dynamic cache: cache size should be changed dynamicly according to the miss rate.
根据未命中缓存个数，推导出应设置的缓存数量。 也可以动态调整缓存数量，最终收敛于最佳缓存数。
groupcache use lru algorithe to purge the element. Once an element was purged, OnEvicted will be called if seted.
dycache replace the OnEvicted function, that is necessary for dycache, which can count the range of k/v.
If OnEvicted is used originally, it will be doing by the other solution later.
假设1 lru-cache存储大小不足以容纳所有元素，将会导致部分元素被驱逐。 假设2 在duration（可以设置为10s或1m），每个元素都会被驱逐至少一次。
那么，只需要评估当前被驱逐的元素（放入一个set）集合元素的个数，就可以推算出lru-cache应该设置的存储大小。
假设1是成立的，当缓存空间不足时，必有一部分数据进入缓存，从而导致部分元素被驱逐。 著名的2-8定理，80%的请求集中在20%的数据，这部分数据是热数据。但是冷数据也可能会被访问到。那么假设在duration的时间内，所有元素都会被访问到是成立的，取决于duration的设定。 需要给duration一个预估值，比如1m,10m。
cache应设置的容量应是当前cache的容量+当前被驱逐的元素数量。比较遗憾的是，无法评估当前被驱逐的元素数量，而只能评估一段时间内被驱逐的元素数量。
o(c) optimal : 理想缓存数量 c(c) current : 当前缓存数量 e(c) evicted : 一段时间内被驱逐元素数量
o(c) = c(c) + e(c), e(c) = s(d) d ~ 0, 当前时间（d趋向于0, 当前时刻）被驱逐元素数量
再者，在高并发场景下，e(c)将会极其不准确。因此，e(c)的评估，需要评估一段时间d的集合大小。
元素i会被不断驱逐，我们需要记录元素被驱逐的轨迹，统计当前时间范围内驱逐元素个数：
[Ae1 ,Be1 ,Ce1 , ... , Ae2, ...]
偶数次(odd)被驱逐，元素个数+1; 奇数次被驱逐，元素个数-1。
观察某一个元素在set中的出现次数，呈现0-1-0-1锯齿状的曲线。曲线映射到x轴的面积刚好是0.5，即出现在被驱逐集合里，该元素的平均个数是0.5，期望是1（最优个数）。 推演到所有元素，图像的面积（当前集合中元素个数）刚好是期望值（cache理想容量）的一半。
由此可知，cache的理想容量是被驱逐集合元素的2倍。