当前位置：首页 > article >正文

计算机组成与体系结构：替换策略（MRU LRU PLRU LFU）

article 2025/9/26 8:02:08

🎲 MRU（最近最常使用）

🪜 操作流程：

🎲 LRU（最近最少使用）

🪜 操作流程：

示例

🔍 Age Bits（年龄位）

核心思想：

模拟过程：

存储代价

🎲 PLRU（Pseudo-Least Recently Used）

为什么需要 Pseudo-LRU？

🪜 操作流程：

情况一：Cache 未满（初始填充阶段）

情况二：Cache 已满但命中（访问命中的块）

情况三：Cache 已满且未命中（发生替换）

查找 PLRU 块（≈ 最久未使用）

查找 MRU 块（≈ 最近访问过）

优点：

🎲 LFU（Least Frequently Used）策略

Frequency-Based Policy(频率驱动的策略)

🪜 操作流程：

前面我们探讨了几种不同类型的缓存替换策略，包括简单随机选择的 Random 策略，基于块进入缓存先来后到顺序的 FIFO 和 LIFO 策略，以及理想但不可实现的基于未来访问预测的 Optimal 策略。

然而，许多高效的替换策略并非依赖于随机性或简单的年龄，而是利用块的访问历史信息来推测哪些块未来最可能被再次访问。接下来，我们将介绍一类广泛应用的策略，它们正是基于这种访问历史，特别是块的最近使用情况来做出决策，这其中包括 Most Recently Used (MRU)、Least Recently Used (LRU) 以及其近似实现 Pseudo Least Recently Used (PLRU)。

🎲 MRU（最近最常使用）

每当需要替换缓存中的一个块时，总是淘汰最近刚刚被访问过的缓存块。

也就是说，谁最近被访问，就谁先被淘汰。

🪜 操作流程：

CPU 访问某个数据地址；
若发生 Cache Miss 且缓存已满；
查找“最近刚被访问的缓存块”；
替换掉它，把新数据加载进来。

假设当前缓存为 [A, B, C]，刚访问过 C，现在访问 D：

Cache 满了 → 采用 MRU → 替换 C（最近刚访问过）；
结果变成 [A, B, D]

适用场景：

MRU 适用于某些特定访问模式，如：

数据被访问后，短期内很少再次被访问；
循环访问模式 (Cyclic Patterns)。（例如图片中的1，2，3，4……1，2，3，4……）

🎲 LRU（最近最少使用）

LRU（最近最少使用）替换策略总是淘汰最久没有被访问的缓存块。

它利用了程序访问的时间局部性原则：最近访问过的数据更可能在短期内再次使用，因此我们优先保留“最近用过的”，淘汰“最久未使用的”。

🪜 操作流程：

每次访问缓存数据时，更新该数据的“最近使用时间”；
当发生缓存替换时，淘汰那个最久没有被访问的块。

实现方式常见有：

链表记录访问顺序；
为每个块打“时间戳”；
或用栈模拟。

示例

假设 Cache 容量为 4。访问序列：0, 1, 2, 3, 4, 2, 3, 1, 5, 6

我们按照 LRU 策略模拟整个访问过程，并说明关键点。

LRU 过程

步骤	访问	Cache 状态 (LRU, 旧→新)	替换	说明
1	0	[0]	-	加入 0
2	1	[0, 1]	-	加入 1
3	2	[0, 1, 2]	-	加入 2
4	3	[0, 1, 2, 3]	-	加入 3
5	4	[1, 2, 3, 4]	0 被替换	0 最久没用了
6	2	[1, 3, 4, 2]	-	2 已在，更新为最近使用
7	3	[1, 4, 2, 3]	-	同上
8	1	[4, 2, 3, 1]	-	同上
9	5	[2, 3, 1, 5]	4 被替换	4 最久未访问
10	6	[3, 1, 5, 6]	2 被替换	2 最久未使用

🔍 Age Bits（年龄位）

Age Bits 是用于记录每个 cache line “上次使用时间” 的一种方式。
在全相联映射中，cache 的任意位置都可以放任意数据，故替换策略必须决定淘汰哪个。
Age bits 为每个 cache line 分配一个计数器或编码值（如 2 位、3 位、4 位...），来表示“谁最老”。

核心思想：

在一个 n 路全相联缓存中，每个缓存块维护一个 age 编码值（0~n-1），表示这个块的“使用新旧程度”。

最大 age（n-1）表示“刚刚访问”（最新）；
age = 0 表示“最久未访问”（最老）；
每次访问：
- 被访问块设置为 n-1（最新）
- 所有 age 比它大的块不变
- 所有 age 比它小的块统一减一
当替换发生时，选择 age == 0 的块进行淘汰。

模拟过程：

步	访问	Cache 状态	Age Bits	替换	说明
1	0	[0]	[3, 0, 1, 2]	无	第一次加入，设为3
2	1	[0, 1]	[2, 3, 0, 1]	无	0老化为2，1为新
3	2	[0, 1, 2]	[1, 2, 3, 0]	无	所有老化，2最新
4	3	[0, 1, 2, 3]	[0, 1, 2, 3]	无	所有顺延
5	4	[1, 2, 3, 4]	[3, 0, 1, 2]	✅ 替换0	0 的 age = 0，淘汰它
6	2	[1, 2, 3, 4]	[2, 0, 3, 1]	无	2 命中 → age=3，其它老化
7	3	[1, 2, 3, 4]	[1, 0, 2, 3]	无	3 命中 → age=3，其他减一
8	1	[1, 2, 3, 4]	[0, 3, 1, 2]	无	1 被访问，更新 age=3，其他老化
9	5	[2, 3, 1, 5]	[3, 2, 0, 1]	✅ 替换4	4 的 age = 0，被淘汰
10	6	[3, 1, 5, 6]	[2, 1, 3, 0]	✅ 替换2	age=0 的 2 被淘汰

存储代价

1️⃣ 为什么是 4!（4 的阶乘）？

在一个 4 路 set 中，有 4 个块；
为了记录 LRU 的顺序，我们实际上是记录这 4 个块的相对“访问先后顺序”；
所有访问顺序的排列组合就是 4 的阶乘：

4!=4×3×2×1=24
所以，你要记录某一时刻的完整 LRU 状态，就要能区分这 24 种顺序

2️⃣ 为什么需要 log₂(24) ≈ 4.58 ≈ 5 bit？

用二进制编码这 24 个可能的访问顺序，需要的最少位数就是：

log⁡2(24)≈4.58
实际上只能使用整数位存储，所以你需要至少 5 个 bit 才能编码所有顺序。
每个 set 都要存这一份顺序信息，因此是 “5 bit per set”。

3️⃣ 如果关联度更高怎么办？

关联度越高（如 8-way），排列组合就越多：

8!=40320⇒log⁡2(8!)≈15.38! = 40320 \Rightarrow \log_2(8!) \approx 15.38!=40320⇒log2(8!)≈15.3
所以要记录 8-way LRU 顺序，需要至少 16 bit per set。
每个缓存 set 可能数以万计（比如 1024 sets），那么总共光记录顺序就占用了很多 bits。

严格实现 LRU = 记录使用顺序 = 记录块的排列组合状态

对于高关联度（如 8-way、16-way）的缓存：
- 排列数量指数级上升
- 对应的编码位数也线性上升（log₂(n!)）
所以：精确 LRU 的实现成本与缓存的关联度呈对数甚至阶乘级增长，最终带来巨大的硬件开销（huge overhead）

🎲 PLRU（Pseudo-Least Recently Used）

为什么需要 Pseudo-LRU？

在 n 路组相联缓存中，想要严格实现 LRU，就得记录每个 cache block 的访问顺序，需要 log₂(n!) bits per set。

例如：

4 路组 → 24 种顺序 → 至少 5 bits
8 路组 → 40320 种顺序 → 至少 16 bits

随着 n 增加，存储开销和更新逻辑急剧增加，对硬件极不友好。

定义：

Pseudo-LRU 是一种近似实现 LRU 的方法，不精确记录块的使用顺序，而是使用较少的状态信息

来大致估计哪个块最久未被使用，从而做出替换决策。

它并不真正知道“谁最久没被用了”，但能用更少资源推测出“比较可能是最久未用的块”。

这是一个 8-way set associative cache（每个 set 有 8 个块）使用的 Tree-based PLRU 替换策略。

🪜 操作流程：

有 7 个方向指示位，分别是：
- 层级 1：1 个 bit（根）
- 层级 2：2 个 bit
- 层级 3：4 个 bit
每个 bit 表示“下一次替换要往哪边走”
- 0 → Down（左）
- 1 → Up（右）
叶子节点 b₀ ~ b₇ 是 cache block，表示实际存放数据的 8 个位置。

情况一：Cache 未满（初始填充阶段）

操作流程：

将当前 block 加入 cache；
通过树结构“访问路径”更新方向位（bits）；
在沿路径的每一个判断节点上，都将其方向设为“指向这次访问的方向”；
不执行任何替换，只更新路径。

🔹 关键点：

Cache 未满时不会有替换，树结构的方向位起到“标记路径已使用”的作用，为未来做准备。

情况二：Cache 已满但命中（访问命中的块）

操作流程：

查找该块是否在 cache；
如果命中，则无需替换；
仍然要更新“路径方向 bits”：
- 访问路径上的每个 bit 更新为“指向这次使用的方向”。

🔹 关键点：

命中时仍然更新路径，使该块不会很快被淘汰，模仿 LRU“刚访问过”的行为。

情况三：Cache 已满且未命中（发生替换）

操作流程：

Cache 已满，新 block 不在 cache；
从根节点开始，把其原本的方向位反转（0→1，1→0）。
按照反转后的值，依次读取每个指示位，按照指示的方向走向下一个子节点。
一直走到底，直到指向某个叶节点（即某个缓存块），将其视为“最久未使用块”，并进行替换。

在替换操作执行完之后（或任意时刻），我们其实可以从树结构中推断出：

当前哪个 block 是 PLRU 替换候选者（= 最久未使用（approximate LRU））
当前哪个 block 是 MRU（Most Recently Used）（= 最刚刚被访问的）

查找 PLRU 块（≈ 最久未使用）

从根开始，严格按照节点当前存储的 bit 指示方向（0=左，1=右）一路向下，直到某个叶子块 → 即为 PLRU 替换候选块。

原因：

方向位每次访问时都会沿访问路径反转；
所以当前 bit 指示的路径，是上次没有访问的方向；
这一路路径就是“最久没有被访问的方向链”；
所以走到底的叶节点，就是 Pseudo-LRU 块（最久未用的）。

查找 MRU 块（≈ 最近访问过）

从根开始，按照每个节点 bit 的“反方向”走（即：如果 bit 是 0，就走右；如果 bit 是 1，就走左），直到叶节点 → 即为 MRU 块（最“新”访问过的）

原因：

被访问的路径上的 bit 在访问后都会被反转；
所以当前的“非选中方向”其实代表的是“最近走过的路径”；
沿这个“非选中路径”走下去，就会抵达最近一次访问的块。

优点：

优点	说明
硬件开销低	n 路组仅需 n–1 个 bits（比如 8 路组只用 7 bits）
访问/替换开销低	每次访问只更新 log₂(n) 条路径
接近 LRU 效果	在多数程序中命中率与 LRU 接近

🎲 LFU（Least Frequently Used）策略

Frequency-Based Policy(频率驱动的策略)

在缓存替换中，频率驱动的策略关注的是：每个缓存块被访问的“频率”而不是“时间顺序”。

即：“谁被访问得少，谁就先走。”

这种策略适用于访问热点长期稳定的场景，比如 Web 缓存、数据库缓存。其中最常用的是LFU策略。

LFU 替换策略始终淘汰访问频率最少的缓存块。每个缓存块都维护一个计数器，记录它被访问的次数。替换时，选择计数最小的块。

🪜 操作流程：

每个缓存块都有一个访问频率计数器 freq；
每次访问：
- 如果 block 在缓存（hit） → freq++
- 如果不在缓存（miss）：
  - 若 cache 未满 → 插入该 block，freq = 1
  - 若已满 → 选择 freq 最小的块进行替换；
插入新块时，初始化其 freq = 1。

这里采用了FIFO策略：

🎲 MRU（最近最常使用）

🪜 操作流程：

🎲 LRU（最近最少使用）

🪜 操作流程：

示例

🔍 Age Bits（年龄位）

核心思想：

模拟过程：

存储代价

🎲 PLRU（Pseudo-Least Recently Used）

为什么需要 Pseudo-LRU？

🪜 操作流程：

情况一：Cache 未满 （初始填充阶段）

情况二：Cache 已满 但命中（访问命中的块）

情况三：Cache 已满 且未命中（发生替换）

查找 PLRU 块（≈ 最久未使用）

查找 MRU 块（≈ 最近访问过）

优点：

🎲 LFU（Least Frequently Used）策略

Frequency-Based Policy(频率驱动的策略)

🪜 操作流程：

相关文章：

情况一：Cache 未满（初始填充阶段）

情况二：Cache 已满但命中（访问命中的块）

情况三：Cache 已满且未命中（发生替换）