使用LIFO缓存淘汰策略的理由及适用场景有哪些？

你提到的LIFO缓存定义如下：

后进先出（LIFO）/先进后出（FILO）
采用该算法的缓存行为逻辑与栈完全一致，和FIFO队列的逻辑相反。缓存会优先淘汰最近新增的块，完全不考虑该块此前的访问频率或访问次数。

很多人会觉得LIFO的淘汰逻辑违背缓存设计的直觉，本质是默认假设了「所有新存入缓存的条目都有大概率被二次访问」，当业务场景不符合这个假设时，LIFO反而会成为性价比极高的选择，它的常见适用场景包括：

• 全量顺序遍历类场景
  比如需要按固定顺序遍历容量远大于缓存上限的数据集，且每个数据块仅会被访问一次。此时最新存入缓存的块刚被读取完就不会再被调用，优先淘汰这些块，反而可以保留更早存入、还没来得及遍历到的块，大幅提升缓存命中率。多数数据库的全表扫描算子内部就会采用LIFO作为临时缓存的替换策略。
• 栈式计算的中间结果缓存
  深度优先搜索、递归计算等栈结构的运算场景，天然遵循「最新压入的任务最先处理，处理完相关结果就不再调用」的规律，用LIFO缓存刚好可以淘汰已经处理完毕的最新中间结果，保留还在等待处理的更早的任务数据，完全匹配运算逻辑的访问规律，命中率远高于其他替换策略。
• 资源极度受限的嵌入式场景
  LIFO的实现成本极低，只需要维护一个栈顶指针，不需要记录每个缓存块的访问时间、访问频率等元数据，内存和计算开销远小于LRU、LFU等复杂策略。在传感器、低功耗嵌入式设备等资源极其有限的场景下，哪怕LIFO的命中率只比其他策略高一点，节省的资源开销也足以覆盖收益。

另外你提到的「单条数据只查询一次就没必要缓存」的认知存在偏差：哪怕单条数据仅会被访问一次，缓存也可以起到批量IO缓冲的作用——比如从磁盘拉取数据时往往是按页拉取，一页包含多条数据，哪怕你只会访问页里的一条数据，把页存在缓存里也可以避免后续相邻数据的重复磁盘IO，这种场景下LIFO淘汰刚用完的页，不会占用过多缓存空间。

内容的提问来源于stack exchange，提问作者Ricola