远程时代网站建设,wordpress建站网页无法运,廊坊企业网站排名优化,公司注册网上核名业务如何终止本文浅析淘汰策略与工作中结合使用、选取#xff0c;并非针对算法本身如何实现的 文章目录 FIFOLFULRUW-TinyLFU实践与优化监控与调整 FIFO
first input first output #xff0c; 先进先出#xff0c;即最早存入的元素最先取出#xff0c;
典型数据结构代表#xff1a;… 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 FIFOLFULRUW-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: dependencygroupIdcom.github.ben-manes.caffeine/groupIdartifactIdcaffeine/artifactId!-- 检查是否有最新版本 --version3.1.8/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。
