阅读 redis 源码，学习缓存淘汰算法 W-TinyLFU

所有 IT 从业者都接触过缓存，一定了解基本工作原理，业界流行一句话： 缓存就是万金油，哪里有问题哪里抹一下 。那他的本质是什么呢？

上图代表从 cpu 到底层硬盘不同层次，不同模块的运行速度，上层多加一层 cache, 就能解决下层的速度慢的问题，这里的慢是指两点：IO 慢和 cpu 重复计算缓存中间结果

但是 cache 受限于成本，cache size 一般都是固定的，所以数据需要淘汰，由此引出一系列其它问题：缓存一致性、击穿、雪崩、污染等等，本文通过阅读 redis 源码，学习主流淘汰算法

如果不是 leetcode 146 LRU [1] 刷题需要，我想大家也不会手写 cache, 简单的实现和工程实践相距十万八千里，真正 production ready 的缓存库非常考验细节

Redis 缓存淘汰配置

一般 redis 不建义当成存储使用，只允许当作 cache, 并设置 max-memory, 当内存使用达到最大值时，redis-server 会根据不同配置开始删除 keys. Redis 从 4.0 版本引进了 LFU [2] , 即 Least Frequently Used ，4.0 以前默认使用 LRU 即 Least Recently Used

• volatile-lru 只针对设置 expire 过期的 key 进行 lru 淘汰
• allkeys-lru 对所有的 key 进行 lru 淘汰
• volatile-lfu 只针对设置 expire 过期的 key 进行 lfu 淘汰
• allkeys-lfu 对所有的 key 进行 lfu 淘汰
• volatile-random 只针对设置 expire 过期的进行随机淘汰
• allkeys-random 所有的 key 随机淘汰
• volatile-ttl 淘汰 ttl 过期时间最小的 key
• noeviction 什么都不做，如果此时内存已满，系统无法写入

默认策略是 noeviction , 也就是不驱逐，此时如果写满，系统无法写入，建义设置为 LFU 相关的。 LRU 优先淘汰最近未被使用，无法应对冷数据，比如热 keys 短时间没有访问，就会被只使用一次的冷数据冲掉，无法反应真实的使用情况

LFU 能避免上述情况，但是 朴素 LFU 实现无法应对突发流量，无法驱逐历史热 keys ，所以 redis LFU 实现类似于 W-TinyLFU [3] , 其中 W 是 windows 的意思，即一定时间窗口后对频率进行减半，如果不减的话，cache 就成了对历史数据的统计，而不是缓存

上面还提到突发流量如果应对呢？答案是给新访问的 key 一个初始频率值，不至于由于初始值为 0 无法更新频率

LRU 实现

int processCommand(r