1.缓存淘汰机制
1.1 FIFO(First In First Out)
数据结构: 队列
先进先出。这种算法认为最早进入缓存的数据也是最早应该被淘汰的。它像一个队列一样工作，新数据项被添加到队列的一端，而当需要移除数据项时，从另一端开始移除最老的数据项。
优点是实现简单，缺点就是我们使用频率很高的数据，也会被移除，导致这个热点数据频繁的被添加又被淘汰，导致命中率降低。
1.2 LFU(Least Frequently Used)
数据结构: 哈希表 + 最小堆 或者 计数器数组
最少使用，也就是淘汰缓存中访问频率最低的记录。LFU 认为，如果数据过去被访问多次，那么将来被访问的频率也更高。
LFU 的实现就是维护一个按照访问次数排序的队列，每次访问的时候，访问次数加1，然后将队列重新排序，淘汰时选择访问次数最少的。
LFU 算法的命中率是比较高的，但缺点也非常明显，维护每个记录的访问次数，对内存的消耗是很高的；还有就是，如果有一个数据历史上访问次数特别高，但是在后来很少被访问，又因为它的历史访问次数很高，导致迟迟不能被淘汰，就一直占用我们的内存资源。
1.3 LRU(Least Recently Used)
数据结构: 双向链表 + 哈希表
最近最少使用，相对于仅考虑时间因素的 FIFO 和仅考虑访问频率的 LFU，LRU 算法可以认为是相对平衡的一种淘汰算法。
LRU 认为，如果数据最近被访问过，那么将来被访问的概率也会更高。所以他会优先淘汰长时间未被访问的数据。
LRU 算法的实现，使用双向链表和哈希表来记录数据的使用情况。每次访问一个数据项时，将其移到链表的前端；当需要淘汰数据项时，则从链表尾部开始移除。
优点就是他是一种相对平衡的淘汰算法，但是维护双向链表和哈希表增加了一定的开销，实现起来也比较复杂。
区别：
●替换策略：FIFO依据进入时间，LRU依据最后访问时间，LFU依据访问频率。
●实现复杂度：FIFO < LRU < LFU，其中LFU最为复杂，尤其是在处理频率相同或需要动态调整频率的情况下。
●性能表现：通常情况下，LRU优于FIFO，而LFU在特定场景下可能优于LRU，但其实现成本更高。
2.分布式缓存，线性缓存。线性哈希跟一致性哈希的区别，一致性哈希的哈希环倾斜的问题怎么办
传统哈希：在分布式系统中假设有n个节点，使用key%n来进行数据和节点之间的映射关系。一旦增加或删除一个节点，映射关系就变为了key%（n+或-1），绝大多数的映射关系都会失效。如果是在缓存场景里，就会出现缓存雪崩。
一致性哈希：将key值映射到2^32的空间里，这个空间是个环状的结构，我们计算节点的哈希值以后把它放在环上，然后顺时针找到的第一个节点就是它应选取的节点。如果说新增一个机器，那么他只会影响部分节点的映射关系，其余的映射关系不会改变。也就是说在新增或者删除节点时，只需要重新定位该节点附近的一小部分数据，不需要重新定位所有的节点，就能避免传统哈希带来的问题。
哈希环倾斜问题：如果说节点过少，导致他的节点分布在环的上半部分，而下半部分是空的。那么映射在下半部分的节点就会向上半节点的头节点倾斜，导致负载不均衡。这就会导致出现哈希环倾斜的问题。
解决办法：引入了虚拟节点，一个真实节点对应多个虚拟节点。这样就能增加节点的数量，解决了节点少导致的倾斜问题。
评论