[发明专利]一种实时数据缓存机制

说明书

本发明公开了一种实时数据缓存机制，IRR表示一个页面最近两次访问的距离，R表示上次访问到至今访问了多少其他页，T表示页面的时间因子，缓存首先将IRR较大者替换出缓存，如果IRR相等，则将R在[Rmax,Rmax‑S]之间的T最大的页面替换出去，Rmax为IRR相等的页面中R最大值，Rmax‑S为最大值减去S的值。解决了一般缓存替换算法缓存污染，循环性质访问，不关注访问的概率性特征，没有考虑到实时数据的特点等问题，算法同时考虑了页面历史访问信息，最近访问频率，以及所缓存的数据的特征，有效的提高了缓存的命中率。

技术领域

本发明涉及一种缓存机制，特别是一种实时数据缓存机制。

背景技术

实时数据库其底层文件页淘汰算法依赖于程序局部性原理以及实时数据的相关特性，各种缓存淘汰算法的主要不同在于如何量化局部性。常见的有FIFO算法，LRU算法，这两种算法的缺点是没有使用缓存访问次数的信息，使得对于空间局限性较弱的场景效率很低，极端情况下可能完全无法命中缓存。LIRS(Low Inter-reference Recency Set)算法，有效的避免了上述算法的缺点，并且具有较高的性能。众所周知，缓存替换算法的高效性对于I/O系统整体性能有着非常重要的影响，常见的缓存替换算法有如下缺陷：

1、缓存污染问题：大量并发的对冷块进行访问会对热块进行不明智的替换，这在序列扫描中非常普遍。

2、循环性质访问问题:假如需要对一个文件进行循环性质的访问，并且文件的大小略微大于缓存的大小，那么就会出现即将被访问的快被当作冷块替换出去，一个明智的策略应尽量保证缓存的失效率近似于缓存空间不足的比例。

3、不关注访问的概率性特征：在多用户访问数据库场景中，每条记录的访问都涉及B树，即需要先访问索引再访问数据。

4、通用缓存替换算法没有考虑到实时数据的特点，即时效性，数据离当前时间越近时效性越高。

传统LRU，FIFO算法没有充分考虑数据的历史访问信息，访问概率等信息，只是简单的将最近访问的数据缓存起来，这会导致缓存效率底下在极端情况下缓存每次访问都不会命中，LIRS算法改进了LRU和FIFO算法的缺点，但是没有充分考虑到缓存数据的信息，在实时数据中越与当前时间靠近的数据块访问的概率越大。

发明内容

本发明所要解决的技术问题是提供一种实时数据缓存机制，其提高了缓存的命中率。

为解决上述技术问题，本发明所采用的技术方案是：

一种实时数据缓存机制，其特征在于：IRR表示一个页面最近两次访问的距离，R表示上次访问到至今访问了多少其他页，T表示页面的时间因子，缓存首先将IRR较大者替换出缓存，如果IRR相等，则将R在[Rmax,Rmax-S]之间的T最大的页面替换出去，Rmax为IRR相等的页面中R最大值，Rmax-S为最大值减去S的值。

进一步地，若一个页面首次访问则其IRR为无穷大，R为0，T为Tcurr-Tmax,Tmax为数据最大时间。

进一步地，所述一种实时数据缓存机制采用的数据结构由两个块单元信息数据结构集合构成，其中低IRR块保存IRR值低的块信息，高IRR块保存高IRR块的信息。

进一步地，所述IRR值低的块信息和高IRR块的信息为链表或者树。

进一步地，所述两个块单元信息数据结构对应的物理缓存由两部分组成，低IRR块是局部性最高的块需要常驻内存内存，高IRR块并不是所有的块都需要常驻内存，只需缓存一部分，其块的历史信息保留为算法调度提供参考；物理缓存的长度分为低IRR块长度Llirr和高IRR块缓存长度Lhirr1的和。

进一步地，所述S的值为5。