上篇博客作者只介绍了两种算法 下面作者介绍另外两种算法 第一种就是最佳置换算法，这种算法只在理论成立，但是在实际操作中是无法进行操作的，他的理念就是，每次置换的时候是置换出将来最晚使用的页号，所以可以达到最大程度上的节约置换的操作 第二种就是最少使用算法，主要是通过计数每个页号在一定时间内出现的次数，然后置换出出现次数最少的那一个页号，也就相当于是出现频率的意思，这种算法要记得和最近最久未使用算法进行区别,最久未使用算法的意思是，每次置换出队列中没有被使用的时间最长的元素，这里强调的是时间的最长 详细的可以看下面的源代码：
1.轮叫调度（Round Robin） 调度器通过“轮叫”调度算法将外部请求按顺序轮流分配到集群中的真实服务器上，它均等地对待每一台服务器，而不管服务器上实际的连接数和系统负载。大锅饭调度：rr - 纯轮询方式，比较垃圾。把每项请求按顺序在真正服务器中分派
在图论中，一个「匹配」（matching）是一个边的集合，其中任意两条边都没有公共顶点。
要说计算机系统里，什么技术把tradeoff体现的淋漓尽致，那肯定是缓存无疑。为了协调高速部件和低速部件的速度差异，加入一个中间缓存层，是解决这种冲突最有效的方案。
4 层的负载均衡更偏向底层能力的转发，相对于 7 层负载均衡，负载性能更好。7 层负载均衡能做更细微粒度的负载决策。
五种页面置换算法： 1）最佳置换算法（OPT） 2)先进先出算法（FIFO） 3)最近最少使用算法（LRU） 4)时钟置换算法（CLOCK） 5)改进型的时钟置换算法
LRU 最近最少使用，是一种常见的淘汰（置换）算法，选择最近最久未使用的予以淘汰。常用于内存管理。
这里作者就先实现了两种置换方法 第一种就是先进先出算法 第二种就是最久未使用算法 首先看到先进先出，我们最容易想到的就是队列了，所以实现起来比较简单 第二个就是最久未使用，这里面的难点就是在如何判断哪个页号是最久未使用的那个，以及每次不管页号是否在内存中，都需要进行的操作。这里作者就不讲解了， 下面的源代码中会详细讲解。
贪心算法（Greedy Algorithm）是一种常见的优化算法，用于解决一类最优化问题。在每一步选择中，贪心算法总是选择当前看起来最优的选择，而不考虑该选择会不会影响未来的选择。这种贪心选择的策略通常是局部最优的，但不一定是全局最优的。
哦，不！你不小心把一个长篇文章中的空格、标点都删掉了，并且大写也弄成了小写。像句子”I reset the computer. It still didn’t boot!”已经变成了”iresetthecomputeritstilldidntboot”。在处理标点符号和大小写之前，你得先把它断成词语。当然了，你有一本厚厚的词典dictionary，不过，有些词没在词典里。假设文章用sentence表示，设计一个算法，把文章断开，要求未识别的字符最少，返回未识别的字符数。
那些有效期到了的数据，Redis并不是真的一到期立刻就把它删了，因为删除数据相比于其他客户端命令并不那么重要，这些数据会暂留在内存中，最终根据Redis的删除策略删除
◆ 前言 本文参考源码版本 redis6.2 Redis 基于内存设计，所有数据存放在内存，随着时间推移，内存占用也越来也高 ... 由于内存容量这个物理限制，我们需要在内存使用量达到一定比例后，做一些内存清理工作，以保证有足够的空间来完成正常的处理。 在 Redis 中，完成这个工作的就是本文的主角 ------- Redis 内存淘汰机制。 一定比例：在 redis 中就是 maxmemory 阈值 淘汰策略：在 redis 中目前有两种流行的算法：LRU 与 LFU 算法 如果让你来设计一款内存淘汰策
——老子
假如存在下面需要付费的广播台，以及广播台信号可以覆盖的地区，如何选择最少的广播台，让所有地区都可以接收到信号？
程序执行时会呈现出局部性规律，即在一较短的时间内，程序的执行仅局限于某个部分，相应地，所访问的存储空间也局限于某个区域。
在设置key的过期时间的同时，为该key创建一个定时器，让定时器在key的过期时间来临时对key进行删除。 优点： 保证内存被尽快释放。 缺点： 1)若过期key很多，删除这些key会占用很多的CPU时间，在CPU时间紧张的情况下，CPU不能把所有的时间用来做要紧的事儿，还需要去花时间删除这些key。 2)定时器的创建耗时，若为每一个设置过期时间的key创建一个定时器（将会有大量的定时器产生），性能影响严重。
由于HTTP是一种无状态协议，每次请求完毕之后就立即断开了，当用户浏览购物网站挑选商品的时候，看到一件商品加入购物车，此过程被重定向到了REALSERVER1上面来，当把第二件商品加入购物车又被重定向到了REALSERVER2上面，最后结账的时候在REALSERVER2上面，只有一件商品，这显然是用户无法接受的，此时就需要一种持久连接机制，来把同一用户的HTTP请求在超时时间内都重定向到同一台REALSERVER，超时时间可以自己定义，比如说2个小时，在超时时间内服务器会不断追踪用户的访问请求，把某一用户的所有请求都转发到同一台REALSERVER上面
LVS简介 Internet的快速增长使多媒体网络服务器面对的访问数量快速增加，服务器需要具备提供大量并发访问服务的能力，因此对于大负载的服务器来讲， CPU、I/O处理能力很快会成为瓶颈。由于单台服务器的性能总是有限的，简单的提高硬件性能并不能真正解决这个问题。为此，必须采用多服务器和负载均衡技术才能满足大量并发访问的需要。Linux 虚拟服务器(Linux Virtual Servers,LVS) 使用负载均衡技术将多台服务器组成一个虚拟服务器。它为适应快速增长的网络访问需求提供了一个负载能力易于扩
LRU（Least Recently Used，最近最少使用）算法是一种常用于缓存管理的算法，用于在缓存空间有限的情况下，决定哪些数据应该被移除。它的基本思想是：如果一个数据最近被访问过，那么在将来一段时间内它被再次访问的概率较高。因此，当缓存已满，需要移除数据时，优先移除那些最近最少被使用的数据。
LVS 介绍： 主流开源软件LVS、keepalived、haproxy、nginx等 其中LVS属于4层（网络OSI 7层模型），nginx属于7层，haproxy既可以认为是4层，也可以当做7层使用 keepalived的负载均衡功能其实就是内嵌了lvs的功能。 lvs这种4层的负载均衡是可以分发除80外的其他端口通信的，比如MySQL的，而nginx仅仅支持http，https，mail，haproxy也支持MySQL这种 相比较来说，LVS这种4层的更稳定，能承受更多的请求，而nginx这种7层的更
LVS（linux virtual server）即linux虚拟服务器，由章文嵩博士主导开发的开源负载均衡项目，从2.6内核开始已经被集成到linux内核模块中了，该项目在linux内核中实现了基于IP的数据请求负载均衡调度方案，终端互联网用户从外部访问公司的外部负载均衡服务器，终端用户的web请求会发送给LVS调度器，调度器根据自己预设的算法决定将该请求发送给后端的某台web服务器，如果后端的所有web服务器存储的内容时相同的，那么用户不管访问哪台真实的web服务器得到的内容也都是相同的，所以整个集群对于用户而言是透明的。最后根据工作模式不同，真实服务器会选择不同的方式将用户需要的数据发送给终端用户。
Redis缓存作为提高系统性能最好的方式相信大家对其一定不陌生，各位作为秃头老码农不仅需要掌握Redis的基础用法还得了解Redis的相关原理，比如Redis过期策略和内存淘汰机制。
为了达到降低随后发生缺页中断的次数或者概率，人们设计出了各种各样的页面替换算法，这些算法大致可分为公平算法和非公平算法。
将程序的逻辑地址空间划分为固定大小的页(page)，而物理内存划分为同样大小的页框(pageframe)。程序加载时，可将任意一页放人内存中任意一个页框，这些页框不必连续，从而实现了离散分配。也就是把内存等分成N份，存放运行的程序时，按分成的快放置即可。但放置时要考虑主存里哪些块已经被占用，这个用主存分配表（位示图）来表示。
而Cache的容量有限，那如果cache满了怎么办？ 当Cache的容量用完后，而又有新的内容需要添加进来时， 就需要挑选并舍弃原有的部分内容，从而腾出空间来放新内容。 那应该选取那一部分的内容和新内容进行替换呢？这就涉及到cache的替换算法，而LRU Cache就是cache替换算法中的一种！ LRU Cache 的替换原则就是将最近最少使用的内容替换掉。其实，LRU译成最久未使用会更形象， 因为该算法每次替换掉的就是一段时间内最久没有使用过的内容。
二分图也叫二部图，设G=(V,E)是一个无向图，如果顶点V可分割为两个互不相交的子集(A,B)，并且图中的每条边（i，j）所关联的两个顶点i和j分别属于这两个不同的顶点集(i in A,j in B)，则称图G为一个二分图。如下图所有的顶点可以分成A，B两个集合，而A集合与B集合中的点与自己的阵营的点是没有连线的（A集合的点只与B集合的点有边相连），则称这个为一个二分图.(离散数学中的内容)
选择排序是一种简单直观的排序算法。它的原理是这样：首先在未排序序列中找到最小（大）元素，存放到排序序列的起始位置，然后，再从剩余未排序元素中继续寻找最小（大）元素，然后放到已排序序列的后面，以此类推，直到所有元素均排序完毕。算法实现如下：
MySQL的InnoDb Buffer Pool 缓冲池是主内存中的一个区域，用来缓存InnoDB在访问表和索引时的数据。对于频繁使用的数据可以直接从内存中访问，从而加快处理速度。如果一台服务器专用作MySQL数据库使用时，通常将70%~80%（具体看总内存大小而定）的物理内存空间分配给缓冲池。
文章目录 揭开 LVS 神秘的面纱 一 前言 二 认识 LVS 三 了解三种模式 3.1 Virtual Server via Network Address Translation（VS/NAT） 3.2 Virtual Server via IP Tunneling（VS/TUN） 3.3 Virtual Server via Direct Routing（VS/DR） 四 每种模式的优缺点 4.1 NAT 模式 4.
目前暂时只接入了微信，如果大家对这个问答系统感兴趣的话可以在我的主页里找到我的微信号
欢迎关注专栏：Java架构技术进阶。里面有大量batj面试题集锦，还有各种技术分享，如有好文章也欢迎投稿哦。
缓存操作主要有两种类型。缓存如浏览器缓存，服务器缓存，代理缓存，硬件缓存工作原理的读写缓存。当处理缓存时，我们总是有大量的内存需要花费大量的时间来读写数据库、硬盘。 缓存则能帮我们加快这些任务。
FIFO（First in First out），先进先出。其实在操作系统的设计理念中很多地方都利用到了先进先出的思想，比如作业调度（先来先服务），为什么这个原则在很多地方都会用到呢？因为这个原则简单、且符合人们的惯性思维，具备公平性，并且实现起来简单，直接使用数据结构中的队列即可实现。
大数据文摘作品 作者：段 少 主播：段天霖 三月倒春寒，天气的喜怒无常让你一会短袖，一会毛衣，忙碌了一天的你回到家里，因为穿了毛衣，所以满头大汗，想马上换身凉爽的衣服，但乱糟糟的衣柜又要花几个小时来整理，想想就不happy，如何一回到家就极速换上舒爽的衣服，开心的摊在沙发上，而且自己的其他衣物依然摆放整齐呢？ 有一个算法能够让你迅速找到要穿的衣服鞋子而其他衣物依然摆放整齐，它还能够使你迅速搜寻到研究资料的同时办公桌依然井井有条，而且它还可以让你在人际交往中游刃有余，杜绝无效社交，从而拥有高效率人生，这就是
LRU 是 Least Recently Used 的缩写，即最近最少使用，是一种常用的页面置换算法，选择最近最久未使用的页面予以淘汰。该算法赋予每个页面一个访问字段，用来记录一个页面自上次被访问以来所经历的时间 t，当须淘汰一个页面时，选择现有页面中其 t 值最大的，即最近最久未使用的页面予以淘汰。-百科 上面是对操作系统中 LRU 算法的阐述，本文说的 LRU 主要是指该算法在业务层的缓存算法中的应用，总而言之，基本的实现逻辑是一样的。
通过高性能网络或局域网互联的服务器集群正成为实现高可伸缩的、高可用网络服务的有效结构。
集群(cluster)，从字面上就知道，集与群都是多的概念。集群就是多台机器组合在一起共同完成一个需求。
这个算法的思想就是：如果一个数据在最近一段时间没有被访问到，那么在将来它被访问的可能性也很小。所以，当指定的空间已存满数据时，应当把最久没有被访问到的数据淘汰。
1、CDN有PULL和PUSH两种机制 2、缓存删除算法：LRU：最近最少使用 LFU：使用频率最低 3、命中率=命中次数/命中次数+未命中次数 4、中心节点、区域节点、边缘节点 5、存储类型：直连式存储DAS/网络存储FAS：接入式存储NAS/区域式存储SAN 6、CDN的访问时间包括：DNS地址解析、访问CDN服务器、CDN重定向、收到数据包 7、测试工具：diversifEye 8、机架式服务器、刀片式服务器 9、HT：超线程技术
哦，不！你不小心把一个长篇文章中的空格、标点都删掉了，并且大写也弄成了小写。 像句子"I reset the computer. It still didn’t boot!"已经变成了"iresetthecomputeritstilldidntboot"。 在处理标点符号和大小写之前，你得先把它断成词语。 当然了，你有一本厚厚的词典dictionary，不过，有些词没在词典里。 假设文章用sentence表示，设计一个算法，把文章断开，要求未识别的字符最少，返回未识别的字符数。
Redis的所有键都可以设置过期策略，Redis的每个设置了过期时间的key都会被放在一个独立的字典中，用于遍历删除。
程序自身并不需要关心自己的数据及代码存在哪，并且对程序来说，内存看上去是连续且独占的。当然事实肯定不是如此，而这背后就是操作系统的功劳 —— 内存虚拟化。本篇文章就介绍操作系统是如何实现虚拟内存系统的。
前面我们介绍了树这种数据结构，树是由n（n>0）个有限节点通过连接它们的边组成一个具有层次关系的集合，把它叫做“树”是因为它看起来像一棵倒挂的树，包括二叉树、红黑树、2-3-4树、堆等各种不同的树，有对这几种树不了解的可以参考我前面几篇博客。而本篇博客我们将介绍另外一种数据结构——图，图也是计算机程序设计中最常用的数据结构之一，从数学意义上讲，树是图的一种，大家可以对比着学习。 1、图的定义 我们知道，前面讨论的数据结构都有一个框架，而这个框架是由相应的算法实现的，比如二叉树搜索树，左子树上所有结点
如图所示，其中的三条边即该图的一个匹配。所以，匹配的两个重点：1. 匹配是边的集合；2. 在该集合中，任意两条边不能有共同的顶点。 那么，我们自然而然就会有一个想法，一个图会有多少匹配？有没有最大的匹配（即边最多的匹配呢）？
二分图又称作二部图，是图论中的一种特殊模型。 设G=(V,E)是一个无向图，如果顶点V可分割为两个互不相交的子集(A,B)，并且图中的每条边（i，j）所关联的两个顶点i和j分别属于这两个不同的顶点集(i in A,j in B)，则称图G为一个二分图。简而言之，就是顶点集V可分割为两个互不相交的子集，并且图中每条边依附的两个顶点都分属于这两个互不相交的子集，两个子集内的顶点不相邻。（简单说就是把一个图的顶点分成两个集合，且集合内的点不邻接）
LVS（Linux Virtual Server），也就是Linux虚拟服务器, 是一个自由软件项目。使用LVS技术要达到的目标是：通过LVS提供的负载均衡技术和Linux操作系统实现一个高性能、高可用的服务器群集，它具有良好可靠性、可扩展性和可操作性。从而以低廉的成本实现最优的服务性能。
匈牙利算法解决的问题概述：有 n 项不同的任务，需要 n 个工人分别完成其中的 1 项，每个人完成任务的成本不一样。如何分配任务使得花费成本最少？
BFS算法和DFS算法属于图论算法的范畴，DFS在前面回溯中，可以去看一下。 BFS算法用于寻找两点之间的最短路径。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
