一、簡(jiǎn)介
判斷一個(gè)緩存的好壞最核心的指標(biāo)命中率、性能以及資源的占用等指標(biāo)。淘汰策略是影響緩存命中率的重要因素。一般比較簡(jiǎn)單的緩存就會(huì)直接用到 LFU(Least Frequently Used，即最不經(jīng)常使用) 或者LRU(Least Recently Used，即最近最少使用) ，而 Caffeine 使用了 W-TinyLFU 算法。
二、LRU和LFU的缺點(diǎn)
LRU 實(shí)現(xiàn)簡(jiǎn)單，在一般情況下能夠表現(xiàn)出很好的命中率，是一個(gè)“性價(jià)比”很高的算法，平時(shí)也很常用。雖然 LRU 對(duì)突發(fā)性的稀疏流量（sparse bursts）表現(xiàn)很好，但同時(shí)也會(huì)產(chǎn)生緩存污染，舉例來(lái)說(shuō)，如果偶然性的要對(duì)全量數(shù)據(jù)進(jìn)行遍歷，那么“歷史訪問(wèn)記錄”就會(huì)被刷走，造成污染。
如果數(shù)據(jù)的分布在一段時(shí)間內(nèi)是固定的話，那么 LFU 可以達(dá)到最高的命中率。但是 LFU 有兩個(gè)缺點(diǎn)，第一，它需要給每個(gè)記錄項(xiàng)維護(hù)頻率信息，每次訪問(wèn)都需要更新，這是個(gè)巨大的開(kāi)銷；第二，對(duì)突發(fā)性的稀疏流量無(wú)力，因?yàn)榍捌诮?jīng)常訪問(wèn)的記錄已經(jīng)占用了緩存，偶然的流量不太可能會(huì)被保留下來(lái)，而且過(guò)去的一些大量被訪問(wèn)的記錄在將來(lái)也不一定會(huì)使用上，這樣就一直把“坑”占著了。
三、TinyLFU
TinyLFU 算法是專門(mén)為了解決 LFU 上述提到的兩個(gè)問(wèn)題而被設(shè)計(jì)出來(lái)的。
解決第一個(gè)問(wèn)題是采用了 Count–Min Sketch 算法。
解決第二個(gè)問(wèn)題是讓記錄盡量保持相對(duì)的“新鮮”（Freshness Mechanism），并且當(dāng)有新的記錄插入時(shí)，可以讓它跟老的記錄進(jìn)行“PK”，輸者就會(huì)被淘汰，這樣一些老的、不再需要的記錄就會(huì)被剔除。
1、統(tǒng)計(jì)頻率 Count–Min Sketch 算法
Caffeine 對(duì)這個(gè)算法的實(shí)現(xiàn)在FrequencySketch類。Caffeine 是用了一個(gè)一維的數(shù)組；如果是數(shù)值類型的話，這個(gè)數(shù)需要用 int 或 long 來(lái)存儲(chǔ)，但是 Caffeine 認(rèn)為緩存的訪問(wèn)頻率不需要用到那么大，只需要 15 就足夠，一般認(rèn)為達(dá)到 15 次的頻率算是很高的了，而且 Caffeine 還有另外一個(gè)機(jī)制來(lái)使得這個(gè)頻率進(jìn)行衰退減半。如果最大是 15 的話，那么只需要 4 個(gè) bit 就可以滿足了，一個(gè) long 有 64bit，可以存儲(chǔ) 16 個(gè)這樣的統(tǒng)計(jì)數(shù)，使得存儲(chǔ)效率提高了 16 倍.
追加方法
frequencySketch().increment(key);
//FrequencySketch的一些屬性
//種子數(shù)
static final long[] SEED = { // A mixture of seeds from FNV-1a, CityHash, and Murmur3
0xc3a5c85c97cb3127L, 0xb492b66fbe98f273L, 0x9ae16a3b2f90404fL, 0xcbf29ce484222325L};
static final long RESET_MASK = 0x7777777777777777L;
static final long ONE_MASK = 0x1111111111111111L;
int sampleSize;
//為了快速根據(jù)hash值得到table的index值的掩碼
//table的長(zhǎng)度size一般為2的n次方，而tableMask為size-1，這樣就可以通過(guò)&操作來(lái)模擬取余操作
int tableMask;
//存儲(chǔ)數(shù)據(jù)的一維long數(shù)組
long[] table;
int size;
/**
* Increments the popularity of the element if it does not exceed the maximum (15). The popularity
* of all elements will be periodically down sampled when the observed events exceeds a threshold.
* This process provides a frequency aging to allow expired long term entries to fade away.
*
* @param e the element to add
*/
public void increment(@NonNull E e) {
if (isNotInitialized()) {
return;
}
//根據(jù)key的hashCode通過(guò)一個(gè)哈希函數(shù)得到一個(gè)hash值
int hash = spread(e.hashCode());
//Caffeine把一個(gè)long的64bit劃分成16個(gè)等分，每一等分4個(gè)bit。
//這個(gè)start就是用來(lái)定位到是哪一個(gè)等分的，用hash值低兩位作為隨機(jī)數(shù)，再左移2位，得到一個(gè)小于16的值
// start 值：0、4、8、12
int start = (hash & 3) << 2;
//indexOf方法的意思就是，根據(jù)hash值和不同種子得到table的下標(biāo)index
//這里通過(guò)四個(gè)不同的種子，得到四個(gè)不同的下標(biāo)index
int index0 = indexOf(hash, 0);
int index1 = indexOf(hash, 1);
int index2 = indexOf(hash, 2);
int index3 = indexOf(hash, 3);
//根據(jù)index和start(+1, +2, +3)的值，把table[index]對(duì)應(yīng)的等分追加1
boolean added = incrementAt(index0, start);
added |= incrementAt(index1, start + 1);
added |= incrementAt(index2, start + 2);
added |= incrementAt(index3, start + 3);
if (added && (++size == sampleSize)) {
reset();
}
}
/**
* Increments the specified counter by 1 if it is not already at the maximum value (15).
*
* @param i the table index (16 counters)
* @param j the counter to increment
* @return if incremented
*/
boolean incrementAt(int i, int j) {
//這個(gè)j表示16個(gè)等分的下標(biāo)，那么offset就是相當(dāng)于在64位中的下標(biāo) 16 * 4
int offset = j << 2;
//上面提到Caffeine把頻率統(tǒng)計(jì)最大定為15，即0xfL
//mask就是在64位中的掩碼，即1111后面跟很多個(gè)0
long mask = (0xfL << offset);
//如果&的結(jié)果不等于15，那么就追加1。等于15就不會(huì)再加了
if ((table[i] & mask) != mask) {
table[i] += (1L << offset);
return true;
}
return false;
}
/**
* Returns the table index for the counter at the specified depth.
*
* @param item the element's hash
* @param i the counter depth
* @return the table index
*/
int indexOf(int item, int i) {
long hash = SEED[i] * item;
hash += hash >>> 32;
return ((int) hash) & tableMask;
}
/**
* Applies a supplemental hash function to a given hashCode, which defends against poor quality
* hash functions.
*/
int spread(int x) {
x = ((x >>> 16) ^ x) * 0x45d9f3b;
x = ((x >>> 16) ^ x) * 0x45d9f3b;
return (x >>> 16) ^ x;
}
讀取方法
@NonNegative
public int frequency(@NonNull E e) {
if (isNotInitialized()) {
return 0;
}
int hash = spread(e.hashCode());
//得到等分的下標(biāo)，跟上面一樣
int start = (hash & 3) << 2;
int frequency = Integer.MAX_VALUE;
//循環(huán)四次，分別獲取在table數(shù)組中不同的下標(biāo)位置
for (int i = 0; i < 4; i++) {
int index = indexOf(hash, i);
//定位到table[index] + 等分的位置，再根據(jù)mask取出計(jì)數(shù)值
int count = (int) ((table[index] >>> ((start + i) << 2)) & 0xfL);
//取四個(gè)中的較小值
frequency = Math.min(frequency, count);
}
return frequency;
}
2、保新機(jī)制
為了讓緩存保持“新鮮”，剔除掉過(guò)往頻率很高但之后不經(jīng)常的緩存，Caffeine 有一個(gè)新鮮度機(jī)制。就是當(dāng)整體的統(tǒng)計(jì)計(jì)數(shù)達(dá)到某一個(gè)值時(shí)，那么所有記錄的頻率統(tǒng)計(jì)除以 2。
//size變量就是所有記錄的頻率統(tǒng)計(jì)之，即每個(gè)記錄加1，這個(gè)size都會(huì)加1
//sampleSize一個(gè)閾值，從FrequencySketch初始化可以看到它的值為maximumSize的10倍
if (added && (++size == sampleSize)) {
reset();
}
void reset() {
int count = 0;
for (int i = 0; i < table.length; i++) {
count += Long.bitCount(table[i] & ONE_MASK);
table[i] = (table[i] >>> 1) & RESET_MASK;
}
size = (size >>> 1) - (count >>> 2);
}
四、window
Caffeine 通過(guò)測(cè)試發(fā)現(xiàn) TinyLFU 在面對(duì)突發(fā)性的稀疏流量（sparse bursts）時(shí)表現(xiàn)很差，因?yàn)樾碌挠涗洠╪ew items）還沒(méi)來(lái)得及建立足夠的頻率就被剔除出去了，這就使得命中率下降。 于是 Caffeine 設(shè)計(jì)出一種新的算法，即 Window Tiny LFU（W-TinyLFU），并通過(guò)實(shí)驗(yàn)和實(shí)踐發(fā)現(xiàn) W-TinyLFU 比 TinyLFU 表現(xiàn)的更好。
它主要包括兩個(gè)緩存模塊，主緩存是 SLRU（Segmented LRU，即分段 LRU），SLRU 包括一個(gè)名為 protected 和一個(gè)名為 probation 的緩存區(qū)。通過(guò)增加一個(gè)緩存區(qū)（即 Window Cache），當(dāng)有新的記錄插入時(shí)，會(huì)先在 window 區(qū)呆一下，就可以避免稀疏流量問(wèn)題。
五、淘汰策略
當(dāng) window 區(qū)滿了，就會(huì)根據(jù) LRU 把 candidate（即淘汰出來(lái)的元素）放到 probation 區(qū)，如果 probation 區(qū)也滿了，就把 candidate 和 probation 將要淘汰的元素，兩個(gè)進(jìn)行“PK”，勝者留在 probation，輸者就要被淘汰了。 而且經(jīng)過(guò)實(shí)驗(yàn)發(fā)現(xiàn)當(dāng) window 區(qū)配置為總?cè)萘康?1%，剩余的 99%當(dāng)中的 80%分給 protected 區(qū)，20%分給 probation 區(qū)時(shí)，這時(shí)整體性能和命中率表現(xiàn)得最好，所以 Caffeine 默認(rèn)的比例設(shè)置就是這個(gè)。 不過(guò)這個(gè)比例 Caffeine 會(huì)在運(yùn)行時(shí)根據(jù)統(tǒng)計(jì)數(shù)據(jù)（statistics）去動(dòng)態(tài)調(diào)整，如果你的應(yīng)用程序的緩存隨著時(shí)間變化比較快的話，那么增加 window 區(qū)的比例可以提高命中率，相反緩存都是比較固定不變的話，增加 Main Cache 區(qū)（protected 區(qū) +probation 區(qū)）的比例會(huì)有較好的效果。 淘汰策略所在類 BoundedLocalCache 關(guān)鍵屬性
//最大的個(gè)數(shù)限制
long maximum;
//當(dāng)前的個(gè)數(shù)
long weightedSize;
//window區(qū)的最大限制
long windowMaximum;
//window區(qū)當(dāng)前的個(gè)數(shù)
long windowWeightedSize;
//protected區(qū)的最大限制
long mainProtectedMaximum;
//protected區(qū)當(dāng)前的個(gè)數(shù)
long mainProtectedWeightedSize;
final FrequencySketch<K> sketch;
//window區(qū)的LRU queue（FIFO）
final AccessOrderDeque<Node<K, V>> accessOrderWindowDeque;
//probation區(qū)的LRU queue（FIFO）
final AccessOrderDeque<Node<K, V>> accessOrderProbationDeque;
//protected區(qū)的LRU queue（FIFO）
final AccessOrderDeque<Node<K, V>> accessOrderProtectedDeque;
@GuardedBy("evictionLock")
void evictEntries() {
if (!evicts()) {
return;
}
//淘汰window區(qū)的記錄
int candidates = evictFromWindow();
//淘汰Main區(qū)的記錄
evictFromMain(candidates);
}
//根據(jù)W-TinyLFU，新的數(shù)據(jù)都會(huì)無(wú)條件的加到admission window
//但是window是有大小限制，所以要“定期”做一下“維護(hù)”
@GuardedBy("evictionLock")
int evictFromWindow() {
int candidates = 0;
//查看window queue的頭部節(jié)點(diǎn)
Node<K, V> node = accessOrderWindowDeque().peek();
//如果window區(qū)超過(guò)了最大的限制，那么就要把“多出來(lái)”的記錄做處理
while (windowWeightedSize() > windowMaximum()) {
// The pending operations will adjust the size to reflect the correct weight
if (node == null) {
break;
}
//下一個(gè)節(jié)點(diǎn)
Node<K, V> next = node.getNextInAccessOrder();
if (node.getWeight() != 0) {
//把node定位在probation區(qū)
node.makeMainProbation();
//從window區(qū)去掉
accessOrderWindowDeque().remove(node);
//加入到probation queue，相當(dāng)于把節(jié)點(diǎn)移動(dòng)到probation區(qū)
accessOrderProbationDeque().add(node);
candidates++;
//因?yàn)橐瞥艘粋€(gè)節(jié)點(diǎn)，所以需要調(diào)整window的size
setWindowWeightedSize(windowWeightedSize() - node.getPolicyWeight());
}
//處理下一個(gè)節(jié)點(diǎn)
node = next;
}
return candidates;
}
@GuardedBy("evictionLock")
void evictFromMain(int candidates) {
int victimQueue = PROBATION;
//victim是probation queue的頭部
Node<K, V> victim = accessOrderProbationDeque().peekFirst();
//candidate是probation queue的尾部，也就是剛從window晉升來(lái)的
Node<K, V> candidate = accessOrderProbationDeque().peekLast();
//當(dāng)cache不夠容量時(shí)才做處理
while (weightedSize() > maximum()) {
// Stop trying to evict candidates and always prefer the victim
if (candidates == 0) {
candidate = null;
}
//對(duì)candidate為null且victim為bull的處理
if ((candidate == null) && (victim == null)) {
if (victimQueue == PROBATION) {
victim = accessOrderProtectedDeque().peekFirst();
victimQueue = PROTECTED;
continue;
} else if (victimQueue == PROTECTED) {
victim = accessOrderWindowDeque().peekFirst();
victimQueue = WINDOW;
continue;
}
// The pending operations will adjust the size to reflect the correct weight
break;
}
//對(duì)節(jié)點(diǎn)的weight為0的處理
if ((victim != null) && (victim.getPolicyWeight() == 0)) {
victim = victim.getNextInAccessOrder();
continue;
} else if ((candidate != null) && (candidate.getPolicyWeight() == 0)) {
candidate = candidate.getPreviousInAccessOrder();
candidates--;
continue;
}
// Evict immediately if only one of the entries is present
if (victim == null) {
@SuppressWarnings("NullAway")
Node<K, V> previous = candidate.getPreviousInAccessOrder();
Node<K, V> evict = candidate;
candidate = previous;
candidates--;
evictEntry(evict, RemovalCause.SIZE, 0L);
continue;
} else if (candidate == null) {
Node<K, V> evict = victim;
victim = victim.getNextInAccessOrder();
evictEntry(evict, RemovalCause.SIZE, 0L);
continue;
}
// Evict immediately if an entry was collected
K victimKey = victim.getKey();
K candidateKey = candidate.getKey();
if (victimKey == null) {
@NonNull Node<K, V> evict = victim;
victim = victim.getNextInAccessOrder();
evictEntry(evict, RemovalCause.COLLECTED, 0L);
continue;
} else if (candidateKey == null) {
candidates--;
@NonNull Node<K, V> evict = candidate;
candidate = candidate.getPreviousInAccessOrder();
evictEntry(evict, RemovalCause.COLLECTED, 0L);
continue;
}
//放不下的節(jié)點(diǎn)直接處理掉
if (candidate.getPolicyWeight() > maximum()) {
candidates--;
Node<K, V> evict = candidate;
candidate = candidate.getPreviousInAccessOrder();
evictEntry(evict, RemovalCause.SIZE, 0L);
continue;
}
//根據(jù)節(jié)點(diǎn)的統(tǒng)計(jì)頻率frequency來(lái)做比較，看看要處理掉victim還是candidate
//admit是具體的比較規(guī)則，看下面
candidates--;
//如果candidate勝出則淘汰victim
if (admit(candidateKey, victimKey)) {
Node<K, V> evict = victim;
victim = victim.getNextInAccessOrder();
evictEntry(evict, RemovalCause.SIZE, 0L);
candidate = candidate.getPreviousInAccessOrder();
} else {
//如果是victim勝出，則淘汰candidate
Node<K, V> evict = candidate;
candidate = candidate.getPreviousInAccessOrder();
evictEntry(evict, RemovalCause.SIZE, 0L);
}
}
}
@GuardedBy("evictionLock")
boolean admit(K candidateKey, K victimKey) {
//分別獲取victim和candidate的統(tǒng)計(jì)頻率
//frequency這個(gè)方法的原理和實(shí)現(xiàn)上面已經(jīng)解釋了
int victimFreq = frequencySketch().frequency(victimKey);
int candidateFreq = frequencySketch().frequency(candidateKey);
//誰(shuí)大誰(shuí)贏
if (candidateFreq > victimFreq) {
return true;
//如果相等，candidate小于5都當(dāng)輸了
} else if (candidateFreq <= 5) {
// The maximum frequency is 15 and halved to 7 after a reset to age the history. An attack
// exploits that a hot candidate is rejected in favor of a hot victim. The threshold of a warm
// candidate reduces the number of random acceptances to minimize the impact on the hit rate.
return false;
}
//如果相等且candidate大于5，則隨機(jī)淘汰一個(gè)
int random = ThreadLocalRandom.current().nextInt();
return ((random & 127) == 0);
}
@GuardedBy("evictionLock")
void onAccess(Node<K, V> node) {
if (evicts()) {
K key = node.getKey();
if (key == null) {
return;
}
frequencySketch().increment(key);
if (node.inWindow()) {
reorder(accessOrderWindowDeque(), node);
} else if (node.inMainProbation()) {
reorderProbation(node);
} else {
reorder(accessOrderProtectedDeque(), node);
}
setHitsInSample(hitsInSample() + 1);
} else if (expiresAfterAccess()) {
reorder(accessOrderWindowDeque(), node);
}
if (expiresVariable()) {
timerWheel().reschedule(node);
}
}
@GuardedBy("evictionLock")
void reorderProbation(Node<K, V> node) {
if (!accessOrderProbationDeque().contains(node)) {
// Ignore stale accesses for an entry that is no longer present
return;
} else if (node.getPolicyWeight() > mainProtectedMaximum()) {
return;
}
// If the protected space exceeds its maximum, the LRU items are demoted to the probation space.
// This is deferred to the adaption phase at the end of the maintenance cycle.
setMainProtectedWeightedSize(mainProtectedWeightedSize() + node.getPolicyWeight());
accessOrderProbationDeque().remove(node);
accessOrderProtectedDeque().add(node);
node.makeMainProtected();
}
