缓存算法理论的最新发展水平是什么？
最近，我对以下问题感到最感兴趣：在存在不止一种类型的可用内存的情况下，优化内存使用的一般问题，并且在给定内存段的容量和访问它的速度之间要进行权衡。 熟悉的示例是一个程序，该程序决定何时从处理器高速缓存，RAM和硬盘驱动器（通过虚拟内存）进行读取 / 写入。 我对特殊情况特别感兴趣，在这种特殊情况下，需要加载的数据量（包括程序本身）大大超过了可用最快存储的容量（即，“仅加载所有内容”的简单解决方案不适用）。 我发现一个Wikipedia页面描述了一些常见的缓存算法，这几乎是我想要的。不幸的是，这些有点底层： 仅当您具有多次访问的子例程时，许多（例如LRU或MRU）才有意义。如果我有一个包含大量子例程的程序，其中某些子例程在给定的运行中从未访问过，而其中一些子例程则被访问过一两次，则此策略将永远无法工作，因为它无法在任何内容上建立足够的数据是常用的，不是。 其他的，例如CLOCK，似乎处理实现的特殊性，而不是真正地攻击问题的根源。 我知道有一种策略，其中一个方法是在测试运行期间首先配置程序，然后为操作系统提供配置文件以进行相应的优化。但是，我们仍然必须解决在构建概要文件时提供真正具有代表性的“示例用法”的问题。 我真正想了解的是：当我们抽象出硬件和软件的所有技术，并在纯理论上讲时，是否有可能以某种方式分析算法的结构，从而制定出一种有效的缓存策略来解决以下问题：它基于对算法正在执行的高级理解？