精选文章 Redis 的内存淘汰策略问题

Redis 的内存淘汰策略问题

作者:程序猿DD_ 时间: 2020-07-26 10:01:00
程序猿DD_ 2020-07-26 10:01:00

点击上方蓝色“程序猿DD”,选择“设为星标”

回复“资源”获取独家整理的学习资料!

Redis 的内存淘汰策略问题1

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能使用的最大的内存大小。

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最大占用内存大小为100M
maxmemory 
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最大占用内存大小为100M
127.0.0.1:6379> config set maxmemory 100mb
//获取设置的Redis能使用的最大内存大小
127.0.0.1:6379> config get maxmemory

如果不设置最大内存大小或者设置最大内存大小为0,在64位操作系统下不限制内存大小,在32位操作系统下最多使用3GB内存

Redis的内存淘汰

既然可以设置Redis最大占用内存大小,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:

127.0.0.1:6379> 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:

127.0.0.1:6379> config set maxmemory-policy allkeys-lru

LRU算法

1.什么是LRU? 上面说到了Redis可使用最大内存使用完了,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),即最近最少使用,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:如果一个数据在最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 {
    //容量
    private int capacity;
    //当前有多少节点的统计
    private int count;
    //缓存节点
    private Map> nodeMap;
    private Node head;
    private Node 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 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 get(k key) {
        Node 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 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 node) {
        //添加节点到头部
        addToHead(node);
        nodeMap.put(node.key, node);
        count++;
    }


    private void addToHead(Node node) {
        Node next = head.next;
        next.pre = node;
        node.next = next;
        node.pre = head;
        head.next = node;
    }


    public void moveNodeToHead(Node node) {
        //从链表里面移除
        removeFromList(node);
        //添加节点到头部
        addToHead(node);
    }


    class Node {
        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,从里面淘汰掉最近最少使用的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最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,第一次随机选取的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最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,则将池中最后访问时间最大(最近被访问)的移除。

当需要淘汰的时候,则直接从池中选取最近访问时间最小(最久没被访问)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,应该淘汰掉的是最先加入的n/2的数据。生成如下各LRU算法的对比图

Redis 的内存淘汰策略问题2

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生成的图最接近于严格的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的最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

往期推荐

Redis 6.0 除了多线程,别忘了这个牛逼特性!

企业服务内部接口校验方案

JDK 14 里的调试神器了解一下?

谷歌 Java 编程风格指南

有理有据:一篇来自前端同学对后端接口的吐槽!

扫一扫,关注我

一起学习,一起进步

Redis 的内存淘汰策略问题3

勿删,copyright占位
分享文章到微博
分享文章到朋友圈

上一篇:面试:字符串拼接,什么时候用StringBuilder?

下一篇:面试:字符串拼接,什么时候用StringBuilder?

您可能感兴趣

  • Redis开发规范

    本文主要介绍在使用阿里云Redis的开发规范,从下面几个方面进行说明。 键值设计 命令使用 客户端使用 相关工具 通过本文的介绍可以减少使用Redis过程带来的问题。 一、键值设计 1、key名设计 可读性和可管理性 以业务名(或数据库名)为前缀(防止key冲突),用冒号分隔,比如业务名:表名:id ugc:video:1 简洁性 保证语义的前提下,控制key的长度,当key较多时,内存占用...

  • 周杰伦在快手直播焕发第二春

    周杰伦没有让粉丝失望! 6月1日,周杰伦在快手账号“周同学”向网友许诺:“关注人数达到1000万的时候,我会表演最强的魔术直播,还有精彩的礼物等着你哦。”7 月26日晚8点30分,“周同学”兑现承诺,在快手开启首场直播秀。 周杰伦在快手直播焕发第二春 从周杰伦入驻快手开始,就注定了“周杰伦直播秀”是一场不一般的直播秀。 5.29日,“周同学”正式入驻快手,5月30日,快手正式宣布与杰威尔音乐...

  • Redisson基础资料汇总

    一.前言 分布式系统有一个著名的理论CAP,指在一个分布式系统中,最多只能同时满足一致性(Consistency)、可用性(Availability)和分区容错性(Partition tolerance)这三项中的两项,CAP原则是常用的一个原则。 C一致性: 在分布式环境当中,对于多个数据源,多个数据库对数据的访问能不能满足隔离性,一致性,原子性等要求,是分布式系统的重点和难点 A可用性:...

  • 提高社会的微生物素养:势在必行!

    写在前面 我思,故我们在! 微生物早已和人类及地球水乳交融,微生物及其功能正在得到铺天盖地的研究。毫不夸张的说,微生物是地球最早的也是最后一个客人,没有微生物,万物皆不复。然而微生物学,作为一门专业课而非通识课程,在大学课堂上才非闪亮登场(高中生物更多的是动植物)。今年的肺炎病毒疫情正在给全世界人民上课,倘若微生物学知识普及开来,何以会如此被动? 上至国家领导,下至村野匹夫,都应了解和学习一...

  • java 如何解决用户请求重复提交问题?

    简化的模拟代码如下(基于 Spring Boot): import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; @RequestMapping("/user") @RestController pu...

  • 你应该了解的Nacos配置中心

    背景 上回我们说到Nacos的注册中心,我们讲了注册中心的一致性协议,订阅和注册的原理,有兴趣的可以看一下上一篇文章:你应该了解的Nacos注册中心。在Nacos中还有一个功能特别重要那就是配置中心,在这里先不具体介绍配置中心是什么,先来忆苦思甜一波。 在我们最开始做一些简单的学习项目的时候,我们会遇到一些需要配置的东西,比如数据库连接池大小,用户的黑名单等等,我们都把这些东西写死在代码里面...

  • 为什么国内流行的 MyBatis ,国外 Java 工程师却不愿意使用?

    点击上方蓝色“程序猿DD”,选择“设为星标” 回复“资源”获取独家整理的学习资料! 来源 | zhihu.com/question/309662829 Spring 团队的Josh Long自己在Twitter上做了一个调查。1625次投票,样本量不算大,但也能说明问题。和我答案最后的那些调查图表基本一致。 我们看一下Google Trends的数据: 搜索条件是这样的: World Wid...

  • 太强了!P8架构师都还在学的微服务+MySQL+Kafka+boot2.x+虚拟机PDF

    关乎于程序员,除了做项目来提高自身的技术,还有一种提升自己的专业技能就是:多!看!书! 毕竟,书是学习的海洋呢! So,Java程序员你们准备好了吗?双手奉上Java程序员必读之热门书单。 1.《深入浅出Spring Boot2.x》 随着近年来微服务的流行,越来越多的企业需要快速的开发,而Spring Boot除了以注解为主的开发,还有其他的绑定,例如,对服务器进行了绑定和绑定和默认对Sp...

华为云40多款云服务产品0元试用活动

免费套餐,马上领取!
CSDN

CSDN

中国开发者社区CSDN (Chinese Software Developer Network) 创立于1999年,致力为中国开发者提供知识传播、在线学习、职业发展等全生命周期服务。