论文导读：fast21 Learning Cache Replacement with Cacheus

文章：Learning Cache Replacement with Cacheus

导读摘要：

       机器学习的最新进展为解决计算系统中的经典问题开辟了新的、有吸引力的方法。对于存储系统，缓存替换是一个这样的问题，因为它对性能有巨大的影响。

        本文第一个贡献，确定了与缓存相关的特征，特别是，四种工作负载基元类型：LRU友好型、LFU友好型、扫描型和抖动型。工作负载基元类型在单个工作负载内随时间变化，并且随着缓存大小的变化而变化。

       本文第二个贡献，CACHEUS，受到LeCaR的启发，但通过完全自适应克服了一个重要的缺点，消除了所有静态选择的超参数，从而确保了高度的灵活性。一种新型的全自适应机器学习缓存算法，利用设计的专家组合来解决这些工作负载基本类型。CACHEUS使用的专家包括最先进的ARC、LIRS和LFU，以及两个新的SR-LRU和CR-LFU，SR-LRU是LRU的抗扫描版本，

       本文第三个贡献是设计两个轻量级专家，CR-LFU和SR-LRU；将它们组合在一起，可以解决广泛的工作负载基元类型。CR-LFU为LFU注入了抗抖动性，SR-LRU为LRU注入了抗扫描性。CACHEUS通过将其与互补的缓存替换算法（如LFU）结合，增强了最先进的算法（如LIRS、ARC），以更好地处理更多种类的基本工作负载类型。

---

公众号阅读

---

1 技术发展

       机器学习的最新进展为解决计算系统中的经典问题开辟了新的、有吸引力的方法。

2 缓存算法

        缓存算法主要分三类：非自适应性缓存算法，自适应缓存算法，基于机器学习的缓存算法；