1.一文搞懂Cache基本原理
2.计算机组成原理之Cache原理
3.简要介绍Cache替换算法，算算法及几种不同替换算法。法源
4.简单概括Linux内核源码高速缓存原理（图例解析）
5.BlueStore源码分析之Cache

一文搞懂Cache基本原理

       理解Cache基本原理，算算法需把握四个核心方面：

局部性原理：包括空间局部性和时间局部性。法源空间局部性体现在数据访问的算算法重复性，如数组读写模式；时间局部性则关注循环内数据的法源斗地主服务端源码频繁访问。

Cache映射方式：涉及全相联、算算法直接映射和组相联映射。法源全相联映射实现灵活的算算法映射关系；直接映射则简单直接，但灵活性受限；组相联映射结合了二者优点，法源通过分组实现。算算法

替换算法：包括随机、法源FIFO、算算法LRU和LFU算法。法源LRU和LFU考虑了数据访问频率，算算法利用计数器实现对近期和近期最少使用的数据优先替换。

Cache写策略：主要解决如何保持Cache和主存数据一致性。写回法、全写法、写分配法和非写分配法各有适用场景，根据Cache命中与否和主存写入策略，qt程序源码解析实现数据的一致性。

       Cache通过在主存与CPU之间提供高速缓冲，显著提高了数据访问速度。结合局部性原理和合理的映射与替换策略，确保了系统的高效运行。在多级Cache架构中，缓存层的优化与协调，进一步提升了整体性能。

计算机组成原理之Cache原理

       让我们深入理解计算机组成原理中的关键部分——Cache，它如何运用局部性原则，以及地址映射和替换算法在内存管理中的作用。Cache就像数据的高速缓存，通过字节和块的智能交换，加速了数据的访问速度。

基于局部性原理的Cache

       Cache的设计核心是基于程序的局部性，无论是读还是写操作，它都试图提前预测并存储最常访问的数据。读取时，首先快速搜索Cache，若未找到，哪个平台卖源码就从主存获取数据并将其存入Cache以供后续快速访问。写操作则有写穿和写回两种策略，写穿意味着直接写入主存，而写回则是写入Cache后再回写到主存。

地址映射的艺术

       Cache地址映射涉及多个组件：Tag（用于唯一标识）、Index（指定位置）和Data（存储数据）。Cache的结构由行、Tag、Data、Valid（表示缓存是否有效）和Dirty（表示缓存是否需要写回）等部分构成。当数据被请求时，通过Tag比较，判断数据是否在Cache内，从而进行存取操作。

       两种常见的映射方式：全相联映射如同万能钥匙，将主存块灵活映射到Cache的任意一行，而直接相联映射则将主存块分区，直接对应Cache的特定行。全相联示例中，0x1e的net core的源码访问可能会导致其他未命中的地址被写入空行，更新Cache状态；而直接相联映射则将主存地址转换为三维，确保精确命中。

组相联与替换算法

       在容量有限的Cache中，当满载时，就需要依靠替换算法来决定淘汰哪些行。组相联映射通过三维地址，巧妙地在容量和效率之间找到平衡。例如，当处理一系列数据访问，如, , , , 时，先进先出（FIFO）算法会根据访问顺序淘汰最旧的数据，而最不常用法则（LFU）则会优先淘汰被访问次数最少的行。最近最少使用（LRU）法则则是根据最近的访问历史进行替换，淘汰计数较大但最近未使用的行。

简要介绍Cache替换算法，及几种不同替换算法。

       Cache替换算法在提高缓存系统效率中起着至关重要的作用。不同的替换算法设计旨在提高缓存的命中率，从而优化数据访问速度。以下是autojs源码提取器几种常见的Cache替换算法：

       1. LRU（Least Recently Used）算法：

        此算法基于这样一个原则，即最长时间未被访问的数据块最不可能被频繁使用。因此，当需要替换Cache中的数据时，LRU算法会选择最久未使用的数据块移出Cache。

       2. LFU（Least Frequently Used）算法：

        与LRU算法不同，LFU算法倾向于替换那些被访问次数最少的数据块。这种方法假设频繁访问的数据块更有可能在未来被再次访问。

       3. Pitkow/Recker算法：

        这是一种考虑了时间因素的替换策略。如果Cache中的所有数据都是在同一天缓存的，那么算法会选择最大的数据块替换。如果Cache中包含不同日期的数据，则按照LRU算法进行替换。

       4. Size算法：

        这种算法简单地将最大的数据块替换出Cache。这种方法不考虑数据的访问频率或最近使用情况。

       5. LRU-MIN算法：

        旨在减少因替换而产生的数据块数量。它首先寻找大小至少与待缓存数据块相同的Cache条目，并按照LRU规则替换。如果找不到足够大的条目，它则从大小至少为待缓存数据块一半的条目中选择。

       6. LRU-Threshold算法：

        类似于LRU算法，但它设定了一个阈值，大于这个阈值的数据块不能被缓存。这有助于控制Cache的大小，防止其无限增长。

       这些替换算法各有优劣，它们的选择和应用取决于特定系统的需求和性能目标。

简单概括Linux内核源码高速缓存原理（图例解析）

       高速缓存(cache)概念和原理涉及在处理器附近增加一个小容量快速存储器(cache)，基于SRAM，由硬件自动管理。其基本思想为将频繁访问的数据块存储在cache中，CPU首先在cache中查找想访问的数据，而不是直接访问主存，以期数据存放在cache中。

       Cache的基本概念包括块（block），CPU从内存中读取数据到Cache的时候是以块（CPU Line）为单位进行的，这一块块的数据被称为CPU Line，是CPU从内存读取数据到Cache的单位。

       在访问某个不在cache中的block b时，从内存中取出block b并将block b放置在cache中。放置策略决定block b将被放置在哪里，而替换策略则决定哪个block将被替换。

       Cache层次结构中，Intel Core i7提供一个例子。cache包含dCache（数据缓存）和iCache（指令缓存），解决关键问题包括判断数据在cache中的位置，数据查找(Data Identification)，地址映射(Address Mapping)，替换策略(Placement Policy)，以及保证cache与memory一致性的问题，即写入策略(Write Policy)。

       主存与Cache的地址映射通过某种方法或规则将主存块定位到cache。映射方法包括直接(mapped)、全相联(fully-associated)、一对多映射等。直接映射优点是地址变换速度快，一对一映射，替换算法简单，但缺点是容易冲突，cache利用率低，命中率低。全相联映射的优点是提高命中率，缺点是硬件开销增加，相应替换算法复杂。组相联映射是一种特例，优点是提高cache利用率，缺点是替换算法复杂。

       cache的容量决定了映射方式的选取。小容量cache采用组相联或全相联映射，大容量cache采用直接映射方式，查找速度快，但命中率相对较低。cache的访问速度取决于映射方式，要求高的场合采用直接映射，要求低的场合采用组相联或全相联映射。

       Cache伪共享问题发生在多核心CPU中，两个不同线程同时访问和修改同一cache line中的不同变量时，会导致cache失效。解决伪共享的方法是避免数据正好位于同一cache line，或者使用特定宏定义如__cacheline_aligned_in_smp。Java并发框架Disruptor通过字节填充+继承的方式，避免伪共享，RingBuffer类中的RingBufferPad类和RingBufferFields类设计确保了cache line的连续性和稳定性，从而避免了伪共享问题。

BlueStore源码分析之Cache

       BlueStore通过DIO和Libaio直接操作裸设备，放弃了PageCache，为优化读取性能，它自定义了Cache管理。核心内容包括元数据和数据的Cache，以及两种Cache策略，即LRU和2Q，2Q是默认选择。

       2Q算法在BlueStore中主要负责缓存元数据（Onode）和数据（Buffer），为提高性能，Cache被进一步划分为多个片，HDD默认5片，SSD则默认8片。

       BlueStore的元数据管理复杂，主要分为Collection和Onode两种类型。Collection存储在内存中，Onode则对应对象，便于对PG的操作。启动时，会初始化Collection，将其信息持久化到RocksDB，并为PG分配Cache。

       由于每个BlueStore承载的Collection数量有限（Ceph建议每个OSD为个PG），Collection结构设计为常驻内存，而海量的Onode则仅尽可能地缓存在内存中。

       对象的数据通过BufferSpace进行管理，写入和读取完成后，会根据特定标记决定是否缓存。同时，内存池机制监控和管理元数据和数据，一旦内存使用超出限制，会执行trim操作，丢弃部分缓存。

       深入了解BlueStore的Cache机制，可以参考以下资源：