硬件CPU缓存领域中，最接近我们工作的是[28]，它提出了一种在不同替换策略(LRU、LFU、FIFO、Random)间切换的自适应机制，但不能调节任何配置参数。
3 概述 W-TINYLFU 和FRD正如上文提示的，W-TinyLFU包含三个组件：Main缓存，一个近似LFU的准入过滤器，称为TinyLFU，以及一个Windows缓存，如图1。新到的元素会被插入到Window缓存。原则上，它可以使用任何已有的策略进行维护，但在Caffeine实现中，Window缓存使用了LRU淘汰[23]。类似地，Main缓存可能会引入任何缓存管理框架，但Caffeine使用了SLRU淘汰策略。从Window缓存淘汰的元素以及从Main缓存淘汰的元素会进入TinyLFYU过滤器，后续会对二者的频率进行评估，并选择频率最高的插入/保持到Main缓存中。
图1.W-TinyLFU框架：元素总是首先进入Windows缓存，从Windows缓存淘汰之后会进入Main缓存，此时会使用TinyLFU作为其准入过滤器。在这里，我们保留了[13]中的术语
可以将W-TinyLFU中Window缓存的大小设置为总缓存大小的0%-100%。W-TinyLFU的作者[13]经过大量负载实验后得出，将该值设置为1%可以获得最佳的命中率，这也是为什么Caffeine缓存库[23]将其作为默认配置的原因。然而，在一些严重偏向最近(访问)的负载中，需要将Window缓存的大小提升到20%-40%来媲美最佳备选方案(通常是LRU或ARC)。
通常使用sketch来实现用于评估访问频率的TinyLFU准入过滤器，如minimal increment counting Bloom filter [10]或count min sketch [11]。用于统计频率信息的采样大小S是缓存大小C的倍数。为了实现表项的过期功能，每达到S次访问后，计数器就会除以一个过期因子，该操作称为Reset[13]。默认情况下，过期因子为2，即，所有计数器都会在每个Reset操作时减半。由于访问频率为S/C的元素已经足够频繁，可以留在缓存中，因此计数器的最大值为S/C。
FRD [25]也将整个缓存区域划分为两部分，称为Temporal缓存和Actual缓存，每一部分都使用LRU进行管理。FRD会维护比较长的历史访问，类似其他框架中的幽灵表项。当出现缓存丢失时，如果访问的元素出现在历史记录中，则会将其插入到Actual缓存。否则，会将该新元素插入到Temporal缓存中。与W-TinyLFU类似，Temporal缓存和Actual缓存的比例是一个可调节的参数。经过测量，作者[25]建议将Temporal缓存的默认值设置为10%，并在后续工作中动态调节该值。与W-TinyLFU不同，FRD需要维护一个扩展的访问历史。
4 自适应缓存策略本章中，我们会使用一些方法来派生出自适应缓存管理策略。我们讨论了熟知的爬山算法[26]，以及新的、基于指示器的自适应框架的适应性。为了呈现具体的演示结果，在4.1章节中，首先调节W-TinyLFU 和 FRD的参数来对这些框架进行调节(当然，为了更好地处理基于最近(访问) vs 最常(访问)的负载，可以采用任何暴露了调参的框架)。然后在4.2章节中讨论自适应框架。
4.1 可调节参数对于W-TinyLFU和FRD，我们暴露了动态调节Windows(或Temporal)缓存相对大小的接口(占总缓存的0-100%)。在W-TinyLFU中，我们还测验了动态校准TinyLFU准入过滤器使用的sketch参数(影响最常访问的元素的过期速度)。下面详细说明这些内容。
4.1.1 Window Cache 大小当window(Temporal)缓存的淘汰策略是LRU时(例如Caffeine和FRD)，如果window(Temporal)缓存较大，其整体行为将接近LRU。特别地，当window(Temporal)缓存占100%时，将完全成为LRU。相反，由于W-TinyLFU准入过滤器基于元素的过期频率，小的Window缓存将倾向于强调访问频率。类似地，在FRD中，Actual缓存用于保存常用元素，即，如果将main(Actual)缓存扩展到总缓存的100%，将在W-TinyLFU和FRD中获得以频率为导向的策略，参见图2。
图2：调节W-TinyLFU和FRD：window缓存和main缓存的比例暗示了在最近(访问)和最常(访问)上的取舍
4.1.2 W-TinyLFU Sketch 参数W-TinyLFU准入过滤器有3个配置参数：(i)过期采样长度S，(ii)过期因子，每个Reset操作中的默认值为2，但可以扩大或缩小，(iii)每次访问元素时的增量，默认为1，也可以调节。
我们将一开始的采样长度设置为S。通过缩短S可以限制元素的最大频率个数，进而降低了不同元素之间的最大访问频率的差异，并加速了元素的过期进度(由于降低了最大值)。上述两种方式降低了访问频率的影响，使得过滤器更偏向最近(访问)。
增加过期因子可以划分Reset操作中的计数器，并加速过期，反之亦然。即增加因子会使过滤器倾向最近(访问)，降低则会倾向最常(访问)。