一、μ_c 与 LRU 的数学耦合关系（AdaptSize 原版）1. 两层机制的分工AdaptSize 明确采用概率准入 + 并发 LRU 淘汰的两层结构：准入层：对象以概率 e−size/c 被准入到 LRU 队列头部淘汰层：使用 concurrent variant of LRU 执行具体驱逐2. μ_c 是连接两层的耦合参数每个对象有独立的 Markov 链，但所有链通过共同的 pushdown rate μ_c 耦合：LRU head ──μ_c pushdown──→ ... ──μ_c pushdown──→ LRU tail ──μ_c──→ not in cache ↓ size-aware admission rate r_i · e^{-c·s_i} ↓ 【信息科学与工程学】【产品体系】第二十篇 CDN网络 04
一、μ_c 与 LRU 的数学耦合关系（AdaptSize 原版）1. 两层机制的分工AdaptSize 明确采用概率准入 + 并发 LRU 淘汰的两层结构：准入层：对象以概率 e−size/c 被准入到 LRU 队列头部淘汰层：使用 concurrent variant of LRU 执行具体驱逐2. μ_c 是连接两层的耦合参数每个对象有独立的 Markov 链，但所有链通过共同的 pushdown rate μ_c 耦合：LRU head ──μ_c pushdown──→ ... ──μ_c pushdown──→ LRU tail ──μ_c──→ not in cache ↓ size-aware admission rate r_i · e^{-c·s_i} ↓