LRU-K缓存替换算法

【概率模型】

给定一组缓存页面N={p1,p2,p3,p4.....pn}，它是我们要访问的对象(当然是缓存已命中的情形)，另外再给出一组访问序列R={r1,r2,r3....rt......},

r(t)=p(p属于N,意思就是第t次访问的是p页面)。对于任意的t值，我们假定每一个缓存页面p在第(t+1)次被访问到的概率为Pr(r(t+1))=Bp (p属于N)，依据这一概率模型，我们还可以给出另外一个更形象的定义Ip，它表示页面p被访问的期望间隔，Ip=1/(Bp)。这一点是很好理解的，例如若Bp=0.1，则Ip=10，也就是说页面p每10次访问中就有可能被访问一次。现在的问题是如何来量化Ip，以便于计算?

 

【向后K距】

问:x是什么?

t表示当前总的访问次数，对页面p来说，如果它在(t-x)次被访问到了的话，那么在t-x次与第t次(可以等于t次)之间

还必须有K-1次被访问到。如果不能满足这一条件，那么p的向后K距为无穷大，否则为x。例如，当K=2的时候，只需要页面p在第t-x次

被访问到的同时在t-x次与第t次(可以等于t)之间还有1次被访问到了，此时p的向后K距即为x,否则为无穷大。

通过向后K距的方式将概率Bp进行了量化，LRU-K替换算法会淘汰掉x值最小的块。

 

问:可能同时存在多个无穷大,怎么办?

同时存在多个x值为无穷大的情况是可能的，此时在这些同为无穷大的页面中采用其它替换策略，如LRU。

 

【LRU-K算法】