服务器无感知计算环境下,应用会被拆分为一系列云函数,并以容器为载体运行。服务器无感知计算实现了细粒度的资源按需分配,这也导致计算与存储完全解耦,使得云函数之间的数据共享依赖远端存储。有状态应用会被划分为多个执行阶段,跨越执行阶段的数据共享和平台系统资源的限制导致数据读取间隔普遍较长。传统缓存策略会错误地驱逐这些数据,使得基于这类策略的远端存储方案无法同时取得高性能与低成本。通过实验发现,传统缓存策略的缺陷在于:第一,有状态应用中大量存在的冷数据会在被读取时直接缓存,导致较长读取间隔的次热数据被驱逐,降低了缓存命中率;第二,热数据会被并发云函数共享,它们被频繁读取后快速变冷,传统缓存策略无法立即驱逐它们,降低了内存利用率;第三,热数据之间具有相关性,它们会被周期性地读取,传统缓存策略无法有效预取这些数据。基于上述观察,提出了热数据感知的缓存替换策略MListCache,其设计原则是绕过被读取一次的冷数据,尽快地缓存热数据,同时减少对次热数据的驱逐。首先,MListCache通过记录不同数据的读取时间,绕过只被读取一次的冷数据,并在热数据第一次出现时直接缓存它们;其次,为了高效驱逐缓存中快速变冷的数据,MListCache基于数据读取间隔的变化预测缓存中数据继续被读取的概率,优先驱逐读取概率较低的数据,以减少驱逐较长读取间隔的次热数据;最后,MListCache建立数据之间的相关性,在某个数据的读取请求到来时,预取与它相关的数据。相比传统缓存策略,MListCache对命中率的提高可达174%,对远程读取延迟的降低可达80%,并且将95%分位的长尾延迟减少了60%。与原生的Min IO对象存储服务相比,MListCache使远程数据读取延迟降低了90%,同时仅引入13%的额外成本开销。与Redis相比,MListCache达到其90%的吞吐量,并且节省71%的成本。