缓存淘汰算法深度实战：从 LRU 到 W-TinyLFU 的完整演进之路
缓存淘汰算法深度剖析，覆盖八种经典算法的原理、实现与工程实践。从 LRU/LFU 基础出发，深入 ARC/LIRS 自适应算法，再到 W-TinyLFU 与 Count-Min Sketch 概率数据结构，最后解析 Redis 与数据库 Buffer Pool 的生产级实现。
TinyLFU
W-TinyLFU 与 Caffeine 深度实战：从 LRU 的扫描免疫性缺陷到频率草图准入的在线替换工程
把缓存命中率问题还原为在线替换决策问题：拆解 LRU 的扫描免疫性缺陷与 LFU 的历史污染，详解 TinyLFU 如何用 4-bit Count-Min Sketch 与 Doorkeeper 做低成本频率估计，W-TinyLFU 如何用「频率判准入、LRU 判淘汰」的分工与 Hill Climbing 自适应窗口兼顾突发与稳态，以及 Caffeine 如何用 striped ring buffer、分层时间轮与异步淘汰把这些理论做成纳秒级无锁实现。附可运行的 Python 草图代码与生产落地检查清单。
