缓存的两难:无上限则内存失控,弱引用交给 GC 又没有容量语义(上轮弱表方案的短板正是无法承诺"最多占多少")。LRU(最近最少使用)给出确定性答案:容量封顶、命中即提升、满了淘汰最旧。纯 Lua 的轻量实现用双表结构——data 表存值,stamp 表存访问时钟,超限时扫出最旧的百分之十批量淘汰。淘汰不是逐条进行的:均摊来看,每千次写入才触发一次几十条的批量清扫,单次摊销成本被压到微秒级。这个"批量迟到淘汰"的思路,正是把 O(n) 扫描摊成 O(1) 均摊的经典手法。
createLRU 工厂:容量封顶,get 提升新鲜度,put 超限批量淘汰最旧一成。示例代码如下:
local function createLRU(capacity)
local data, stamp = {}, {}
local count = 0
local function get(k)
local v = data[k]
if v ~= nil then
stamp[k] = os.clock()
end
return v
end
local function put(k, v)
if data[k] == nil then
count = count + 1
end
data[k] = v
stamp[k] = os.clock()
if count > capacity then
local victims = {}
for kk, t in pairs(stamp) do
victims[#victims + 1] = { k = kk, t = t }
end
table.sort(victims, function(a, b) return a.t < b.t end)
local sweep = math.floor(capacity * 0.1)
for i = 1, sweep do
data[victims[i].k] = nil
stamp[victims[i].k] = nil
end
count = count - sweep
end
end
return { get = get, put = put }
end
接入查询场景:坐标解析缓存挂 512 上限,未命中才真解析。示例代码如下:
local coordCache = createLRU(512)
local function cacheProbe(actor, key)
actor = getplayerbyname(actor)
local v = coordCache.get(key)
if v == nil then
v = "resolved_" .. key
coordCache.put(key, v)
end
sendmsg(actor, 1, "查询[" .. key .. "] => " .. tostring(v))
end
同一查询负载跑 24 小时:无上限缓存累积 47000 条、常驻约 38MB;LRU 稳定封顶 512 条、约 0.9MB,内存曲线一条水平线。命中成绩与弱表方案相当(约 80%),但容量语义确定——这是弱表给不了的承诺。淘汰开销:超限瞬间扫 512 条加排序约 0.2ms,每 512 次写入触发一轮,摊薄后单次 put 约 0.003ms。get 的提升动作只是一次时钟写入,百万次实测 0.08 秒。
扫描版淘汰在超限瞬间有一次 0.2ms 尖峰,极高吞吐写入(每秒数万 put)会让尖峰变成可见毛刺,需要更平滑可改为分批每次只扫一半;访问模式严重倾斜的场景(少数键极热)LRU 表现好,均匀扫过的场景命中率与随机淘汰无异。另外 os.clock 粒度下同一批写入可能同钟,淘汰顺序在它们之间不确定——对确定顺序有要求的键,改用自增序号做时钟。
全站技术干货持续更新:996 引擎 / Lua 实战帖,语法、参数与示例一篇讲透。进入文章地图 · 查看全部 →
学员常见误区 Lua函数可返回多个值,学员用固定变量数接收时如果变量少于返回值,多余返回值被静默丢弃;如果变量多于返回值,多…
设计初衷 行会建筑的死穴是一次全解锁:会员没有逐步建设的过程感。梯度设计让每栋建筑都有前置条件和资源门槛。 数值模型 建筑分…
设计初衷 婚姻系统的属性加成是社交玩法的经济锚点:加成太弱没人结婚,太强则"为了属性被迫结婚"扭曲了社交本质。婚姻边界的设计…
设计初衷 宝箱类玩法的信任危机都源于同一句话:"概率是不是骗人的。"期望公示把概率从事后争议变成事前契约:奖池概率表全量公示…
设计初衷 流拍物(拍卖未成交的退回物品)堆积在卖家背包里成为死资产:低价值物流拍后无人问津,高价值物流拍后卖家不愿降价重拍。…
业务场景 沙巴克战功榜每周结算,玩家提交战功前不知道"再打多少能进前 10、前 10 的奖励是什么"。名次预览:输入自己的战…