把隔最久才会再用的数据剔除──贝雷迪演算法
到了某个时候，只要多学一些知识，就会忘记一些你原本已经知道的事情快取装满时，如果还需要存放其他数据，就必须腾出空间，在电脑科学中，这个腾出空间的程序称为快取替换（cache replacement）或快取剔除（cache eviction）。
这类演算法称为替换策略（replacement policy）或剔除策略（eviction policy），或者直接称为快取演算法。其中最重要的大概是外号「雷斯」的莱斯洛．贝雷迪（László Bélády）设计的演算法。这篇论文说明，快取管理的目标，是尽量减少在快取中找不到需要的数据，以致必须转而至速度较慢的主记忆体寻找的状况。这类状况称为寻页错失（page fault）或快取未中（cache miss）。贝雷迪在论文中提到，最佳的快取剔除策略，是快取装满时就剔除最久之后才会再次需要的数据。
当然，要预测何时会再次需要哪些数据说来容易，做起来可没那么简单。
这个无所不知、有先见之明、能预测未来并执行已知最佳策略的演算法，称为贝雷迪演算法（Bélády's Algorithm），它是电脑科学家说的「预知型」演算法，也就是由预测的数据获取资讯的演算法。听起来很扯其实不然，只是预测未来通常没那么容易，软件工程师也经常开玩笑说，在实际运用贝雷迪演算法时碰到「实作上的困难」。挑战在于，我们要找到一种演算结果得尽可能接近预言的演算法，纵然大多时候我们只能被死死的卡在现在，而且仅能在有限程度上臆测即将发生的事。
我们可以直接采用随机剔除（Random Eviction），把新数据放进快取，随机覆写旧数据。快取理论有个令人惊讶的初步结论就是，尽管这个方式不是十全十美，但还不算太差。事实上，只要有快取，不论我们怎么运用，系统效率都能提高。我们常用的数据一定会很快又放回快取。另一个简单的策略是先进先出（ First In, First Out，FIFO），剔除或覆写在快取里停留最久的数据。第三种方式是最近最少使用法（Least Recently Used，LRU）：剔除未使用时间最长的数据。
史都华的建议不仅策略完全不同，而且其中之一显然比较优异。贝雷迪以数种状况比较过随机剔除、先进先出和好几种LRU，发现LRU的表现最接近预知。LRU原理的效果源自电脑科学家说的时序局部性（temporal locality）：如果程序曾经呼叫某项资讯一次，不久后就可能再度呼叫。时序局部性有一部分源自电脑解决问题的方式（例如执行一个快速进行相关读写的回圈），但其实人类解决问题的方式也有时序局部性。如果你用电脑工作，你可能会在电子邮件、浏览器和文书处理软件之间不断切换。如果你刚刚用过其中之一，代表可能会再用到它。如果没有意外，上次使用时间离现在最久的程序，通常也会隔好一段时间才会用到。
街底的那片云──距离非常重要
我们经常把网际网络视为扁平、独立和关系松散的网络，其实完全相反。我们也经常把网际网络视为抽象、虚拟和不受地理环境影响。资讯界说我们的数据放在「云端」，也就是一个散漫又遥远的地方。同样地，这些说法也都不对。事实上，网际网络是一大把实体线路和一个个金属机架，而且它受到的地理环境影响可能超乎你的想像。
工程师设计电脑硬件时，考虑的地理环境影响尺度非常小：速度较快的记忆体通常比较接近处理器，尽量缩短数据行经的线路。现在的处理器时脉循环都以十亿赫兹计算，也就是每次运算的时间不到一奈秒。或者这么说，光在这段时间里只能行进几公分，因此电脑内部的实体布局非常重要。如果把同样的原理套用到非常大的尺度，对于线路长达几千公里的网际网络而言，实际地理环境就显得十分重要。
如果你存放网页内容快取的硬件所在位置更接近使用者，就能更快提供这些网页。目前网络的数据流量大多由内容分配网络（CDN）管理，这个网络在世界各地都有电脑，存放较受欢迎的某些网站的内容副本。如此一来，呼叫这些网页的使用者就能直接取用邻近电脑中的数据，不需要跨越重重中国到原始服务器去取用。
「需要的文件应该尽量接近使用地点」的概念，同样适用纯实体环境。举例来说，亚马逊书店规模庞大的出货中心，通常会避免采图书馆或百货公司这类人类能理解的整理方式，而要员工把货品随意放在仓库里的任何地方（电池可能放在削铅笔机、尿布、烤肉架和铁吉他学习软件旁边），再用条码把每样货品的位置标注在中央数据库中。不过这类刻意表面凌乱的储存系统仍然有个看得见的例外：需求较大的货品会摆在不同区域，比其他货品更容易取用。这块区域就是亚马逊的快取。
亚马逊把这个原理向前推进一步，并以这项创新发明取得专利。这项专利的主旨称为「预测包裹寄送」，根据媒体的说法，亚马逊能在消费者下手购买之前就寄出货品。亚马逊跟其他科技公司一样，希望拥有类似贝雷迪演算法的预测能力，但在规划这项最新发展时，他们采用了快取概念。它这项专利其实是把最近在某个地区很受欢迎的货品，运送到位于该地区的临时仓库，就像拥有实体货品的CDN一样。接着当消费者下单时，货品距离消费者已经很近。预测个人的购买行为是不小的挑战，但要预测几千人的购买行为，大数法则就能派上用场了。好比说，某一天在柏克莱有人打算订购回收纸浆卫生纸，当他们下单之后，卫生纸已经在运送途中了。
家中的快取──收纳空间
虽然快取是为了整理电脑内部的数位数据而诞生，但显然也很适合用来整理实际物品。
这些问题都很相似，因此我们说不定能把电脑科学提供的解决方案，运用到家里。首先，当你决定要保留或舍弃哪些东西，LRU可能就是不错的原则，至少比先进先出好上许多。如果你念大学时买的T恤有时还会穿，就不一定要丢掉。但已经好久没穿的格纹长裤呢？送到二手商店去说不定还比较能遇上有缘人。
第二，充分运用地理环境。你通常在哪里使用这个物品，就把那东西放在离那个地方最近的快取里。教你收纳的书大多没有这样的具体建议，但许多人认为有用的整理方案则经常提到这一点。举例来说，有人说过茱莉．摩根斯坦（Julie Morgenstern）的《收纳其实很容易》（Organizing from the Inside Out）有这么一段话：「我把跑步和运动用品放在前门衣柜底部的箱子里。我希望它尽量接近大门。」
尚未成为橱柜整理原则的最后一个理论，是多层级记忆体阶层。具备快取可提升效率，但具备容量最小且速度最快、到容量最大但速度最慢等多个层级的快取，可能更好。以你的收纳空间而言，橱柜是一个快取层级、地下室是第二个，便利仓是第三个（当然，存取速度会随层级而越来越慢，所以你应该依据LRU原理，来决定哪些物品要从每个层级剔除到下一个层级）。不过我们或许还能添加一层快取来加快速度，也就是再买一个比橱柜更小、取用速度更快也更接近的收纳箱。
关于书面数据怎么归档，收纳专家大多说错了
决定保留和舍弃哪些东西之后，最后一个挑战就是该如何整理它们。我们已经讨论过哪些东西要放进橱柜，以及橱柜应该放在哪里，但该怎么整理橱柜里的东西呢？
目前我们经常看到的居家整理建议中，有个常见原则是「把类似的东西集中起来」，野口悠纪雄应该是目前唯一持相反看法的人，他说：「我必须强调一点，我的整理方法的基本原则，不是依据内容来分类文件。」野口是东京大学经济学家，写过一系列为整理办公室和人生提供「超级」技巧的书籍，包括《超级说服法》、《超级工作法》、 《超级学习法》，以及跟本书最有关的《超级整理法》等。
野口刚开始研究经济学时，经常被信件、数据和手稿等大量数据淹没，每天花许多时间整理，因此开始寻找解决方案。一开始他只是把每份文件放进文件夹，文件夹上标注文件标题和日期，然后把文件夹全部放进大箱子。由于不需要考虑每份文件的正确位置，这样确实能节省时间，但这样没有任何次序可言。到了1990年代初，他缔造了重大突破：他开始一律把文件插入箱子的左手边──他称之为「超级整理法」。
野口指出，不论新文件还是旧文件，都适用左边插入法：每次取出文件用过后要放回箱子时，一定要放到最左边。找文件时也一定要从最左边找起。如此一来，最先看到的就是最近使用过的文件。
野口解释，他会这么做，一开始只是因为塞到最左边比塞回原处容易得多。但他后来慢慢发现，这种方式不只比较简单，而且有效率得多。
用过一件物品后要放回去时，野口归档系统当然可以节省时间，然而这种方式是否容易找到需要的文件，仍然是个问题。毕竟其他效率大师都建议我们，把类似物品集中在一起，跟野口的方法完全不同。
不过电脑科学告诉了我们一件效率大师没办法保证的事。
虽然野口当时并不知道，但他的归档系统其实就是LRU原理（最近最少使用法）的延伸。LRU告诉我们，把新内容加入快取时应该剔除最旧的内容，但没有告诉我们应该把新内容放在哪里。1970和1980年代电脑科学家进行的一连串研究，解答了这个问题。当时他们遇到的问题称为自组织列表问题，状况跟野口的归档困境几乎完全相同。假如你有一组依顺序排列的物品，你必须定时搜寻，找出其中某些物品。搜寻行为本身必须是线性，因为你必须从头开始逐一看过每件物品，但你找到需要的物品之后，可以放回任何位置。此时你应该把物品放在哪里，才能尽可能提高搜寻效率？
丹尼尔．史利特（Daniel Sleator）和罗伯．塔尔占（Robert Tarjan）于1985年发表关于自组织列表的重要论文，以古典电脑科学方式探讨在所有可能要求顺序下，以各种方式列表的最差情况表现。依照直觉，搜寻从前端开始，所以我们排列顺序时，也希望把最可能用到的物品放在最前端。但最可能用到的物品又是什么？这又回到预测未来能力的问题了。史利特和塔尔占的研究结果显示，某些「十分简单的自调整方案，居然具备一定程度的」预知能力。也就是说，如果我们遵照LRU原理，每次都把物品放回列表的最前端，那么搜寻所花的时间，绝对不会超过我们能预知未来时的两倍。其他演算法都没办法保证这一点。
了解野口归档系统是LRU原理的实行范例可让我们了解，LRU原理不只更有效率，而且是最佳方法。
史利特和塔尔占的研究结果，还提出另一种变化──把野口归档系统旋转90度就是了。简单地说，一箱文件夹转个90度就变成一叠文件，如此一来搜寻文件时自然会从上到下，每次抽出文件后要放回去时不会放回原处，而会放在最上面。
简而言之，自组织列表的数学原理提出了一个十分创新的概念：在书桌上堆一大叠文件不但不是杂乱象征，还是目前已知最精良、效率最佳的数据结构，没必要因而有罪恶感。在别人看来那或许是凌乱、欠缺条理，其实它自有一套条理。由于我们无法预知未来，所以把用过的东西放回最上方是最好的办法。
