在哪种情况下 LFU 比 LRU 更好？答案

【问题标题】：In which case LFU is better than LRU?在哪种情况下 LFU 比 LRU 更好？
【发布时间】：2017-11-04 17:25:09
【问题描述】：

我一直在努力寻找 LFU 优于 LRU 的好案例，但我不确定。

当你有一个容量为 3 的缓存并且缓存请求为 4（如 ABCD）但 C 和 D 被更频繁地请求时，我已经设法做到（但不确定这是否是一个很好的例子）。

所以如果请求流是A B C D C A D B D C A B A C D LRU 会产生 10 个故障，而 LFU 会产生 9 个故障。

这是一个被接受的案例吗？？

【问题讨论】：

LRU 对于小缓存更有效，但对大缓存的扩展性很差。其中，缓存的典型 Zipf 工作负载占主导地位，因此 LFU 通常在较低容量下具有较高的命中率。 LRU 在扫描（例如数据库）中也存在问题，并且经常被绕过。现代政策将两者结合起来，以找到更理想的平衡点。

标签： caching lru

【解决方案1】：

您可能会发现this 很有帮助。 LRU 非常前卫。

您的移动键盘使用LFU。当您键入一些字母时，您会在键盘顶部看到一些与您键入的字母匹配的建议单词。一开始，当键盘应用程序的cache 为空时，它可能会向您显示这 4 个单词（假设您输入了字母“STA”。建议的单词可能会弹出，例如：开始、站立、雕像、工作人员）。这里的想法是，根据您使用的单词，它会在一段时间后忽略建议中的LRU 单词。如果您没有使用过，您以后可能在建议中看不到“员工”一词。

如果您知道数据非常重复，请务必选择LFU 以避免cache 错过。看来这两者的独立性相当明显，具有孤立的意义。这取决于你想在哪里使用这些用例。

【讨论】：

【解决方案2】：

可能会发生某些数据在过去很流行，现在暂时变得无关紧要，但在不久的将来很可能会再次访问。

想想在线零售商。假设他们最畅销的一些商品是相机、电话等。如果情人节快到了，人们会为情人节订购礼物。因此，如果您实现了 LRU 缓存，即最近最少使用的缓存，它将从缓存中清除您最畅销的商品。

虽然 LRU 策略从不保证最畅销的商品会保留在缓存中，但访问它们的频率越高，它们就越有可能保留在缓存中（因为它们很可能会进入被清除之前的队列）。在高峰期，如果数量突然流行的项目足够大，它们可以填满缓存并强制清除通常的项目。这将是一个暂时的副作用，会在峰值之后消退。在某些情况下，这也可能是可取的，因为在高峰期流行的商品的访问速度应该比常规畅销商品更快。

【讨论】：