Redis的内存淘汰策略问题
来源：33h.co/ewcf
Redis是基于内存的key-value数据库，因为系统的内存大小有限，所以我们在使用Redis的时候可以配置Redis能使用的大的内存大小。
Redis配置内存
1、通过配置文件配置 通过在Redis安装目录下面的redis.conf配置文件中添加以下配置设置内存大小
//设置Redis大占用内存大小为100Mmaxmemory 100mb
redis的配置文件不一定使用的是安装目录下面的redis.conf文件，启动redis服务的时候是可以传一个参数指定redis的配置文件的
2、通过命令修改 Redis支持运行时通过命令动态修改内存大小
//设置Redis大占用内存大小为100M127.0..1:6379> config set maxmemory 100mb//获取设置的Redis能使用的大内存大小127.0..1:6379> config get maxmemory
如果不设置大内存大小或者设置大内存大小为0，在64位操作系统下不限制内存大小，在32位操作系统下多使用3GB内存
Redis的内存淘汰
既然可以设置Redis大占用内存大小，那么配置的内存就有用完的时候。那在内存用完的时候，还继续往Redis里面添加数据不就没内存可用了吗？实际上Redis定义了几种策略用来处理这种情况：
1.noeviction(默认策略)：对于写请求不再提供服务，直接返回错误（DEL请求和部分特殊请求除外）2.allkeys-lru：从所有key中使用LRU算法进行淘汰3.volatile-lru：从设置了过期时间的key中使用LRU算法进行淘汰4.allkeys-random：从所有key中随机淘汰数据5.volatile-random：从设置了过期时间的key中随机淘汰6.volatile-ttl：在设置了过期时间的key中，根据key的过期时间进行淘汰，越早过期的越优先被淘汰
当使用volatile-lru、volatile-random、volatile-ttl这三种策略时，如果没有key可以被淘汰，则和noeviction一样返回错误
如何获取及设置内存淘汰策略 获取当前内存淘汰策略：
127.0..1:6379> config get maxmemory-policy
通过配置文件设置淘汰策略（修改redis.conf文件）：
maxmemory-policy allkeys-lru
通过命令修改淘汰策略：
127.0..1:6379> config set maxmemory-policy allkeys-lru
LRU算法
1.什么是LRU? 上面说到了Redis可使用大内存使用完了，是可以使用LRU算法进行内存淘汰的，那么什么是LRU算法呢？
LRU(Least Recently Used)，即近少使用，是一种缓存置换算法。在使用内存作为缓存的时候，缓存的大小一般是固定的。当缓存被占满，这个时候继续往缓存里面添加数据，就需要淘汰一部分老的数据，释放内存空间用来存储新的数据。这个时候就可以使用LRU算法了。其核心思想是：如果一个数据在近一段时间没有被用到，那么将来被使用到的可能性也很小，所以就可以被淘汰掉。
使用java实现一个简单的LRU算法
public class LRUCache<k, v> { //容量 private int capacity; //当前有多少节点的统计 private int count; //缓存节点 private Map<k, Node<k, v>> nodeMap; private Node<k, v> head; private Node<k, v> tail;
public LRUCache(int capacity) { if (capacity < 1) { throw new IllegalArgumentException(String.valueOf(capacity)); } this.capacity = capacity; this.nodeMap = new HashMap<>(); //初始化头节点和尾节点，利用哨兵模式减少判断头结点和尾节点为空的代码 Node headNode = new Node(null, null); Node tailNode = new Node(null, null); headNode.next = tailNode; tailNode.pre = headNode; this.head = headNode; this.tail = tailNode; }
public void put(k key, v value) { Node<k, v> node = nodeMap.get(key); if (node == null) { if (count >= capacity) { //先移除一个节点 removeNode(); } node = new Node<>(key, value); //添加节点 addNode(node); } else { //移动节点到头节点 moveNodeToHead(node); } }
public Node<k, v> get(k key) { Node<k, v> node = nodeMap.get(key); if (node != null) { moveNodeToHead(node); } return node; }
private void removeNode() { Node node = tail.pre; //从链表里面移除 removeFromList(node); nodeMap.remove(node.key); count--; }
private void removeFromList(Node<k, v> node) { Node pre = node.pre; Node next = node.next;
pre.next = next; next.pre = pre;
node.next = null; node.pre = null; }
private void addNode(Node<k, v> node) { //添加节点到头部 addToHead(node); nodeMap.put(node.key, node); count++; }
private void addToHead(Node<k, v> node) { Node next = head.next; next.pre = node; node.next = next; node.pre = head; head.next = node; }
public void moveNodeToHead(Node<k, v> node) { //从链表里面移除 removeFromList(node); //添加节点到头部 addToHead(node); }
class Node<k, v> { k key; v value; Node pre; Node next;
public Node(k key, v value) { this.key = key; this.value = value; } }}
上面这段代码实现了一个简单的LUR算法，代码很简单，也加了注释，仔细看一下很容易就看懂。
LRU在Redis中的实现
1.近似LRU算法 Redis使用的是近似LRU算法，它跟常规的LRU算法还不太一样。近似LRU算法通过随机采样法淘汰数据，每次随机出5（默认）个key，从里面淘汰掉近少使用的key。
可以通过maxmemory-samples参数修改采样数量：例：maxmemory-samples 10 maxmenory-samples配置的越大，淘汰的结果越接近于严格的LRU算法
Redis为了实现近似LRU算法，给每个key增加了一个额外增加了一个24bit的字段，用来存储该key后一次被访问的时间。
2.Redis3.0对近似LRU的优化 Redis3.0对近似LRU算法进行了一些优化。新算法会维护一个候选池（大小为16），池中的数据根据访问时间进行排序，次随机选取的key都会放入池中，随后每次随机选取的key只有在访问时间小于池中小的时间才会放入池中，直到候选池被放满。当放满后，如果有新的key需要放入，则将池中后访问时间大（近被访问）的移除。
当需要淘汰的时候，则直接从池中选取近访问时间小（久没被访问）的key淘汰掉就行。
3.LRU算法的对比 我们可以通过一个实验对比各LRU算法的准确率，先往Redis里面添加一定数量的数据n，使Redis可用内存用完，再往Redis里面添加n/2的新数据，这个时候就需要淘汰掉一部分的数据，如果按照严格的LRU算法，应该淘汰掉的是先加入的n/2的数据。生成如下各LRU算法的对比图
你可以看到图中有三种不同颜色的点：
1.浅灰色是被淘汰的数据2.灰色是没有被淘汰掉的老数据3.绿色是新加入的数据
我们能看到Redis3.0采样数是10生成的图接近于严格的LRU。而同样使用5个采样数，Redis3.0也要优于Redis2.8。
LFU算法
LFU算法是Redis4.0里面新加的一种淘汰策略。它的全称是Least Frequently Used，它的核心思想是根据key的近被访问的频率进行淘汰，很少被访问的优先被淘汰，被访问的多的则被留下来。LFU算法能更好的表示一个key被访问的热度。假如你使用的是LRU算法，一个key很久没有被访问到，只刚刚是偶尔被访问了一次，那么它就被认为是热点数据，不会被淘汰，而有些key将来是很有可能被访问到的则被淘汰了。如果使用LFU算法则不会出现这种情况，因为使用一次并不会使一个key成为热点数据。LFU一共有两种策略：
•volatile-lfu：在设置了过期时间的key中使用LFU算法淘汰key•allkeys-lfu：在所有的key中使用LFU算法淘汰数据
设置使用这两种淘汰策略跟前面讲的一样，不过要注意的一点是这两周策略只能在Redis4.0及以上设置，如果在Redis4.0以下设置会报错
-End-
相关文章