交互式模拟器
Cache Hit Rate Lru模拟器
并列查看命中率曲线、栈距离示意图和延迟分解，判断增加缓存容量何时收益变小。
实时 LRU 缓存动画
绿色闪烁＝命中（将键移到队首）；红色闪烁＝未命中（淘汰队尾的最久未使用槽，并插入队首）。左侧为 MRU（最近使用），右侧为 LRU（最久未使用）。访问序列具有 Zipf 式局部性。
物理模型与主要公式
$$H \approx 1-\exp\left[-\alpha\frac{C}{W}\right],\quad H=\frac{\text{hits}}{\text{accesses}}$$
真实LRU命中率强烈依赖访问分布。本页用局部性系数近似，用于详细访问轨迹分析前的容量敏感性判断。
如何解读
命中率曲线显示容量增加后的收益饱和点。
栈示意图说明最近使用元素留在缓存中的机制。
延迟图显示未命中率如何直接变成后端负载。
通过对话理解Cache Hit Rate Lru
🙋看Cache Hit Rate Lru时，应该先看哪里？调整工作集大小 W后，图和数值都会变化，有点不好判断。
🎓先看命中率，但不要只看数字。用LRU命中率曲线确认前提形状或状态，再用栈距离示意图看分布和变化方式。命中率曲线显示容量增加后的收益饱和点。
🙋工作集大小 W变大时命中率会变化，这比较直观。那缓存容量 C的影响要怎么读？
🎓逐步调整缓存容量 C并观察未命中率，就能看出哪个因素在控制结果。真实LRU命中率强烈依赖访问分布。本页用局部性系数近似，用于详细访问轨迹分析前的容量敏感性判断。 不要只算一个点，要在实际可能波动的范围内来回检查。
🎓延迟与负载用来找危险边界，以及余量突然变小的输入组合。栈示意图说明最近使用元素留在缓存中的机制。 例如Web/API缓存容量初步设计时，比单点结果更重要的是条件稍微偏离后会怎样。
🎓这里适合作为初步判断。它对估算数据库或CDN未命中负载和比较缓存成本与延迟改善有帮助，但最终判断仍要结合标准、实测值、详细分析和厂家条件。延迟图显示未命中率如何直接变成后端负载。
实际使用
Web/API缓存容量初步设计。
估算数据库或CDN未命中负载。
比较缓存成本与延迟改善。
常见问题
先看命中率和未命中率。然后用LRU命中率曲线确认前提状态，再用栈距离示意图读取分布和偏差。命中率曲线显示容量增加后的收益饱和点。
先单独调整工作集大小 W，再以相近幅度调整缓存容量 C，比较命中率的变化。延迟与负载能显示哪些输入组合会让余量或性能快速变化。
适合用于Web/API缓存容量初步设计。不要只看单点数值，而应扩大输入范围，确认命中率是否仍有余量，再决定是否进入详细分析。
真实LRU命中率强烈依赖访问分布。本页用局部性系数近似，用于详细访问轨迹分析前的容量敏感性判断。最终判断仍需结合标准、实测值、详细分析和厂家条件。
使用指南
- 输入工作集大小 W（项数）与缓存容量 C（项数，均为 item 计数，非 MB/GB）
- 设置局部性 α（0.2〜8，默认2.2）：值越大表示访问越集中于子集，相同容量下命中率越高
- 输入请求速率（req/s）与未命中惩罚（ms），命中率、未命中率、平均额外延迟与后端负载实时更新
- 增大缓存容量 C，观察命中率提升趋于饱和的位置以及后端负载的下降
具体计算示例
采用默认值（工作集 W=50,000 项、缓存容量 C=8,000 项、局部性 α=2.2、5,000 req/s、未命中惩罚 30 ms）：命中率 H = 1−exp(−α·C/W) = 1−exp(−2.2×8000/50000) ≈ 29.67%，未命中率 70.33%，平均额外延迟 = 30×0.7033 ≈ 21.1 ms，后端负载 = 5,000×0.7033 ≈ 3,516 req/s。将缓存容量 C 翻倍至 16,000 项后命中率升至 50.54%，后端负载降至约 2,473 req/s；容量越大收益递减（趋于饱和）。
实务注意事项
- LRU在局部性0.85以上时与最优离线算法性能接近，低于0.6时考虑LFU或ARC策略替代
- 命中率曲线拐点对应最优缓存容量：继续扩容收益<成本增长，可用二分查找算法定位
- 栈距离>缓存容量的访问会产生缓存穿透，直接增加数据库/磁盘I/O，单次穿透延迟通常150ms以上
- 生产环境需预留20-30%缓存容量应对工作集峰值波动，避免命中率急剧下降