前文再續，書接上一回。上次講到redis的LRU演算法，文章實在精妙，最近可能有機會用到其中的技巧，順便將下半部翻譯出來，實現的時候參考下。

搏擊俱樂部的第一法則：用裸眼觀測你的演算法

Redis2.8的LRU實現已經上線了，在不同的負載環境下經過測試，使用者沒有抱怨Redis的清理機制。為了繼續改進，我希望能觀察到演算法的效能，同時不會浪費大量CPU，不增加1位元空間佔用。

我設計了一個測試用例。匯入指定數量的key，然後順序訪問他們，好讓他們的最近訪問時間順序遞減。再新增50%的key，那麼之前的key有50%就會被淘汰掉。理想情況下，被淘汰的應該是前50%的。如下圖：

綠色的是新新增的key，灰色的是第一次新增的key，白色表示被移除的。

LRU v2：不要丟掉重要資訊

當採用了N-key取樣時，預設會建立16個key的池，將裡面的key按空閒時間排序。新key只會在池不滿或者空閒時間大於池裡最小的，才能進池。

這個實現極大的提升了效能，實現又簡單，沒有大bug。只要一點點效能監控和一些memmove()就完成了。

同時，新的redis-cli模式（-lru-test）支援測試LRU精度，可以更接近真實的負載來看新演算法的工況，嘗試不同演算法的時候，至少可以發現明顯的速度退化。

最近最少訪問（LFU）

我最近又部分重構了Redis cache的換頁演算法。這些工作源於一個issue：當你在Redis 3.2有多個數據庫的時候，演算法總是做區域性選擇。比如DB 0的所有key都用的很頻繁，DB 1的所有key都用的很少。Redis會從每個DB裡丟棄一個key。理性的選擇應該是先丟棄DB 1的key，丟完以後再丟DB 0的

Redis用作cache的時候，通常不會跟不同DB混合用，但我還是開始著手改進，最後將db的id包括在池裡，然後所有DB都共用一個池，這個實現比原始先快20%

這次改進激起了我對Redis這塊子系統的好奇心。我花了好些天進行優化，如果我用一個大點的池子，會好點嗎？如果選擇key的時候考慮了流逝的時間，效果會不會更好？

最後，我終於明白到，LRU演算法會受到取樣數量限制，只要數量足夠，效果就很好，很難再改進。正如上圖所示，每次取樣10個鍵，已經和理論上的LRU幾乎一樣準確了。

因為原始演算法難以改進，我開始想其他辦法。回顧前文，其實我們真正想要的，是保留未來最有可能訪問的key，即是最常訪問的key，而不是最新訪問的key。這就是LFU演算法。理論上LFU的實現很簡單，只要給每個key掛一個計數器，我們就可以知道給定的key是不是比另一個key訪問更多了。

當然，LFU的實現上有幾個通用的難點：

1. LFU裡沒法使用連結串列法轉移到頭部的技巧了。因為完美LFU需要key嚴格按訪問量排序。當訪問量一致時，排序演算法可能劣化為O（N），即使計數器只變了一點點

2. LFU沒法簡單的只在訪問時對計數器加一。因為訪問模式會隨著時間發生變化，所以一個高分的key需要隨著時間流逝而分數遞減。

在Redis裡第一個問題不是問題，我們可以沿用LRU的隨機取樣方法。第二個問題仍然存在，我們需要一個方法來遞減分數，或者隨著時間流逝將計數器折半。

24bit空間實現的LFU

在Redis裡，我們可以用的就是LRU的24bit空間，需要一些奇技淫巧來實現。

在24bit空間裡，需要塞下：

1. 某種型別的訪問計數器

2. 足夠的資訊來決定何時折半計數器

我的解決方案如下：

           16 bits      8 bits
      +----------------+--------+
      + Last decr time | LOG_C  |
      +----------------+--------+

8bit用來計數，16bit用來記錄上次遞減的時間

你可能會認為，8bit計數器很快就會溢位了吧？這就是技巧所在：我用的是對數計數器。具體程式碼如下：

  uint8_t LFULogIncr(uint8_t counter) {
      if (counter == 255) return 255;
      double r = (double)rand()/RAND_MAX;
      double baseval = counter - LFU_INIT_VAL;
      if (baseval < 0) baseval = 0;
      double p = 1.0/(baseval*server.lfu_log_factor+1);
      if (r < p) counter++;
      return counter;
  }

計數器的值越大，真正加一的概率越小。上述程式碼算出一個概率p，介乎0到1之間，計數器越大，p越小。然後生成0-1之間的隨機數r，只有r<p的時候，計數器才會加一。

現在我們來看看計數器折半的問題。轉成分鐘為單位的unix時間，低16位會存在上面保留的16位空間內。當Redis進行隨機取樣，掃描key空間的時候，所有遇到的key都會被檢查是否應該遞減。如果上次遞減實在N分鐘之前（N是可配置的），並且計數器的值是高分值，那計數器就會被折半。如果計數器是低分值，則只會遞減。（希望我們可以更好的分辨少訪問量的key，因為我們的計數器精度比較低）

還有一個問題，新的key需要一個生存的機會。Redis裡新key會從5分開始。上面的遞減演算法已經考慮到這個分數，如果key分數低於5分，更容易被丟棄（一般是長時間沒訪問的非活躍key）。