有趣的Redis：緩存被我寫滿了，該怎麼辦？

轉載：blog.csdn.net/zzti\_erlie…node

介紹

Redis是一個內存數據庫，當Redis使用的內存超過物理內存的限制後，內存數據會和磁盤產生頻繁的交換，交換會致使Redis性能急劇降低。因此在生產環境中咱們經過配置參數maxmemoey來限制使用的內存大小。算法

當實際使用的內存超過maxmemoey後，Redis提供了以下幾種可選策略。數據庫

noeviction：寫請求返回錯誤緩存

volatile-lru：使用lru算法刪除設置了過時時間的鍵值對
volatile-lfu：使用lfu算法刪除設置了過時時間的鍵值對
volatile-random：在設置了過時時間的鍵值對中隨機進行刪除
volatile-ttl：根據過時時間的前後進行刪除，越早過時的越先被刪除安全

allkeys-lru：在全部鍵值對中，使用lru算法進行刪除
allkeys-lfu：在全部鍵值對中，使用lfu算法進行刪除
allkeys-random：全部鍵值對中隨機刪除markdown

咱們來詳細瞭解一下lru和lfu算法，這是2個常見的緩存淘汰算法。由於計算機緩存的容量是有限的，因此咱們要刪除那些沒用的數據，而這兩種算法的區別就是斷定沒用的緯度不同。數據結構

LRU算法

lru（Least recently used，最近最少使用）算法，即最近訪問的數據，後續很大機率還會被訪問到，便是有用的。而長時間未被訪問的數據，應該被淘汰dom

lru算法中數據會被放到一個鏈表中，鏈表的頭節點爲最近被訪問的數據，鏈表的尾節點爲長時間沒有被訪問的數據ide

lru算法的核心實現就是哈希表加雙向鏈表。鏈表能夠用來維護訪問元素的順序，而hash表能夠幫咱們在O(1)時間複雜度下訪問到元素。函數

至於爲何是雙向鏈表呢？主要是要刪除元素，因此要獲取前繼節點。數據結構圖示以下

使用雙向鏈表+HashMap

雙向鏈表節點定義以下

public class ListNode<K, V> {
    K key;
    V value;
    ListNode pre;
    ListNode next;

    public ListNode() {}

    public ListNode(K key, V value) {
        this.key = key;
        this.value = value;
    }
} 
複製代碼

封裝雙向鏈表的經常使用操做

public class DoubleList {

    private ListNode head;
    private ListNode tail;

    public DoubleList() {
        head = new ListNode();
        tail = new ListNode();
        head.next = tail;
        tail.pre = head;
    }

    public void remove(ListNode node) {
        node.pre.next = node.next;
        node.next.pre = node.pre;
    }

    public void addLast(ListNode node) {
        node.pre = tail.pre;
        tail.pre = node;
        node.pre.next = node;
        node.next = tail;
    }

    public ListNode removeFirst() {
        if (head.next == tail) {
            return null;
        }
        ListNode first = head.next;
        remove(first);
        return first;
    }
} 
複製代碼

封裝一個緩存類，提供最基本的get和put方法。須要注意，這兩種基本的方法都涉及到對兩種數據結構的修改。

public class MyLruCache<K, V> {

    private int capacity;
    private DoubleList doubleList;
    private Map<K, ListNode> map;

    public MyLruCache(int capacity) {
        this.capacity = capacity;
        map = new HashMap<>();
        doubleList = new DoubleList();
    }

    public V get(Object key) {
        ListNode<K, V> node = map.get(key);
        if (node == null) {
            return null;
        }
        // 先刪除該節點，再接到尾部
        doubleList.remove(node);
        doubleList.addLast(node);
        return node.value;
    }

    public void put(K key, V value) {
        // 直接調用這邊的get方法，若是存在，它會在get內部被移動到尾巴，不用再移動一遍,直接修改值便可
        if ((get(key)) != null) {
            map.get(key).value = value;
            return;
        }

        // 若是超出容量，把頭去掉
        if (map.size() == capacity) {
            ListNode listNode = doubleList.removeFirst();
            map.remove(listNode.key);
        }

        // 若不存在，new一個出來
        ListNode node = new ListNode(key, value);
        map.put(key, node);
        doubleList.addLast(node);
    }
} 
複製代碼

這裏咱們的實現爲最近訪問的放在鏈表的尾節點，不常常訪問的放在鏈表的頭節點

測試一波，輸出爲鏈表的正序輸出（代碼爲了簡潔沒有貼toString方法）

MyLruCache<String, String> myLruCache = new MyLruCache<>(3);
// {5 : 5}
myLruCache.put("5", "5");
// {5 : 5}{3 : 3}
myLruCache.put("3", "3");
// {5 : 5}{3 : 3}{4 : 4}
myLruCache.put("4", "4");
// {3 : 3}{4 : 4}{2 : 2}
myLruCache.put("2", "2");
// {4 : 4}{2 : 2}{3 : 3}
myLruCache.get("3"); 
複製代碼

由於LinkedHashMap的底層實現就是哈希表加雙向鏈表，因此你能夠用LinkedHashMap替換HashMap和DoubleList來改寫一下上面的類。

我來演示一下更騷的操做，只須要重寫一個構造函數和removeEldestEntry方法便可。

使用LinkedHashMap實現LRU

public class LruCache<K, V> extends LinkedHashMap<K, V> {

    private int cacheSize;


    public LruCache(int cacheSize) {
        /**
         * initialCapacity: 初始容量大小
         * loadFactor: 負載因子
         * accessOrder: false基於插入排序（默認），true基於訪問排序
         */
        super(cacheSize, 0.75f, true);
        this.cacheSize = cacheSize;
    }

    /**
     * 當調用put或者putAll方法時會調用以下方法，是否刪除最老的數據，默認爲false
     */
    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        return size() > cacheSize;
    }
} 
複製代碼

注意這個緩存並非線程安全的，能夠調用Collections.synchronizedMap方法返回線程安全的map

LruCache<String, String> lruCache = new LruCache(3);
Map<String, String> safeMap = Collections.synchronizedMap(lruCache); 
複製代碼

Collections.synchronizedMap實現線程安全的方式很簡單，只是返回一個代理類。代理類對Map接口的全部方法加鎖

public static <K,V> Map<K,V> synchronizedMap(Map<K,V> m) {
    return new SynchronizedMap<>(m);
} 
複製代碼

LFU算法

LRU算法有一個問題，當一個長時間不被訪問的key，偶爾被訪問一下後，可能會形成一個比這個key訪問更頻繁的key被淘汰。

即LRU算法對key的冷熱程度的判斷可能不許確。而LFU算法（Least Frequently Used，最不常用）則是按照訪問頻率來判斷key的冷熱程度的，每次刪除的是一段時間內訪問頻率較低的數據，比LRU算法更準確。

使用3個hash表實現lfu算法

那麼咱們應該如何組織數據呢？

爲了實現鍵值的對快速訪問，用一個map來保存鍵值對.

private HashMap<K, Integer> keyToVal; 
複製代碼

還須要用一個map來保存鍵的訪問頻率

private HashMap<K, Integer> keyToFreq; 
複製代碼

固然你也能夠把值和訪問頻率封裝到一個類中，用一個map來替代上述的2個map

接下來就是最核心的部分，刪除訪問頻率最低的數據。

爲了能在O(1)時間複雜度內找到訪問頻率最低的數據，咱們須要一個變量minFreq記錄訪問最低的頻率
每一個訪問頻率有可能對應多個鍵。當空間不夠用時，咱們要刪除最先被訪問的數據，因此須要以下數據結構，Map<頻率, 有序集合>。每次內存不夠用時，刪除有序集合的第一個元素便可。而且這個有序集合要能快速刪除某個key，由於某個key被訪問後，須要從這個集合中刪除，加入freq+1對應的集合中
有序集合不少，可是能知足快速刪除某個key的只有set，可是set插入數據是無序的。幸好Java有LinkedHashSet這個類，鏈表和集合的結合體，鏈表不能快速刪除元素，可是能保證插入順序。集合內部元素無序，可是能快速刪除元素，完美

下面就是具體的實現。

public class LfuCache<K, V> {

    private HashMap<K, V> keyToVal;
    private HashMap<K, Integer> keyToFreq;
    private HashMap<Integer, LinkedHashSet<K>> freqTokeys;

    private int minFreq;
    private int capacity;

    public LfuCache(int capacity) {
        keyToVal = new HashMap<>();
        keyToFreq = new HashMap<>();
        freqTokeys = new HashMap<>();
        this.capacity = capacity;
        this.minFreq = 0;
    }

    public V get(K key) {
        V v = keyToVal.get(key);
        if (v == null) {
            return null;
        }
        increaseFrey(key);
        return v;
    }

    public void put(K key, V value) {
        // get方法裏面會增長頻次
        if (get(key) != null) {
            // 從新設置值
            keyToVal.put(key, value);
            return;
        }

        // 超出容量，刪除頻率最低的key
        if (keyToVal.size() >= capacity) {
            removeMinFreqKey();
        }

        keyToVal.put(key, value);
        keyToFreq.put(key, 1);
        // key對應的value存在，返回存在的key
        // key對應的value不存在，添加key和value
        freqTokeys.putIfAbsent(1, new LinkedHashSet<>());
        freqTokeys.get(1).add(key);
        this.minFreq = 1;
    }

    // 刪除出現頻率最低的key
    private void removeMinFreqKey() {
        LinkedHashSet<K> keyList = freqTokeys.get(minFreq);
        K deleteKey = keyList.iterator().next();
        keyList.remove(deleteKey);
        if (keyList.isEmpty()) {
            // 這裏刪除元素後不須要從新設置minFreq
            // 由於put方法執行完會將minFreq設置爲1
            freqTokeys.remove(keyList);
        }
        keyToVal.remove(deleteKey);
        keyToFreq.remove(deleteKey);
    }

    // 增長頻率
    private void increaseFrey(K key) {
        int freq = keyToFreq.get(key);
        keyToFreq.put(key, freq + 1);
        freqTokeys.get(freq).remove(key);
        freqTokeys.putIfAbsent(freq + 1, new LinkedHashSet<>());
        freqTokeys.get(freq + 1).add(key);
        if (freqTokeys.get(freq).isEmpty()) {
            freqTokeys.remove(freq);
            // 最小頻率的set爲空，key被移動到minFreq+1對應的set了
            // 因此minFreq也要加1
            if (freq == this.minFreq) {
                this.minFreq++;
            }
        }
    }
} 
複製代碼

測試一下

LfuCache<String, String> lfuCache = new LfuCache(2);
lfuCache.put("1", "1");
lfuCache.put("2", "2");
// 1
System.out.println(lfuCache.get("1"));
lfuCache.put("3", "3");
// 1的頻率爲2，2和3的頻率爲1，但2更早以前被訪問，因此被清除
// 結果爲null
System.out.println(lfuCache.get("2")); 
複製代碼

你們能夠關注一下個人公衆號，時不時分享文章，學習資料給你們！