緩存淘汰策略之LRU

Redis內置緩存淘汰策略

1. 最大緩存

* 在 redis 中，允許用戶設置最大使用內存大小maxmemory，默認爲0，沒有指定最大緩存，如果有新的數據添加，超過最大內存，則會使redis崩潰，所以一定要設置。

* redis 內存數據集大小上升到一定大小的時候，就會實行數據淘汰策略。

1. 淘汰策略

redis淘汰策略配置：maxmemory-policy voltile-lru，支持熱配置

1. redis 提供 6種數據淘汰策略：

1. voltile-lru：從已設置過期時間的數據集（server.db[i].expires）中挑選最近最少使用的數據淘汰
2. volatile-ttl：從已設置過期時間的數據集（server.db[i].expires）中挑選將要過期的數據淘汰
3. volatile-random：從已設置過期時間的數據集（server.db[i].expires）中任意選擇數據淘汰
4. allkeys-lru：從數據集（server.db[i].dict）中挑選最近最少使用的數據淘汰
5. allkeys-random：從數據集（server.db[i].dict）中任意選擇數據淘汰
6. no-enviction（驅逐）：禁止驅逐數據

LRU原理

LRU（Least recently used，最近最少使用）算法根據數據的歷史訪問記錄來進行淘汰數據，其核心思想是「如果數據最近被訪問過，那麼將來被訪問的機率也更高」。

LRU實現

最常見的實現是使用一個鏈表保存緩存數據，詳細算法實現如下：

1. 新數據插入到鏈表頭部；

2. 每當緩存命中（即緩存數據被訪問），則將數據移到鏈表頭部；

3. 當鏈表滿的時候，將鏈表尾部的數據丟棄。

 

在Java中可以使用LinkHashMap去實現LRU。

 

分析

【命中率】

當存在熱點數據時，LRU的效率很好，但偶發性的、週期性的批量操作會導致LRU命中率急劇下降，緩存污染情況比較嚴重。

【複雜度】

實現簡單。

【代價】

命中時需要遍歷鏈表，找到命中的數據塊索引，然後需要將數據移到頭部