2. 缓存基础概念：缓存的定义、缓存命中与未命中、缓存淘汰策略

2.1 缓存的定义与核心价值

缓存（Cache）是一种将数据临时存储在高速存储介质中的技术，目的是减少对原始数据源（如数据库、磁盘、远程服务）的访问延迟，提升系统的整体吞吐量。在 OpenAPI 领域，缓存可以作用于契约文件本身、解析后的 Schema 对象、验证结果或网关路由配置。

缓存系统通常包含三个基本操作：

• 写入（Put/Set）：将数据存入缓存，并设置过期时间或淘汰优先级。
• 读取（Get）：根据键查找缓存数据，返回数据或空值。
• 失效（Invalidate/Evict）：主动删除或标记过期数据，保证数据一致性。

2.2 缓存命中与未命中

缓存命中（Cache Hit）与缓存未命中（Cache Miss）是衡量缓存效率的核心指标。每次读取请求都会产生以下两种结果之一：

2.3 缓存淘汰策略

当缓存空间满时，淘汰策略决定哪些数据被移除。不同策略适用于不同的访问模式。以下是三种最常用的淘汰策略：

2.4 三种淘汰策略的详细对比

2.4.1 LRU（最近最少使用）

LRU 基于“最近访问时间”进行淘汰。每次访问数据时，将其移动到链表头部；淘汰时移除链表尾部的数据。LRU 能很好地适应突发热点，但无法区分“高频低频”。

// LRU 缓存核心逻辑（伪代码）
class LRUCache:
    def get(key):
        if key in cache:
            move_to_head(key)   // 移到链表头部
            return cache[key]
        return null

    def put(key, value):
        if cache is full:
            evict_tail()        // 淘汰链表尾部
        cache[key] = value
        add_to_head(key)

2.4.2 LFU（最不经常使用）

LFU 基于“访问频率”进行淘汰。每个数据维护一个计数器，淘汰时选择计数最小的数据。LFU 能长期保留高频数据，但存在“缓存污染”问题（旧数据即使不再被访问，仍因历史高频而滞留）。

// LFU 缓存核心逻辑（伪代码）
class LFUCache:
    def get(key):
        if key in cache:
            increment_freq(key) // 增加访问频率
            return cache[key]
        return null

    def put(key, value):
        if cache is full:
            min_freq = find_min_freq()
            evict_one(min_freq) // 淘汰最低频率中的一个
        cache[key] = value
        freq[key] = 1

2.4.3 FIFO（先进先出）

FIFO 基于“进入缓存的时间”进行淘汰。使用队列维护数据进入顺序，淘汰时移除队首数据。FIFO 实现最简单，但完全不考虑访问频率和最近访问时间，容易淘汰热点数据。

// FIFO 缓存核心逻辑（伪代码）
class FIFOCache:
    def put(key, value):
        if cache is full:
            front = queue.dequeue() // 移除最早进入的数据
            cache.remove(front)
        cache[key] = value
        queue.enqueue(key)

2.5 策略选择建议