缓存是一种提高数据读取性能的技术，在硬件设计、软件开发中都有着非常广泛的应用，比如常见的 CPU 缓存、数据库缓存、浏览器缓存等等。
缓存的大小有限，当缓存被用满时，哪些数据应该被清理出去，哪些数据应该被保留？这就需要缓存淘汰策略来决定。
先进先出策略 FIFO
FIFO 是First In, First Out（先入先出）的简称。这个算法的逻辑就像排队买奶茶 🍹，第一个排队的人先拿到奶茶，最后一个排队的人得等最后！
具体来说，FIFO 是一种简单的缓存淘汰策略，它按照数据进入缓存的顺序来决定哪些数据要被淘汰。当缓存满了之后，最先进入缓存的数据最先被移除。
🌟 运作原理：
- 每当有新的数据进入缓存时，如果缓存空间已满，就移除最早进入缓存的数据，以便腾出空间给新数据。
- FIFO 不考虑数据的使用频率或最近的访问情况，只关注哪个数据进来了最久。
🛠 举个例子： 假设缓存容量为 3，接收到的数据顺序为 [A, B, C, D]，当 D 进入时，缓存满了，所以需要移除最早进入的 A，因此缓存中只会保留 [B, C, D]。
FIFO 算法的实现类似于一个队列（Queue），遵循 先进先出 的规则。比如人们排队等候服务，最先到的人最先被服务。
🎯 优点：
- 实现简单：不需要复杂的逻辑，只需要记录数据进入的顺序。
❌ 缺点：
- 不够智能：因为它只看数据的进入顺序，可能会淘汰一些未来仍然可能被频繁使用的数据，这在某些场景下会影响系统性能。
😎 FIFO 是最基础的一种缓存算法，虽然简单，但在某些场景下也是非常有效的。
最少使用策略 LFU
LFU 它的全称是 Least Frequently Used，即最少使用策略。这个算法的逻辑非常简单：谁用得少，谁走人！🚪👋
🌟 运作原理：
LFU 算法根据数据的使用频率来决定哪些数据要被淘汰。缓存满了之后，它会淘汰那些使用频率最少的数据。它假设那些使用频率低的数据在未来也不太会被使用，所以不如干脆把它踢出去腾出空间。
🛠 举个例子：
假设缓存容量为 3，接收到的数据顺序为 [A, B, C, A, D]，并记录它们的使用次数：
- A 被访问 2 次
- B 被访问 1 次
- C 被访问 1 次
当新数据 D 进来时，缓存已经满了，所以 LFU 会移除使用频率最少的 B 或 C。这里我们选择 B 或 C 中任意一个淘汰（通常根据先入顺序决定）。
🎯 优点：
- 智能化：它考虑到了数据的使用频率，所以能够很好地保留那些经常被使用的数据。
❌ 缺点：
- 频率僵化：LFU 会记住历史使用频率，所以如果一个数据在很早之前被频繁使用过，它可能会被长时间保留在缓存中，即使它后来不再被使用。
🧠 变种：
LFU 也可以通过各种优化，比如限制频率统计的时间窗口，避免历史频率的“僵化”问题。这种变种可以更加灵活应对不同的数据访问模式。
总结一下，LFU 是一种适合保持常用数据在缓存中的算法，但在频繁切换热点数据的场景下，它的表现可能就没那么出色了。😄
最近最少使用策略 LRU
LRU，全称为Least Recently Used，是一种缓存淘汰算法，用来管理缓存中的数据。当缓存满了之后，需要决定删除哪个数据块时，LRU 会选择最久未使用的数据块进行移除。
该算法的核心思想是：如果数据最近被使用过，那么它在未来也有可能会被再次使用。具体来说，LRU 通过记录每个数据块的使用时间，当需要腾出空间时，移除距离当前时间最久没有被使用过的数据。
🎯 LRU 实现的常见方式：
- 链表：用双向链表保存缓存数据，每次访问时将数据移到链表头部，当缓存满了时，移除链表尾部的数据。
- 哈希表 + 双向链表：哈希表用于快速定位数据，双向链表用于记录使用顺序。
📘 例如：假设缓存的容量为 3，序列操作为 [A, B, C, D]，使用 LRU 规则，D 被访问时，最久未被使用的 A 将被淘汰。
🚀 LRU 是许多系统中提高性能的重要算法，尤其是在数据库、操作系统、浏览器等场景中频繁使用。
最近使用策略 MRU
MRU！它全称是 Most Recently Used，意思就是“最近使用过的优先淘汰”。和 LRU（最近最少使用）正好相反，MRU 更像是个叛逆者，专门干掉最近才用过的数据！🌀👋
🌟 运作原理：
MRU 的逻辑很直接：当缓存满了之后，它会选择把最近才使用过的数据淘汰掉。它假设：如果某个数据刚刚被使用过，那么短期内再次使用的概率较低，因此可以优先移除它。
🛠 举个例子：
假设缓存容量为 3，接收到的数据顺序是 [A, B, C]，然后你再访问了 B（即 B 是最近一次被使用的）。此时，新的数据 D 进来了，而缓存已经满了。
MRU 会选择淘汰最近才被使用的 B，然后把 D 加入缓存，所以缓存变成了 [A, C, D]。
🎯 优点：
- 特殊场景优化：MRU 非常适合那些数据通常只会被使用一次，然后就不再被访问的场景。例如，访问文件或页面时，用户只需要看一遍，不需要重复访问。
❌ 缺点：
- 广泛适用性低：在很多实际应用场景中，数据被频繁使用的概率较高，因此 MRU 在大部分情况下表现不如 LRU 或 LFU。它的适用场景相对有限。
🧠 适用场景：
MRU 适合的场景通常是那种一次性访问的数据模式，类似于用户浏览一次就不会再重复访问的文件或页面。这种场景下，MRU 能快速腾出空间给新的数据，而不需要担心刚淘汰的数据会被再次使用。
总结一下，MRU 就像那个爱走“独行侠”路线的策略，在特定场景下非常有效，但在常规缓存场景中，表现可能就没那么好啦。😎