基于年纪和成本（Age & Cost）的缓存替换(cache replacement)机制

一、客户端的缓存与缓存替换机制

客户端的资源缓存：

在客户端游戏中，通常有大量的资源要处理，这些可能包括贴图、动作、模型、特效等等，这些资源往往存在着磁盘文件->内存(->显存)的数据通路，因为从磁盘文件读入内存是一个昂贵的的操作，所以很多客户端中的处理方法是放入一个缓存，当读入一个文件到内存后，就在内存中为他暂时保留一段时间，下次在读入这个文件就不用重复从磁盘读了，这种优化带来了客户端效率的极大提升，比如在一个有上百玩家的场景，可能我们用的玩家模型资源都是一个，只是贴图不同而已，如果使用缓存，那么你只需要从磁盘读取一次玩家模型的文件，而如果不使用，你可能要反复读取上百次，IO操作的低效会让用户很卡。

缓存替换：

然而我们用户的内存是有限大的，如果我们把每个资源都读进去保留而不释放，游戏就会越来越吃内存，一个典型的大象网游的资源可能几个G，最坏的情况用户读入了所有资源到缓存而不释放，那么也会因为内存不够用而崩溃。所以这里就通常要选择一些缓存替换机制：即动态的释放和加入资源到缓存，有进有出，但是要保证尽量让用户IO操作减少，一种最乐观的情况是，存在缓存中的资源恰好是用户使用的最多的资源，使用较少的会被使用多的交换出去。这模仿了CPU的cache机制。

二、现有的一些缓存替换机制：

基于CPU和操作系统的一些经典的cache replacement算法，客户端的资源缓存替换机制有以下一些做法：

1.懒人型，最简单的。就是没什么交换算法，只管读入缓存，然后只是定期的或发现缓存太大时一次性的清空缓存重来，这种在清空后会经历一段加载资源的顿卡，突然发现目前我们游戏的机制就是这样的，尴尬。。。但是这可能符合简单粗暴实用的原则。

2.LRU算发：大名鼎鼎的算法，当出现替换时，总是替换那个 上次使用时间距离限制最远的那个，这种算法认为最近使用的就是最长使用的，这种算法被多数体系结构使用，不过在某些极端情况下会导致thrash（内存的剧烈颠簸），比如说当一段时间内需要加载的东西过多时，而加载的资源呈有序重复序列时可能缓存会被一遍遍的清空。

3.MRU算法：它与LRU对应，但是它总是交换出最近使用的那个，这个倾向于保存最老的那个，听起来很奇怪，但是它往往不单独使用，通常配合LRU使用，当LRU出现thrash时转到MRU算法会有所帮助

三、基于Age和Cost 的算法：

今天看到了一种算法基于Age和Cost，似乎对客户端的缓存替换研究的更加到位一些，这种算法梗概如下：

1.Age：

为每个缓存保存一个32位的Age值初始为00000000（也就是第一次载入缓存时）（文档暂以8位代替），,每当hit一次，当前的最低位置1，每个计数区间（或每一帧）这个Age左移一位，例如某个资源在几帧内Age的变化

frame1：00000001（used）

frame2：00000011（used）

frame3：00000111（used）

frame4：00011100（not used）

frame5：00111000（not used）

根据当前的age，可以算出Age percentage Cost APC=1的数量/总的位数

APC越高说明这个资源近段时间是越有用的，替换时选择APC低的替换

基于Age的算法更加精确的得出了最近一段时间内资源的使用率，找出比lru更合理的替换，

2.Age扩展算法：

上面的每一步是按照帧来算的，实际使用中没帧来统计肯定是有点过了，可以按照一定时间片来统计，在一定时间片内可能一个资源回被用到n次，因此扩展的Age算法就单纯的标记1改为标记n，即这个统计区间内被用到的次数，如上例

time1：00000005（used 5 times）

time2：0000005A（used 9 times）

time3：000005A1（used 1 times）

time4：0005A100（not used）

time5：005A1000（not used）

这样APC=各位的值相加/最大的可能值

例如某个模型资源在上一段时间内被100个玩家引用，那么替换他的代价就明显要高很多，Age的扩展方法考虑的引用的频次

3.Age&Cost：

在实际的操作中，有些资源的替换成本是非常大的，例如从硬盘读入一个10m的贴图显然比读入一个100k的贴图成本大很多，所以替换时不能相同对待，这里考虑的成本记为relative cost（RC），算法中将最终的缓存替换成本TC=APC*RC，这样来综合考虑，通常将APC取值区间规整为0-1，而将rc规整为 1-10（算法作者认为载入文件的时间成本权重更大）。这样对不同的资源为它赋值不同的载入时间成本RC，再乘以上面的Age算法中的APC（引用频率成本），综合得出了它的缓存替换成本。一种比较简单的rc的赋值可以用它的文件大小来自动赋值。

几个例子：

APC    RC    TC

1          10      10       这说明这个文件的替换成本非常大，主要是文件比较大，同时它引用的频率特别高，这种资源基本上不会轻易从缓存中替换出来

0.2       8         4        这个文件很大，但是引用频率还很低，所以替换程度是中等的

1           5         5        文件很小，说明载入很快，但是引用频率很高，所以可以替换出来（因为再载入的成本低），也可以不替换出来，中等的

0.1      10        1       这个文件很大，载入很慢，但是引用很少，也就是说内存中存在一个很占地方但是几乎不怎么用的资源，值得替换出来，节省空间，因为不常用再次载入就算费时也值得

比如我们的游戏中开场有一个非常大的贴图资源，用于登录界面，它最开始有60M，（游戏中一般的贴图在几百K以下），而它在游戏中不会再被用到，现有的算法这个很大的资源会一直占在缓存里，用户内存被无故吃了很多，但是应用本算法，它的RC在游戏中可以达到上限10，但是APC基本上是下限，也许0.01，所以他的TC可能只有0.1，将登陆之后很快的时间内被从内存中释放出来。

赶紧利用这个算法节省一下我们的内存