LRU(Least Recently Used)最近最少使用算法是众多置换算法中的一种。
Redis中有一个maxmemory
概念,主要是为了将使用的内存限定在一个固定的大小。Redis用到的LRU 算法,是一种近似的LRU算法。
1 设置maxmemory
上面已经说过maxmemory
是为了限定Redis最大内存使用量。有多种方法设定它的大小。其中一种方法是通过CONFIG SET
设定,如下:
127.0.0.1:6379> CONFIG GET maxmemory
1) "maxmemory"
2) "0"
127.0.0.1:6379> CONFIG SET maxmemory 100MB
OK
127.0.0.1:6379> CONFIG GET maxmemory
1) "maxmemory"
2) "104857600"
另一种方法是修改配置文件redis.conf
:
maxmemory 100mb
注意,在64bit系统下,maxmemory
设置为0表示不限制Redis内存使用,在32bit系统下,maxmemory
隐式不能超过3GB。
当Redis内存使用达到指定的限制时,就需要选择一个置换的策略。
2 置换策略
当Redis内存使用达到maxmemory
时,需要选择设置好的maxmemory-policy
进行对老数据的置换。
下面是可以选择的置换策略:
noeviction
: 不进行置换,表示即使内存达到上限也不进行置换,所有能引起内存增加的命令都会返回errorallkeys-lru
: 优先删除掉最近最不经常使用的key,用以保存新数据volatile-lru
: 只从设置失效(expire set)的key中选择最近最不经常使用的key进行删除,用以保存新数据allkeys-random
: 随机从all-keys中选择一些key进行删除,用以保存新数据volatile-random
: 只从设置失效(expire set)的key中,选择一些key进行删除,用以保存新数据volatile-ttl
: 只从设置失效(expire set)的key中,选出存活时间(TTL)最短的key进行删除,用以保存新数据
设置maxmemory-policy
的方法和设置maxmemory
方法类似,通过redis.conf
或是通过CONFIG SET
动态修改。
如果没有匹配到可以删除的key,那么volatile-lru
、volatile-random
和volatile-ttl
策略和noeviction
替换策略一样——不对任何key进行置换。
选择合适的置换策略是很重要的,这主要取决于你的应用的访问模式,当然你也可以动态的修改置换策略,并通过用Redis命令——INFO
去输出cache的命中率情况,进而可以对置换策略进行调优。
一般来说,有这样一些常用的经验:
- 在所有的key都是最近最经常使用,那么就需要选择
allkeys-lru
进行置换最近最不经常使用的key,如果你不确定使用哪种策略,那么推荐使用allkeys-lru
- 如果所有的key的访问概率都是差不多的,那么可以选用
allkeys-random
策略去置换数据- 如果对数据有足够的了解,能够为key指定hint(通过expire/ttl指定),那么可以选择
volatile-ttl
进行置换
volatile-lru
和volatile-random
经常在一个Redis实例既做cache又做持久化的情况下用到,然而,更好的选择使用两个Redis实例来解决这个问题。
设置是失效时间expire
会占用一些内存,而采用allkeys-lru
就没有必要设置失效时间,进而更有效的利用内存。
3 置换策略是如何工作的
理解置换策略的执行方式是非常重要的,比如:
- 客户端执行一条新命令,导致数据库需要增加数据(比如
set key value
)- Redis会检查内存使用,如果内存使用超过
maxmemory
,就会按照置换策略删除一些key- 新的命令执行成功
我们持续的写数据会导致内存达到或超出上限maxmemory
,但是置换策略会将内存使用降低到上限以下。
如果一次需要使用很多的内存(比如一次写入一个很大的set),那么,Redis的内存使用可能超出最大内存限制一段时间。
4 近似LRU算法
Redis中的LRU不是严格意义上的LRU算法实现,是一种近似的LRU实现,主要是为了节约内存占用以及提升性能。Redis有这样一个配置——maxmemory-samples
,Redis的LRU是取出配置的数目的key,然后从中选择一个最近最不经常使用的key进行置换,默认的5,如下:
maxmemory-samples 5
可以通过调整样本数量来取得LRU置换算法的速度或是精确性方面的优势。
Redis不采用真正的LRU实现的原因是为了节约内存使用。虽然不是真正的LRU实现,但是它们在应用上几乎是等价的。下图是Redis的近似LRU实现和理论LRU实现的对比:
测试开始首先在Redis中导入一定数目的key,然后从第一个key依次访问到最后一个key,因此根据LRU算法第一个被访问的key应该最新被置换,之后再增加50%数目的key,导致50%的老的key被替换出去。
在上图中你可以看到三种类型的点,组成三种不同的区域:
- 淡灰色的是被置换出去的key
- 灰色的是没有被置换出去的key
- 绿色的是新增加的key
理论LRU实现就像我们期待的那样,最旧的50%数目的key被置换出去,Redis的LRU将一定比例的旧key置换出去。
可以看到在样本数为5的情况下,Redis3.0要比Redis2.8做的好很多,Redis2.8中有很多应该被置换出去的数据没有置换出去。在样本数为10的情况下,Redis3.0很接近真正的LRU实现。
LRU是一个预测未来我们会访问哪些数据的模型,如果我们访问数据的形式接近我们预想——幂律,那么近似LRU算法实现将能处理的很好。
在模拟测试中我们可以发现,在幂律访问模式下,理论LRU和Redis近似LRU的差距很小或者就不存在差距。
如果你将maxmemory-samples
设置为10,那么Redis将会增加额外的CPU开销以保证接近真正的LRU性能,可以通过检查命中率来查看有什么不同。
通过CONFIG SET maxmemory-samples <count>
动态调整样本数大小,做一些测试验证你的猜想。