前面介绍了Greedy，Cost-Benefit, CAT三种算法，本来应该继续介绍CICL了，实际上连参考资料都找好了。
不过前面讲了这么多东西，一直没有提到兵哥跟其他捡垃圾的不同之处，兵哥是一位商人，研究算法从来不是目的，赚钱才是终极使命。
那么兵哥的卖点是什么呢？
垃圾回收有两个重要的问题需要考虑：回收无效Block的时机以及每次回收的数量。因此，又关系到两种回收策略：主动回收策略与被动回收策略。
被动回收策略是当接收到写入请求时，系统根据目前状况判断是否执行垃圾回收，此策略模式下，系统通常会对可用空间设定一个临界值，当可用空间小于临界值时开始执行垃圾回收。每次[……]
自从Google I/O大会和阿法狗围棋显神威之后，TPU这个幕后英雄迅速受到大家的关注。本文就来一探TPU1处理器最为神秘的芯片架构。
TPU的架构如下图，绿色的DDR3 DRAM是芯片外的。TPU能够像GPU和CPU一样编程，有一套CISC指令集。作为机器学习处理器，不仅仅支持某一种神经网络，而是支持很多种，比如卷积神经网络、LSTM、全连接网络等。
图中，计算逻辑是黄格子的矩阵乘法器。左下角的Instr是指令缓存。通过PCIe获得数据和指令，由控制逻辑解析指令，交给计算单元去算。有点像是DSP芯片。由于每秒支持64K次乘法，所以神经网络计算的权值数据量很大，来自于DDR3 D[……]
兵哥研究Flash是一把好手，没事还把芯片揭开用电子显微镜照里面的电子玩。
兵哥捡垃圾的时候，不仅捡的时候有讲究，分拣的时候也是毫不马虎，有以下几种策略：
M1： 顺序扫描待GC的Block里的Valid Page，按照发现的顺序，把这些Page迁移到新的Block里；
M2：顺序扫描待GC的Block里的Valid Page，按他们的Age排序，把这些Page迁移到新的Block里；
M3: 顺序扫描待GC的Block里的Valid Page，按他们的Hot Degree排序，把这些Page迁移到新的Block里；
兵哥买房子的时候，考虑的最重要的三个因素是什么？
地段，地段，还是地段！
捡垃圾的时候，其实也是类似的。
前文提到，在90%的访问落到10%的数据上时，CAT算法的表现比Greedy和Cost-Benefit算法要好。如果把SSD的访问方式做一个定义：X/Y， X%的访问落在Y%的数据上，也就是（1-X）%的访问落在（1-Y）%的数据上。随着X/Y的变化，这三种算法的结果怎么变化？
继续站在前人的肩膀上看一看：
过了40/60这个节点以后，CAT算法的表现越来越好，而Greedy算法则是一退再退。
访问越是集中，CAT算法越是明显，到了95/5的时候，CAT进一步碾压Greedy：[……]
在兵哥每天战斗的深圳，多年前一位老人曾经说过：”实践是检验真理的唯一标准”。
Greedy，Cost-Benefit 和 CAT三种算法，优劣到底如何？还是需要实践。
前人已经栽树，用两个平台，固定的workload，对三种算法进行了测试，我们一边乘凉一边看一下结果。
在顺序读写的情况下，三种算法的结果没啥区别，你懂的。
在随机读写的情况下，Cost-Benefit和CAT算法的性能类似，比Greedy算法稍微差一点。
在区域性读写的情况下（对10%的数据读写占到总体读写量90%，符合柏拉图原则，没毛病），CAT的优势开始展现：
