LRU原理と分析
LRUは、最低使用頭文字であること、最も最近のデータを使用LRUキャッシュは、最新のデータが読み与える、削除され、「最低使用」に変換されます。ほとんどの場合、そのLRUキャッシュを使用し、また、最も多くを読んで、読んで、私たちは、システムのパフォーマンスを向上させることができます。
LRUは達成します
1.新しいデータがリンクリストの先頭に挿入されています。
2.たびにキャッシュヒット（すなわち、キャッシュデータをアクセスする）、データがリンクリストの先頭に移動されます。
リストがいっぱいになると3、リンクリストデータの尾は破棄されます。
LRU分析
[ヒット]
ホットデータ、LRUの良い効率が、散発的がある場合は、定期的なバッチ操作は、LRUの急激な減少につながるヒット率、キャッシュ汚染は非常に深刻です。
[複雑]
シンプル。
[費用]
データ・ブロック・インデックス・ヒットを見つけるために、リストを横断に必要なヒットは、その後、頭部にデータを移動する必要があります。
LRUは達成します
ディテール
添加元素时，放到链表头
缓存命中，将元素移动到链表头
缓存满了之后，将链表尾的元素删除
LRUアルゴリズム
- 二重にリンクされたリストには、データを保存するために使用することができます
- 使用ハッシュO（1）アクセスを実現
LRUアルゴリズム（ゴー言語）groupcache
https://github.com/golang/groupcache/blob/master/lru/lru.goを
出典シンプルコメント：
パッケージLRU
輸入「コンテナ/リスト」
//キャッシュの構造、定義されたLRUキャッシュはスレッドセーフではありません
タイプのキャッシュ構造体{
//上限数、0は無制限です
MaxEntries int型
削除//ときは、オプションのコールバック関数を追加することができます
OnEvicted FUNC（キーキー、値インタフェース{}）
リンクリストを使用してセーブデータLL * list.List //
キャッシュ地図【インターフェース{}] * list.Element //マップ
}
//キーは、比較される任意の値であるhttp://golang.org/ref/spec#Comparison_operators
} {キーインターフェイスを入力
タイプ・エントリ構造体{
キーキー
値インターフェース{}
}
//新しいキャッシュオブジェクトを作成します。
FUNC新（maxEntries int型）*キャッシュ{
リターン＆キャッシュ{
MaxEntries：maxEntries、
LL：list.New（）、
キャッシュ：メイク（マップ[インターフェイス{}] * list.Element）
}
}
//キャッシュ内に新しい値を追加
FUNC追加（*キャッシュC）（キーキー、値インタフェース{}）{
もしc.cache ==ゼロ{
c.cache =メイク（マップ[インターフェイス{}] * list.Element）
c.ll = list.New（）
}
= c.cache [キー];：EE、OKであれば OK {
//キャッシュヒットは、リストの先頭に移動します
c.ll.MoveToFront（EE）
ee.Value。（*エントリー）.VALUE =値
リターン
}
//リストの先頭にデータを追加
ELE：= c.ll.PushFront（＆エントリ{キー、値}）
c.cache [キー]はそれを=
もしc.MaxEntries！= 0 && c.ll.Len（）> c.MaxEntries {
//要素への最後のフルアクセスを削除します
c.RemoveOldest（）
}
}
//代わりに、キャッシュから値を取得します。
FUNC（C *キャッシュ）を取得します（キーキー）（値インタフェース{}、[OK]をブール値）{
もしc.cache ==ゼロ{
リターン
}
ELE場合、ヒット：= c.cache [キー]。ヒット{
//キャッシュヒット、ヒットの要素は、リストの先頭に移動します
c.ll.MoveToFront（ELE）
ele.Valueを返します。（*エントリー）.VALUE、真
}
リターン
}
//指定されたキー要素を削除
FUNC（C *キャッシュ）を削除（キーキー）{
もしc.cache ==ゼロ{
リターン
}
ELE場合、ヒット：= c.cache [キー]。ヒット{
c.removeElement（ELE）
}
}
//最後の訪問の要素を削除します
FUNC（C *キャッシュ）RemoveOldest（）{
もしc.cache ==ゼロ{
リターン
}
ELE：= c.ll.Back（）
もしELE！= nilの{
c.removeElement（ELE）
}
}
FUNC（C *キャッシュ）removeElement（E * list.Element）{
c.ll.Remove（E）
KV：= e.Value（*エントリー）。
削除（c.cache、kv.key）
もしc.OnEvicted！= nilの{
c.OnEvicted（kv.key、kv.value）
}
}
//キャッシュバッファ数
FUNCレン（）{int型（*キャッシュC）
もしc.cache ==ゼロ{
0を返します
}
リターンc.ll.Len（）
}
LRU-K
Kは、最も最近使用されたLRU-Kの数を表し、したがってLRU LRU-1とみなすことができます。LRU-Kの主な目的は、問題「キャッシュ汚染」LRUアルゴリズムを解決することであり、核となるアイデアは、のために「最近使用した1時間」の基準を拡張することで、「最近使用したK回。」
実現
LRUを比較すると、より多くの履歴ビーイングのためのキューを維持するために、LRU-Kの必要性は、すべてのキャッシュされたデータを記録してアクセス。アクセスデータの数は、キャッシュにデータの前にK回に達した場合のみ。データを排除するときに必要な、LRU-Kは、現在の時刻から最大のデータをK番目のアクセス時間を排除するであろう。詳細は、以下を実現します：
1.データは、最初のアクセス履歴リストに追加、アクセスされます。
2.履歴リスト内のデータへのアクセスは、その後除去特定のルール（FIFO、LRU）に従ってK訪問し、達していない場合。
3.データ・アクセス履歴キューへのアクセス回数がK回に達したときに、インデックスデータは、時間によって再注文したキャッシュに履歴キュー、キューデータから削除され、このデータをキャッシュし、キャッシュキューされます。
4.データバッファキューを並べ替え、再度アクセスされた後。
キュー行バッファのデータを排除する5.必要性、すなわち、データの最後に、段階的に廃止：データ消去「今、最も古いから最後から二番目のK訪問を」。
LRU LRU-Kは、LRUの欠点を回避できる一方、LRU-2の実用的なアプリケーションは、様々な要因のために最良の選択である、という利点を有する、LRU-3以上は、K値が高いヒット率が、貧しい適応となり、これは、過去のデータへのアクセス記録へのアクセスの多くはクリアが必要です。
分析
[ヒット]
LRU-Kは、ヒット率がLRUより高いによって引き起こされる「キャッシュ汚染」の問題を低減します。
[複雑]
LRU-K・キューは、優先キュー、アルゴリズムの複雑さとコストが比較的高いです。
[費用]
LRU-Kはまた、それらのオブジェクトを記録する必要があるため、アクセスが、メモリの消費量がよりLRU以上になるよう、キャッシュ内に配置されていない、場合に大量のデータ、メモリ消費量がより印象的であろう。
ソートするのに必要な時間に基づいて、LRU-Kは、（並べ替えたときに段階的に廃止することができ、それが瞬時に並べ替えることができます）、CPUの消費量は、LRUよりも高くなっています。