LRU和LFU的缺点

最新推荐文章于 2024-10-07 15:20:56 发布
最新推荐文章于 2024-10-07 15:20:56 发布
阅读量4k 收藏 2
点赞数 1
分类专栏： 高并发系统设计 文章标签： 缓存 java p2p
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mameng1988/article/details/121843482
版权
LRU和LFU是两种常用的缓存淘汰策略。LRU在大多数情况下表现良好，但易受突发性流量影响导致缓存污染。而LFU在数据分布固定时能提供高命中率，却因维护频率信息的开销和对突发流量的处理不佳而受限。Caffeine等高性能缓存库通常会结合这些策略以优化性能。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

  • LRU实现简单，在一般情况下能够表现出很好的命中率，是一个“性价比”很高的算法，平时也很常用。虽然LRU对突发性的稀疏流量（sparse bursts）表现很好，但同时也会产生缓存污染，举例来说，如果偶然性的要对全量数据进行遍历，那么“历史访问记录”就会被刷走，造成污染。

  • 如果数据的分布在一段时间内是固定的话，那么LFU可以达到最高的命中率。但是LFU有两个缺点，第一，它需要给每个记录项维护频率信息，每次访问都需要更新，这是个巨大的开销；第二，对突发性的稀疏流量无力，因为前期经常访问的记录已经占用了缓存，偶然的流量不太可能会被保留下来，而且过去的一些大量被访问的记录在将来也不一定会使用上，这样就一直把“坑”占着了。

Caffeine高性能设计剖析 | Alben's home

Redis缓存淘汰算法——LRU、LFU
qq_45796208的博客
07-25 814
个人博客欢迎访问 总结不易，如果对你有帮助，请点赞关注支持一下 微信搜索程序dunk，关注公众号，获取博客源码、数据结构与算法笔记（超级全）、大厂面试、笔试题 Redis过期键的删除策略 对于过期键一般的三种删除策略 定时删除：在设置键的过期时间的同时，创建一个定时器（timer），让定时器在键的过期时间来临时，立即执行对键的删除操作 惰性删除：放任键过期不管，但是每次从键空间中获取键时，都检查取得的键是否过期，如果过期的话，就删除该键；如果没有过期，那就返回该键 定期删除：每过一段时间，程序就对数据
探索 LRU 算法的缺陷与解决方案
weixin_73077810的博客
02-20 1500
本文将探讨缓存系统中常用的淘汰算法之一——LRU算法存在的一些缺陷，并提出针对这些缺陷的优化方案。具体来说，我们将重点分析预读机制可能引发的预读失效问题和缓存污染问题，并探讨如何通过筛选预读数据和引入其他淘汰策略如LFU算法或ARC算法来解决这些问题。通过本文的阐述，读者将了解到如何更好地设计和优化缓存系统，提高系统性能和效率。
对FIFO/LRU两种算法的对比
12-12
对比FIFO/LRU两种算法的命中率。有源程序，有结果，有对比说明，有测试用例。
Redis 缓存淘汰策略：LRU 和 LFU 的缺点及解决方案详解
lssffy的博客
10-07 2233
在高性能分布式系统中，Redis 通常用作缓存层，负责存储经常访问的数据，减少数据库的直接读写压力。当 Redis 作为缓存使用时，由于内存是有限的，因此需要一种机制来决定在内存耗尽时，应该删除哪些数据。这就涉及到缓存淘汰策略的选择。noeviction：当内存不足时，直接返回错误，不进行任何数据的淘汰。：淘汰最近最少使用的键（基于 LRU 算法）。：只淘汰设置了过期时间的键中最近最少使用的键。：淘汰最不常使用的键（基于 LFU 算法）。：只淘汰设置了过期时间的键中最不常使用的键。：随机淘汰键。
LRU和LFU的实现及优缺点
2301_76166241的博客
09-02 1862
计算机内部有很多使用缓存的地方，缓存能够保证系统的快速运转。但是一个缓存组件是否好用，取决于它的缓存命中率，而命中率又和缓存组件自己的缓存数据淘汰算法息息相关。常用的缓存算法有：FIFO、LRU、LFU。
LRU 和LFU 算法简单对比
热门推荐
萝卜头
09-21 1万+
why? when? what? 之前面试有问到 LRU 自己没好好准备没答好，现在发现自己竟然把 LRU 理解成了 LFU 呃… 每个算法都有自己的应用场景以及优缺点。各种缓存算法的核心区别在于它的淘汰机制。而这个淘汰机制主要参考这两个维度：最后被访问的时间和最近被访问的频率次数。 LRU(Least Recently Used ):淘汰最后被访问时间最久的元素。 缺点：可能会由于一次冷数...
Java基础之HashMap底层, HashMap多线程操作导致死循环, ConcurrentHashMap底层, HashTable底层
啊策策大数据社区
12-14 655
1. HashMap底层实现原理 HashMap根据键的hashCode值存储数据,大多数情况下可以直接定位到它的值.因而具有很快的访问速度,但是遍历顺序却不确定的.HashMap最多只允许一条记录的键为null,允许多条记录的值为null. HashMap非线程安全,即任一时刻可以有多个线程同时写HashMap,可能会导致数据的不一致. 如果需要满足线程安全,可以用Collections的syn...
常用缓存淘汰算法LFU、LRU、2Q、ARC
惜暮
04-07 2583
常用缓存淘汰算法LFU、LRU、2Q、ARC、FIFOLFULRU LFU LRU
设计模式学习纪录，另外包含了基础排序算法，红黑数自己实现，LRU，LFU等算
09-26
基础排序算法则是算法学习的起点，而红黑树、最近最少使用（LRU）和最不常使用（LFU）缓存算法则是数据结构和算法在实际应用中高效处理数据的体现。 首先，设计模式涉及软件设计中常见问题的解决方案。它们被分为...
图形化模拟内存中的FIFO，LRU，LFU存储管理
11-06
2. **页面替换算法的原理**：掌握FIFO、LRU和LFU的基本逻辑，以及它们在实际场景中的优缺点。 3. **Python编程**：熟悉Python语言，能够阅读和理解代码实现。 4. **模拟与可视化**：学习如何用Python进行模拟，以及...
lru，lfu
最新发布
03-19
### LRU 和 LFU 缓存淘汰算法的工作原理 #### 工作原理概述 LRU（Least Recently Used，最近最少使用）是一种基于时间顺序的缓存淘汰策略。它通过记录每个缓存项最后一次被访问的时间来判断哪个项目是最久未使用的...
LRU和LFU的区别
fight_girl的博客
09-13 2424
转自点击打开链接 1. LRU  （Least Recently Used）最近最少使用页面置换 核心思想：如果数据最近被访问过，那么将来被访问的可能性也更高。 实现： 1） 新数据插入链表头部； 2） 每当缓存命中，则将命中数据移到链表头部； 3） 当链表满时，将链表尾部数据丢弃。 2. LFU  （Least Frequently Used）最近最不常用使用页面置换 核心思想：
主存写cache冲突（访问不命中）时替换算法
C++
10-12 1592
缓存算法是指令的一个明细表，用于决定缓存系统中哪些数据应该被删去。 常见类型包括LFU、LRU、ARC、FIFO、MRU。 最不经常使用算法（LFU）： 这个缓存算法使用一个计数器来记录条目被访问的频率。通过使用LFU缓存算法，最低访问数的条目首先被移除。这个方法并不经常...
LRU
Xindy的博客
08-22 2179
LRU称是Least Recently Used，即最近最久未使用 LRU缓存的思想 固定缓存大小，需要给缓存分配一个固定的大小。 每次读取缓存都会改变缓存的使用时间，将缓存的存在时间重新刷新。 需要在缓存满了后，将最近最久未使用的缓存删除，再添加最新的缓存。 1：加入新的数据 2：队列空间满了的时候，尾部的数据会被淘汰掉 3：如果要访问队列中的数据，该数据会被移动到队列的头部 缺点：频繁地访...
缓存淘汰——LRU和LFU算法
decaffeinated的博客
12-07 395
LRU和LFU算法
Redis：缓存淘汰策略
ChrisLee2013的博客
06-18 1070
本篇文章是基于极客时间蒋德钧老师的redis核心技术与实战redis缓存篇做的学习笔记。 为什么需要做缓存？ 提高请求效率，数据库操作效率不良，请求效率也不良 减轻数据库压力，在高并发系统当中，大量请求直接压到数据库层会给数据库造成压力，请求过大可能造成数据库崩溃 redis提供了高效的数据存储功能，所以被广泛的应用到了缓存场景当中，既能有效地提升业务应⽤的 响应速度，还可以避免把⾼并发⼤压⼒的请求发送到数据库层。 redis是将数据缓存在内存当中，内存与外存的成本不一样，所以当然不能将所有数据缓存在r
LRU算法详解
m0_72410588的博客
09-10 1412
LRU算法是一种常用的缓存替换策略，它能够利用时间局部性原理，保留最近使用过的页面，提高缓存命中率。在实现LRU算法时，可以使用链表或数组来维护页面的访问顺序。但是，LRU算法也存在一定的缺点，例如可能会淘汰掉正在使用的页面，对于随机访问的页面输入序列表现不如其他算法。
LRU最近最少淘汰算法
微笑流浪
02-07 2709
LRU （Least recently used，最近最少使用） 最常的实现就是使用一个链表来保存缓存数据，最常用在例如：   最近阅读：。。。。     。。。。     。。。。   经常访问的网站 。。。。       。。。。       。。。。 等等等！ 其核心的思想就是“如果数据最近被访问过，那么将来被访问的几率也会更高！”  上张图来看下其
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值