ARC算法分析与实现

最新推荐文章于 2025-04-20 14:53:14 发布

Kartano

最新推荐文章于 2025-04-20 14:53:14 发布

阅读量3.9k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：代码分享文章标签：数据库

本文链接：https://blog.csdn.net/Sableye/article/details/114304084

本文详细介绍了ARC（Adaptive Replacement Cache）算法的结构、FRC（Fixed Replacement Cache）算法，以及ARC如何通过四种操作来调整缓存内容，确保缓存效率。在不同访问情况下的处理策略包括命中、在缓冲区中、不在任何队列中的访问，以及针对缓存大小的适应性调整。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ARC算法分析与实现

ARC算法是2003年提出的缓存替换算法，是众多针对LRU算法的改良算法之一。
本文仅从模拟实现角度分析ARC算法，可以说就是解释ARC算法的内容，而不会将重点放在ARC算法的原理和解释其优越性上，同时代码实现也仅可用于模拟，不是针对具体应用。

FRC

ARC的结构是两个LRU队列，我们称其为 $L 1$ 和 $L 2$ ， $L 1$ 存储首次被访问的页，而 $L 2$ 存储被访问过两次及以上的页。当然这里被访问两次及以上是指在被从这两个LRU队列中淘汰之前再次被访问，因为从两个LRU队列中淘汰的页的访问就不会再被保留了。
假设我们的缓存大小为 $c$ ，那么两个队列总共的最大长度为 $2 c$ ， $L 1$ 队列的最大长度为 $c$ ，而 $L 2$ 在不超过最大总长度的情况下可以侵占 $L 1$ 的空间。自然，我们缓存不会将两个LRU中的页全部存储。ARC只存储两个LRU队列的前面一部分（假设我们把MRU一端称为前面/top，LRU一端称为后面/bottom），只有这一部分是存储具体内容的，而尾端只有页号，没有内容，不占用太多的空间。具体是前几个呢？ARC算法给出了精细的调控。
我们把 $L 1$ 中保存的部分称为 $T 1$ （ $T 2$ for $L 2$ ）， $T 1$ 的长度记为 $t 1$ （ $t 2$ for $T 2$ ）。ARC为 $T 1$ 的长度设置了一个目标大小 $p$ ， $0≤p≤c0\leq p\leq c$ ，这个 $p$ 代表了ARC更倾向于保留初次访问的数据还是再次访问的数据。当 $t 1 > p$ 时，我们优先淘汰 $T 1$ 中的页，当 $t 1 < p$ 时，我们优先淘汰 $T 2$ 中的页，总之，是让 $T 1$ 的长度稳定在 $p$ 附近（注意，新插入的页在 $T 1$ 还是 $T 2$ 中是由它是否是初次访问决定的，因此我们只能通过选择淘汰哪一个列表的页来调整 $T 1$ 的长度）。而当 $t 1 = p$ 时，作者表示这个时候的淘汰策略可以任意一点，如果miss页在 $B 1$ 中则淘汰 $T 2$ 中的页，否则淘汰 $T 1$ 中的页。
以上其实是给定 $p$ 的算法的简单描述，作者将这个算法称作FRC算法（Fixed Replacement Cache），那么我们的 $p$ 是怎么确定的呢，这就是ARC算法Adaptive的地方了。接下来我开始具体分析ARC算法。

ARC算法中包含的操作

我们可以想象两个LRU队列，在T部和B部的分界处有一块可移动的隔板，在最前端有一个可插入的缝隙。隔板和缝隙的位置
这两个隔板之间的部分就是存储在缓存中的部分，而缝隙就是最近一次访问的页可能插入的位置。一方面，两个隔板之间的最大距离不可能超过缓存的大小，即 $c$ ；另一方面，我们只考虑隔板向自身队列的头部（top端）移动，在算法中不会将隔板向尾部移动，因为隔板 $b 1$ 向头部移动意味着 $T 1$ 的LRU页从缓存中删除，滚向 $B 1$ ，这是可能的，而隔板向尾部移动则代表 $B 1$ 的MRU页变成 $T 1$ 的LRU页，这是不可能的，这种移动没有合理性。
隔板的移动会改变缓存的长度，不会改变 $L 1$ 或者 $L 2$ 的长度；而在两个缝隙之一插入元素，则既会改变 $L 1 ， L 2$ 的长度也会改变缓存的长度。除了以上两个操作，当然还有第三个和第四个操作，那就是从 $L 1 ， L 2$ 的尾端淘汰元素的操作以及把两个队列中被访问的元素删除的操作（要移到MRU位置去）。
再次总结一下我们可使用的四种操作：
1）将两个隔板之一向尾部移动一个单位
2）在两个缝隙之一插入新访问的页
3）从两个LRU队列之一的尾部淘汰一个页；
4）(如果新访问的页在缓存中)从 $L1 \cup L2$