Redis的內存淘汰策略

時間 2019-11-06

標籤 redis 內存淘汰策略欄目 Redis 简体版

原文原文鏈接

Redis佔用內存大小

咱們知道Redis是基於內存的key-value數據庫，由於系統的內存大小有限，因此咱們在使用Redis的時候能夠配置Redis能使用的最大的內存大小。java

一、經過配置文件配置

經過在Redis安裝目錄下面的redis.conf配置文件中添加如下配置設置內存大小node

//設置Redis最大佔用內存大小爲100M
maxmemory 100mb
複製代碼

redis的配置文件不必定使用的是安裝目錄下面的redis.conf文件，啓動redis服務的時候是能夠傳一個參數指定redis的配置文件的redis

二、經過命令修改

Redis支持運行時經過命令動態修改內存大小算法

//設置Redis最大佔用內存大小爲100M
127.0.0.1:6379> config set maxmemory 100mb
//獲取設置的Redis能使用的最大內存大小
127.0.0.1:6379> config get maxmemory
複製代碼

若是不設置最大內存大小或者設置最大內存大小爲0，在64位操做系統下不限制內存大小，在32位操做系統下最多使用3GB內存數據庫

Redis的內存淘汰

既然能夠設置Redis最大佔用內存大小，那麼配置的內存就有用完的時候。那在內存用完的時候，還繼續往Redis裏面添加數據不就沒內存可用了嗎？segmentfault

實際上Redis定義了幾種策略用來處理這種狀況：緩存

noeviction(默認策略)：對於寫請求再也不提供服務，直接返回錯誤（DEL請求和部分特殊請求除外）bash

allkeys-lru：從全部key中使用LRU算法進行淘汰dom

volatile-lru：從設置了過時時間的key中使用LRU算法進行淘汰學習

allkeys-random：從全部key中隨機淘汰數據

volatile-random：從設置了過時時間的key中隨機淘汰

volatile-ttl：在設置了過時時間的key中，根據key的過時時間進行淘汰，越早過時的越優先被淘汰

當使用volatile-lru、volatile-random、volatile-ttl這三種策略時，若是沒有key能夠被淘汰，則和noeviction同樣返回錯誤

如何獲取及設置內存淘汰策略

獲取當前內存淘汰策略：

127.0.0.1:6379> config get maxmemory-policy
複製代碼

經過配置文件設置淘汰策略（修改redis.conf文件）：

maxmemory-policy allkeys-lru
複製代碼

經過命令修改淘汰策略：

127.0.0.1:6379> config set maxmemory-policy allkeys-lru
複製代碼

LRU算法

什麼是LRU?

上面說到了Redis可以使用最大內存使用完了，是可使用LRU算法進行內存淘汰的，那麼什麼是LRU算法呢？

LRU(Least Recently Used)，即最近最少使用，是一種緩存置換算法。在使用內存做爲緩存的時候，緩存的大小通常是固定的。當緩存被佔滿，這個時候繼續往緩存裏面添加數據，就須要淘汰一部分老的數據，釋放內存空間用來存儲新的數據。這個時候就可使用LRU算法了。其核心思想是：若是一個數據在最近一段時間沒有被用到，那麼未來被使用到的可能性也很小，因此就能夠被淘汰掉。

使用java實現一個簡單的LRU算法

public class LRUCache<k, v> {
    //容量
    private int capacity;
    //當前有多少節點的統計
    private int count;
    //緩存節點
    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<>();
        //初始化頭節點和尾節點，利用哨兵模式減小判斷頭結點和尾節點爲空的代碼
        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) {
                //先移除一個節點
                removeNode();
            }
            node = new Node<>(key, value);
            //添加節點
            addNode(node);
        } else {
            //移動節點到頭節點
            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;
        //從鏈表裏面移除
        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) {
        //添加節點到頭部
        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) {
        //從鏈表裏面移除
        removeFromList(node);
        //添加節點到頭部
        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;
        }
    }
}

複製代碼

上面這段代碼實現了一個簡單的LUR算法，代碼很簡單，也加了註釋，仔細看一下很容易就看懂。

LRU在Redis中的實現

近似LRU算法

Redis使用的是近似LRU算法，它跟常規的LRU算法還不太同樣。近似LRU算法經過隨機採樣法淘汰數據，每次隨機出5（默認）個key，從裏面淘汰掉最近最少使用的key。

能夠經過maxmemory-samples參數修改採樣數量：例：maxmemory-samples 10 maxmenory-samples配置的越大，淘汰的結果越接近於嚴格的LRU算法

Redis爲了實現近似LRU算法，給每一個key增長了一個額外增長了一個24bit的字段，用來存儲該key最後一次被訪問的時間。

Redis3.0對近似LRU的優化

Redis3.0對近似LRU算法進行了一些優化。新算法會維護一個候選池（大小爲16），池中的數據根據訪問時間進行排序，第一次隨機選取的key都會放入池中，隨後每次隨機選取的key只有在訪問時間小於池中最小的時間纔會放入池中，直到候選池被放滿。當放滿後，若是有新的key須要放入，則將池中最後訪問時間最大（最近被訪問）的移除。

當須要淘汰的時候，則直接從池中選取最近訪問時間最小（最久沒被訪問）的key淘汰掉就行。