accessCount  -=  minAccessCount ;  
                  
                if(cacheObject.accessCount <= 0 ){  
                    iterator.remove();  
                    count++ ;  
                }  
                  
            }  
              
        }  
          
        return count;  
    }  
 

缺點：

1、需要維護一個佇列記錄所有資料的訪問記錄，每個資料都需要維護引用計數。

2、需要記錄所有資料的訪問記錄，記憶體消耗較高

2、需要基於引用計數重排序，效能消耗較高。

優點：

1、按照頻率排序，LFU命中效率要優於LRU。

2、能避免因非熱點資料介入導致的快取命中率下降的問題。（先經過一次頻率計算了）

LFU演算法變種詳情訪問：LFU

二、LRU-K

相比LRU，LRU-K需要多維護一個佇列，用於記錄所有快取資料被訪問的歷史。只有當資料的訪問次數達到K次的時候，才將資料放入快取。當需要淘汰資料時，LRU-K會淘汰第K次訪問時間距當前時間最大的資料。

實現：優先順序佇列，演算法複雜度和代價比較高

1. 資料第一次被訪問，加入到訪問歷史列表；

2. 如果資料在訪問歷史列表裡後沒有達到K次訪問，則按照一定規則（FIFO，LRU）淘汰；

3. 當訪問歷史佇列中的資料訪問次數達到K次後，將資料索引從歷史佇列刪除，將資料移到快取佇列中，並快取此資料，快取佇列重新按照時間排序；

4. 快取資料佇列中被再次訪問後，重新排序；

5. 需要淘汰資料時，淘汰快取佇列中排在末尾的資料，即：淘汰“倒數第K次訪問離現在最久”的資料。

優點：LRU-K具有LRU的優點（熱點高頻資料命中率高，命中率比LRU要高），同時能降低“快取汙染”問題

缺點：

1、適應性差，需要大量的資料訪問才能將歷史訪問記錄清除掉。

2、歷史記錄提高記憶體消耗：由於LRU-K還需要記錄那些被訪問過、但還沒有放入快取的物件，因此記憶體消耗會比LRU要多；當資料量很大的時候，記憶體消耗會比較可觀。

3、時間排序拉高CPU消耗：LRU-K需要基於時間進行排序（可以需要淘汰時再排序，也可以即時排序），CPU消耗比LRU要高。

實際應用中LRU-2是綜合各種因素後最優的選擇，LRU-3或者更大的K值命中率會高

三、FIFO

基本佇列，不多說

四、Two queues

Two queues演算法類似於LRU-2，不同點在於2Q將LRU-2中的訪問歷史佇列（注意這不是快取資料的）改為一個FIFO快取佇列，即2Q演算法=一個是FIFO佇列，一個是LRU佇列。命中率高於LRU

實現：當資料第一次訪問時，2Q演算法將資料快取在FIFO佇列裡面，當資料第二次被訪問時，則將資料從FIFO佇列移到LRU佇列裡，兩個佇列各自按照自己的方法淘汰資料。

1. 新訪問的資料插入到FIFO佇列；

2. 如果資料在FIFO佇列中一直沒有被再次訪問，則最終按照FIFO規則淘汰；

3. 如果資料在FIFO佇列中被再次訪問，則將資料移到LRU佇列頭部；

4. 如果資料在LRU佇列再次被訪問，則將資料移到LRU佇列頭部；

5. LRU佇列淘汰末尾的資料。

五、Multi Queue

優先快取訪問次數多的資料，根據訪問頻率將資料劃分為多個佇列，不同的佇列具有不同的訪問優先順序

實現：

1. 新插入的資料放入Q0；

2. 每個佇列按照LRU管理資料；

3. 當資料的訪問次數達到一定次數，需要提升優先順序時，將資料從當前佇列刪除，加入到高一級佇列的頭部；

4. 為了防止高優先順序資料永遠不被淘汰，當資料在指定的時間裡訪問沒有被訪問時，需要降低優先順序，將資料從當前佇列刪除，加入到低一級的佇列頭部；

5. 需要淘汰資料時，從最低一級佇列開始按照LRU淘汰；每個佇列淘汰資料時，將資料從快取中刪除，將資料索引加入Q-history頭部；

6. 如果資料在Q-history中被重新訪問，則重新計算其優先順序，移到目標佇列的頭部；

7. Q-history按照LRU淘汰資料的索引。

實際應用中需要根據業務的需求和對資料的訪問情況進行選擇，並不是命中率越高越好。例如：雖然LRU看起來命中率會低一些，且存在”快取汙染“的問題，但由於其簡單和代價小，實際應用中反而應用更多。