优先被淘汰LRU：least recently used。最近最少使用。判断最近被使用的时间最远的数据优先被淘汰LFU：least frequently used。最不经常使用。在一段时间内，数据被使用次数最少的，优先被淘汰。 Windows-TinyLFU演变 传统的LFU收时间周期的影响比较大。所以各种LFU的变种出现了，基于时间周期进行衰减，或者在最近某个时间段内的频率。同样的LFU也会使用额外空间记录每一个数据访问的频率，即使数据没有在缓存中也需要记录，所以需要维护的额外空间很大。命中率最高的策略就是 LFU，但是 LFU 有两个缺点：1. 需要维护比较大的元数据（比如说 key 的频数统计，缓存根据元数据来决定那些 key 需要清退）；2. 频数变化可能会很快。再回到LRU，我们的LRU也不是那么一无是处，LRU可以很好的应对突发流量的情况，因为他不需要累计数据频率。所以W-TinyLFU结合了LRU和LFU，以及其他的算法的一些特点。TinyLFU的改进之处 1.对某个 key 是否放入缓存，有一个准入策略，需要判断把 key 放进缓存有利才会放；2.更紧凑的数据结构 Caffeine比guava性能高的原因 在guava cache中读写操作夹杂着过期时间的处理，也就是在一次put操作中有可能还会做淘汰策略，所以其读写性能会受到一定影响。而Caffeine在读写操作上比guava高的原因在于Caffeine对淘汰策略的操作是异步操作（注意读写操作仍然是同步操作），他将事件提交至队列（RingBuffer）。然后会通过默认的ForkJoinPool.commonPool()，或者自己配置线程池进行取队列操作，然后再进行后续的淘汰，过期操作。当然读写也是有不同的队列，在Caffeine中认为缓存读比写多很多，所以对于写操作时所有线程共享一个Ringbuffer。对于读操作，为每个线程配备了一个RingBuffer Caffeine数据淘汰策略
在Caffeine所有的数据都在ConcurrentHashMap中，这个和guava cache不同，guava cache是自己实现了个类似ConcurrentHashMap的结构。在Caffeine中有三个记录引用的LRU队列
欢呼的春天队列：在Caffeine中规定只能为缓冲容量的1%。这个队列中记录的是新到的数据，防止突发流量由于之前没有访问频率，从而导致被淘汰。Probation队列：称为缓刑队列，在这个队列就代表数据相对较冷，马上就要淘汰了。有效大小为size-eden队列大小-protected大小Protected队列：保护队列有效大小为（size-eden队列大小）×80%淘汰策略
新数据进来首先进入欢呼的春天区，那么就算有突发的访问频率，也不会把这些数据给冲掉被访问过一次以上数据会从欢呼的春天进入Probation，Probation称为缓刑区，一旦没有晋升到Protected，那么这个区的数据最有可能先死从Probation的数据再被访问时会进入Protected区，在这个区称为保护区，这里的数据相对安全，但是一旦Protected区数据满了，被淘汰的数据，又会回到Probation区