這個案例的核心責任是說明快取容量壓力升高後,策略會從單層記憶體轉向分層管理。

觀察

Meta 透過 CacheLib 與 Kangaroo 把快取結構擴展到記憶體與快閃分層,改善容量與成本平衡。

判讀

當熱門資料集合超過 DRAM 經濟範圍時,單層快取會同時遇到成本與命中率瓶頸。

策略

  1. 定義不同資料熱度的落層策略。
  2. 把 eviction 與回補延遲納入共同指標。
  3. 驗證分層後 tail latency 與成本曲線。

下一步路由

2.3 TTL/eviction6.9 capacity/cost

引用源