iPhone内置微信红包免费课堂

?找回密码
?立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

Redis的内存淘汰策略

2019-9-14 20:24| 发布者: 198366809| 查看: 1| 评论: 0|原作者: 198366809|来自: Java知音

摘要: Redis占用内存大小 我们知道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。1、通过配置文件配置通过在Redis安装目录下面的redis.conf ...
Redis占用内存大小
我们知道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。
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:
  • 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)
  • allkeys-lru:从所有key中使用LRU算法进行淘汰
  • volatile-lru:从设置了过期时间的key中使用LRU算法进行淘汰
  • allkeys-random:从所有key中随机淘汰数据
  • volatile-random:从设置了过期时间的key中随机淘汰
  • 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。
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。
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
图片来源:segmentfault.com/a/1190000017555834
你可以看到图中有三种不同颜色的点:
  • 浅灰色是被淘汰的数据
  • 灰色是没有被淘汰掉的老数据
  • 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
问题
最后留一个小问题,可能有的人注意到了,我在文中并没有解释为什么Redis使用近似LRU算法而不使用准确的LRU算法,可以在评论区给出你的答案,大家一起讨论学习。

相关阅读

最新评论

热门文章

QQ|免责声明|本站介绍|iPhone内置微信红包免费课堂 ( 沪ICP备14007696号-3 )|网站地图

GMT+8, 2019-9-14 20:24 , Processed in 0.046915 second(s), 41 queries .

Powered by Discuz! X3.4

? 2001-2017 Comsenz Inc.

返回顶部