快取演算法（頁面置換演算法）-FIFO、LFU、LRU
在前一篇文章中透過leetcode的一道題目瞭解了LRU演算法的具體設計思路，下面繼續來探討一下另外兩種常見的Cache演算法：FIFO、LFU
1.FIFO演算法
FIFO（First in First out），先進先出。其實在作業系統的設計理念中很多地方都利用到了先進先出的思想，比如作業排程（先來先服務），為什麼這個原則在很多地方都會用到呢？因為這個原則簡單、且符合人們的慣性思維，具備公平性，並且實現起來簡單，直接使用資料結構中的佇列即可實現。
在FIFO Cache設計中，核心原則就是：如果一個資料最先進入快取中，則應該最早淘汰掉。也就是說，當快取滿的時候，應當把最先進入快取的資料給淘汰掉。在FIFO Cache中應該支援以下操作;
get(key)：如果Cache中存在該key，則返回對應的value值，否則，返回-1；
set(key,value)：如果Cache中存在該key，則重置value值；如果不存在該key，則將該key插入到到Cache中，若Cache已滿，則淘汰最早進入Cache的資料。
舉個例子：假如Cache大小為3，訪問資料序列為set(1,1),set(2,2),set(3,3),set(4,4),get(2),set(5,5)
則Cache中的資料變化為：
(1,1) set(1,1)
(1,1) (2,2) set(2,2)
(1,1) (2,2) (3,3) set(3,3)
(2,2) (3,3) (4,4) set(4,4)
(2,2) (3,3) (4,4) get(2)
(3,3) (4,4) (5,5) set(5,5)
那麼利用什麼資料結構來實現呢？
下面提供一種實現思路：
利用一個雙向連結串列儲存資料，當來了新的資料之後便新增到連結串列末尾，如果Cache存滿資料，則把連結串列頭部資料刪除，然後把新的資料新增到連結串列末尾。在訪問資料的時候，如果在Cache中存在該資料的話，則返回對應的value值；否則返回-1。如果想提高訪問效率，可以利用hashmap來儲存每個key在連結串列中對應的位置。
2.LFU演算法
LFU（Least Frequently Used）最近最少使用演算法。它是基於“如果一個資料在最近一段時間內使用次數很少，那麼在將來一段時間內被使用的可能性也很小”的思路。
注意LFU和LRU演算法的不同之處，LRU的淘汰規則是基於訪問時間，而LFU是基於訪問次數的。舉個簡單的例子：
假設快取大小為3，資料訪問序列為set(2,2),set(1,1),get(2),get(1),get(2),set(3,3),set(4,4)，
則在set(4,4)時對於LFU演算法應該淘汰(3,3)，而LRU應該淘汰(1,1)。
那麼LFU Cache應該支援的操作為：
get(key)：如果Cache中存在該key，則返回對應的value值，否則，返回-1；
set(key,value)：如果Cache中存在該key，則重置value值；如果不存在該key，則將該key插入到到Cache中，若Cache已滿，則淘汰最少訪問的資料。
為了能夠淘汰最少使用的資料，因此LFU演算法最簡單的一種設計思路就是 利用一個陣列儲存 資料項，用hashmap儲存每個資料項在陣列中對應的位置，然後為每個資料項設計一個訪問頻次，當資料項被命中時，訪問頻次自增，在淘汰的時候淘汰訪問頻次最少的資料。這樣一來的話，在插入資料和訪問資料的時候都能達到O(1)的時間複雜度，在淘汰資料的時候，透過選擇演算法得到應該淘汰的資料項在陣列中的索引，並將該索引位置的內容替換為新來的資料內容即可，這樣的話，淘汰資料的操作時間複雜度為O(n)。
另外還有一種實現思路就是利用 小頂堆+hashmap，小頂堆插入、刪除操作都能達到O(logn)時間複雜度，因此效率相比第一種實現方法更加高效。
如果哪位朋友有更高效的實現方式（比如O(1)時間複雜度），不妨探討一下，不勝感激。
3.LRU演算法
LRU演算法的原理以及實現在前一篇博文中已經談到，在此不進行贅述：
http://www.cnblogs.com/dolphin0520/p/3741519.html
參考連結：http://blog.csdn.net/hexinuaa/article/details/6630384
http://blog.csdn.net/beiyetengqing/article/details/7855933
http://outofmemory.cn/wr/?u=http%3A%2F%2Fblog.csdn.net%2Fyunhua_lee%2Farticle%2Fdetails%2F7648549