FIFO先进先出算法
FIFO（First in First out）先进先出。可以理解为是一种类似队列的算法实现。
算法：如果一个数据最先进入缓存中，则应该最早淘汰掉。
换句话说：最先进来的数据，被认为在未来被访问的概率也是最低的， 因此，当规定空间用尽且需要放入新数据的时候，会优先淘汰最早进来的数据。
演示:
下面简单演示了FIFO的工作过程，假设存放元素尺寸是3，且队列已满，放置元素顺序如下图所示。当来了一个新的数据“ldy”后，因为元素数量到达了阈值，则首先要进行淘汰置换操作，然后加入新元素， 操作如图展示：
优点：最简单、最公平的一种数据淘汰算法，逻辑简单清晰，易于实现
缺点：这种算法逻辑设计所实现的缓存的命中率是比较低的，因为没有任何额外逻辑能够尽可能的保证常用数据不被淘汰掉
LRU —— 适用于局部突发流量场景
LRU（The Least Recently Used）最近最少使用淘汰算法（最近最久未使用淘汰算法）。
算法：
如果一个数据最近很少被访问到，那么被认为在未来被访问的概率也是最低的，当规定空间用尽且需要放入新数据的时候，会优先淘汰最久未被访问的数据
演示:
下图展示了LRU简单的工作过程，访问时对数据的提前操作，以及数据满且添加新数据的时候淘汰的过程的展示如下：
优点：
LRU 实现简单，在一般情况下能够表现出很好的缓存命中率，是一个“性价比”很高的算法。LRU可以有效的对访问比较频繁的数据进行保护，也就是针对热点数据的命中率提高有明显的效果。LRU局部性突发流量场景，对突发性的稀疏流量（sparse bursts）表现很好。
缺点：
在周期性的局部热点 数据场景，有大概率可能造成缓存污染。缓存命中率不高 。
具体来说：最近访问的数据，并不一定是周期性访问的数据， 比如把全量的数据做一次迭代，那么LRU会产生较大的缓存污染，因为周期性的局部热点数据，可能会被淘汰。
总之
如上所述，对于偶发性、周期性的数据没有良好的抵抗力，很容易就造成缓存的污染，影响命中率。
