伪最近最少使用二叉树答案

【问题标题】：Pseudo Least Recently Used Binary Tree伪最近最少使用二叉树
【发布时间】：2014-06-25 12:55:56
【问题描述】：

Pseudo LRU 背后的逻辑是使用更少的比特并加快块的替换。给出的逻辑是“让 1 表示左侧被引用的时间比右侧要晚，反之为 0” 但我无法理解下图中给出的实现：

详情请见：http://courses.cse.tamu.edu/ejkim/614/CSCE614-2011c-HW4-tutorial.pptx

【问题讨论】：

标签： caching memory ram

【解决方案1】：

我也在研究 Pseudo-LRU。这是我的理解。希望对您有所帮助。

“Hit CL1”：有一个指向 CL1 的对象，然后点击 LRU 状态（B0 和 B1）发生变化，通知 CL1 最近被引用。
“Hit CL0”：有一个指向 CL0 的对象，然后点击 LRU 状态 (B1) 更新以通知最近使用了 CL0（比 CL1）
“未命中；CL2 替换” 有一个未命中，请求 LRU 替换索引。作为当前状态，选择CL2。 LRU 状态（B0 和 B2）被更新以通知 CL2 最近被使用。（这也导致下一个替换将是 CL1）

【讨论】：

【解决方案2】：

我知道已经有一个答案清楚地解释了这张照片，但我想发布我的想法来实现快速伪 LRU 算法，它比经典 LRU 的优势。

从内存的角度来看，如果有 N 个对象（指针，32/64 位值），则需要 N-1 个标志位和一个 HashMap 存储对象的信息（指向实际地址的指针和数组中的位置），用于查询元素是否已存在于缓存中。它使用的内存并不比经典 LRU 少，实际上它使用了 N-1 个辅助位。

优化来自cpu时间。比较一些标志真的不需要时间，因为它们是位。在经典的 LRU 中，您必须具有某种允许插入/删除的结构，并且您可以快速使用 LRU（可能是堆）。这种结构需要 O(log(N)) 进行常规操作，但值之间的比较也很昂贵。因此，最终每个操作的复杂度为 O(log(N)^2)，而不是 Pseudo-LRU 的复杂度为 O(log(N))。

即使 Pseudo-LRU 并不总是在缓存未命中时取出 LRU 对象，但在实践中它似乎表现得非常好，这不是主要缺点。

【讨论】：