1. LFU

1.1. 原理

LFU（Least Frequently Used）演算法根據資料的歷史訪問頻率來淘汰資料，其核心思想是“如果資料過去被訪問多次，那麼將來被訪問的頻率也更高”。

1.2. 實現

LFU的每個資料塊都有一個引用計數，所有資料塊按照引用計數排序，具有相同引用計數的資料塊則按照時間排序。

具體實現如下：

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。

1.3. 分析

l 命中率

一般情況下，LFU效率要優於LRU，且能夠避免週期性或者偶發性的操作導致快取命中率下降的問題。但LFU需要記錄資料的歷史訪問記錄，一旦資料訪問模式改變，LFU需要更長時間來適用新的訪問模式，即：LFU存在歷史資料影響將來資料的“快取汙染

l 複雜度

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。

l 代價

需要記錄所有資料的訪問記錄，記憶體消耗較高；需要基於引用計數排序，效能消耗較高。

2. LRU
2.1. 原理

LRU（Least recently used，最近最少使用）演算法根據資料的歷史訪問記錄來進行淘汰資料，其核心思想是“如果資料最近被訪問過，那麼將來被訪問的機率也更高”。

2.2. 實現

最常見的實現是使用一個連結串列儲存快取資料，詳細演算法實現如下：

1. 新資料插入到連結串列頭部；

2. 每當快取命中（即快取資料被訪問），則將資料移到連結串列頭部；

3. 當連結串列滿的時候，將連結串列尾部的資料丟棄。

2.3. 分析

【命中率】

當存在熱點資料時，LRU的效率很好，但偶發性的、週期性的批量操作會導致LRU命中率急劇下降，快取汙染情況比較嚴重。

【複雜度】

實現簡單。

【代價】

命中時需要遍歷連結串列，找到命中的資料塊索引，然後需要將資料移到頭部。

3. LRU-K

3.1. 原理

LRU-K中的K代表最近使用的次數，因此LRU可以認為是LRU-1。LRU-K的主要目的是為了解決LRU演算法“快取汙染”的問題，其核心思想是將“最近使用過1次”的判斷標準擴充套件為“最近使用過K次”。

3.2. 實現

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。詳細實現如下：

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。

LRU-K具有LRU的優點，同時能夠避免LRU的缺點，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，但適應性差，需要大量的資料訪問才能將歷史訪問記錄清除掉。

3.3. 分析

【命中率】

LRU-K降低了“快取汙染”帶來的問題，命中率比LRU要高。

【複雜度】

LRU-K佇列是一個優先順序佇列，演算法複雜度和代價比較高。

【代價】

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。

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。