WiredTiger的Eviction机制通过server线程近似LRU选页，worker线程执行驱逐，区分clean（直接释放）和dirty（需reconcile，最新值进用户表，旧版进History Store）。配置target/trigger控制后台或应用线程参与驱逐，dirty超限时应用线程被迫协助。Eviction也是checkpoint前置减压阀，HS页同样参与驱逐。

本文讨论了Redis在内存达到上限时如何驱逐有效的key，重点分析了maxmemory和maxmemory-policy的作用。Redis采用近似LRU策略，通过随机采样和淘汰池来决定驱逐对象，避免了全局链表的复杂性。文章还介绍了不同的驱逐策略及其适用场景，以及内存管理中的常见误解和注意事项。

InnoDB的Buffer Pool机制通过维护LRU、Free和Flush三种列表来管理内存中的数据页。调整innodb_buffer_pool_size至物理内存的80%可能导致TPS下降，因为flush列表无法跟上脏页生成速度。Buffer Pool分为young和old区，优化全表扫描时的热页管理。监控应关注命中率、脏页比例和flush列表长度，以避免性能瓶颈。

These two parameters close out the bgwriter cluster. Together with bgwriter_delay, they govern how the background writer decides what to write each round, and they are where the actual leverage...

在CSAPP缓存实验中，学生编写C程序模拟缓存内存，参数包括缓存组数、每组行数、块大小和内存地址位数。程序处理内存访问，采用LRU替换策略，最终统计命中、未命中和驱逐次数，加深对计算机系统核心概念的理解。

本文介绍了Caffeine缓存的固定大小元素驱逐策略，重点阐述其实现原理和源码细节，包括Count-Min Sketch数据结构、内存屏障和MPSC多线程设计模式。Caffeine通过ConcurrentHashMap管理数据，结合LRU和TinyLFU算法进行元素驱逐，以确保高效性能。最后总结了Caffeine的设计理念及其在本地缓存选型中的理论依据。

本文介绍了 Caffeine 缓存的固定大小元素驱逐策略，重点阐述其实现原理和源码细节。Caffeine 通过 ConcurrentHashMap 管理数据，结合 LRU 算法和 Count-Min Sketch 数据结构优化元素访问频率，并采用 MPSC 多线程设计模式以提高读写效率。文章还分析了缓存维护机制和元素驱逐策略，为本地缓存选型提供理论依据。

本文讨论了ARC（自适应替换缓存）页面置换算法。ARC通过维护两个LRU链表（T1和T2）及其影子条目（B1和B2），动态调整页面替换策略，以平衡最近性和频率。ARC利用淘汰历史预测未来工作负载特征，从而提高缓存命中率。文章还指出LRU的局限性，强调选择合适算法的重要性。

内存泄漏是互联网应用中的常见问题。某客户的OpenResty应用内存持续增长，OpenResty XRay团队通过动态追踪工具诊断，发现主要泄漏源于SSL/TLS证书解析缓存，因LRU缓存容量过大导致内存无法回收。最终，OpenResty XRay帮助客户解决了该问题，显著降低了内存使用率，提升了系统性能。

本文介绍了Caffeine缓存的固定大小元素驱逐策略，包括实现原理、源码细节和设计理念。重点讨论了Count-Min Sketch数据结构、内存屏障和MPSC多线程设计模式。Caffeine通过ConcurrentHashMap管理数据，并结合LRU和TinyLFU算法进行元素驱逐，以确保高效性能。最后总结了Caffeine的缓存设计思想及其在本地缓存选型中的理论依据。