1 LRU算法
1.1 前言
目前尽量由于摩尔定律，但是在存储硬件始终存在着矛盾，例如在容量方面，内存<外存；而在硬件成本与访问效率方面，内存>外存，并且这种区别是不在同一数量级别的差异。而目前互联网服务平台存在的特点：读多写少，数据规模巨大，长尾效应等等。正是由于场景需求与存储硬件之间的本身矛盾，缓存算法由此产生了。
一个服务平台其读取过程：总是优先去离CPU最近的地方内存中读取数据，当有限的空间读取命中为空时，则去外存的数据库或文件系统中读取。当有限的缓存空间里“人满为患”时，而又有新的成员需要加入时，自然需要一定的淘汰机制。本能的基础淘汰算法，最后访问时间最久的成员最先会被淘汰(LRU),而队列访问具有先进先出的特点，按最后访问的时间先进先出，所以通常用队列实现LRU。
1.2 基本原理
a 利用队列类型对象，记录最近操作的元素,总是放在队首，这样最久未操作的元素自然被相对移动到队尾；同时，当元素总数达到上限值时，优先移除与淘汰队尾元素。
b 利用HashMap辅助对象，快速检索队列中存在的元素。
1.3 操作
a 写入操作： 新建一个元素，把元素插入队列首，当元素总和达到上限值时，同时删除队尾元素。
b 读取操作：利用map快速检索，队列相关联的元素。
1.4 实现源码
a 自定义链表方式
b 利用stl::list类型实现方式
2 LRFU缓存算法
2.1 前言
缓存算法有许多种，各种缓存算法的核心区别在于它们的淘汰机制。淘汰机制的通常做法：所有元素按某种量化的重要程度进行排序，分值最低者则会被淘汰。而重要程度的量化指标又通常可以参考了两个维度：1. 最后被访问的时间 2. 最近被访问的频率次数。例如如下：
LRU(Least Recently Used ),总是淘汰最后访问时间最久的元素。这种算法存在问题：可能由于一次批量冷数据的查询而误淘汰大量热点的数据。
LFU(Least Frequently Used ),总是淘汰最近访问频率最小的元素。这种算法也存在明显的问题：
a 如果频率时间度量是1小时，则平均每个小时内的访问频率1000的热点数据可能会某段时间的随机访问频率是1001的数据剔除掉；b 最近新加入的数据总会易于被剔除掉，由于其开始的频率低。本质上重要性访问频率是指在多长的时间段内的频率？其难以标定，在业界很少单一直接使用。由于两种算法的各自特点及缺点，所以通常在生产线上会根据业务场景联合LRU与LFU一起使用，称之为LRFU。
2.2 实现机制
我们在LRU实现基础上稍作衍生，能实现LRFU缓存机制，即可以采用队列分级的思想，例如oracle利用两个队列维护访问的数据元素，按被访问的频率的维度把元素分别搁在热端与冷端队列；而在同一个队列内，最后访问时间越久的元素会越被排在队列尾。
参考：
a https://en.wikipedia.org/wiki/Least_frequently_used
b
c