Redis2/5---持久化和内存管理

1.redis持久化

（1）简介

Redis的数据都放在内存中，如果没有配置持久化，Redis重启后数据就丢失了，于是需要开启Redis的持久化功能，将数据保存到磁盘上，当Redis重启后，可以从磁盘中恢复数据。

实际情况中，可能不开启持久化；数据不丢失需要开启aof always

（2）持久化方式RDB和AOF对比

	RDB	AOF（append only file）
持久化	在指定的时间间隔对你的数据进行快照存储。	记录每次对服务器写的操作，当服务器重启的时候会重新执行这些命令来恢复原始的数据。
方式	客户端直接通过命令BGSAVE或者SAVE创建一个内存快照。BGSAVE调用fork来创建一个子进程，子进程负责将快照写入磁盘，而父进程仍然继续处理命令。SAVE执行SAVE命令过程，不再影响其他命令。在redis.conf中调整save配置选项，当在规定的时间内，Redis发送了写操作的个数满足条件会发生BGSAVE命令。#900秒内至少执行一次写操作save 900 1	开启AOF持久化appendonly yes AOF策略调整 #每次有数据修改时都会写入AOF文件appendfsync always #每秒钟同步一次，该策略为AOF的缺省策略 appendfsync everysec #从不同步。高效但是数据不会被持久化。appendfsync no
优点	对性能影响小；RDB文件进行数据恢复比AOF快很多。	最安全；容灾；易读，可修改。
缺点	同步时丢失数据。如果数据集非常大且CPU不够强（比如单核CPU），Redis在fork子进程时可能消耗相对较长的时间，影响Redis对外提供服务的能力。	文件体积大；性能消耗比RDB高；数据恢复速度比RDB慢。

2.内存管理

（1）内存分配

不同数据类型的大小限制

类型	大小
Strings	一个String类型的value最大可以存储512M
Lists	元素个数最多为2^32-1个，也就是4294967295个
Sets	元素个数最多为2^32-1个,也就是4294967295个
Hashes	键值对个数最多为2^32-1个,也就是4294967295个

#最大内存控制
maxmemory 最大内存阈值
maxmemory-policy 到达阈值的执行策略

（2）内存压缩

#配置字段最多512个
hash-max-zipmap-entries 512
#配置value最大为64字节
hash-max-zipmap-value 64
##配置元素个数最多512个
list-max-ziplist-entries 512

（3）过期数据的处理策略

• 主动处理（redis主动触发检测key是否过期）每秒执行10次数。执行过程如下：
  1.从具有相关过期的密钥集中测试20个随机密钥。
  2.删除找到的所有密钥已过期。
  3.如果超过25%的密钥已过期，则从步骤1重新开始。
• 被动处理
  每次访问key的时候，发现超时后被动过期，清理掉。

数据恢复阶段过期数据的处理策略

• RDB方式
  过期的key不会被持久化到文件中
  载入时过期的key,会通过redis的主动和被动方式清理掉。
• AOF方式
  当redis使用AOF方式持久化时，每次遇到过期的key redis会追加一条DEL命令到AOF文件， 也就是说只要我们顺序载入执行AOF命令文件就会删除过期的键。

【注意：过期数据的计算和计算机本身的时间是有直接联系的。】

（4）Redis内存回收策略

• 配置文件中设置：maxmemory-policy noeviction
• 动态调整：config set maxmemory-policy noeviction

回收策略	说明
noeviction	客户端尝试执行会让更多内存被使用的命令直接报错
allkeys-lru	在所有key里执行LRU算法
volatile-lru	在所有已经过期的key里执行LRU算法
volatile-lfu	使用过期集在密钥中使用近似LFU进行驱逐
allkeys-lfu	使用近似LFU逐出任何键
allkeys-random	在所有key里随机回收
volatile-random	在已经过期的key里随机回收
volatile-ttl	回收已经过期的key，并且优先回收存活时间（TTL）较短的键

（5）LRU和LFU算法

LRU(Last recently used，最近最少使用)：根据数据的历史访问记录来进行淘汰数据。

• 核心思想：如果数据最近被访问过，那么将来被访问的机率也更高。
• 注意：Redis的LRU算法并非完整的实现，完整实现的LRU实现是因为这需要太多的内存。
• 方法：通过对少量keys进行取样(50%),然后回收其中一个最好的key。
• 配置方式；maxmemory-samples 5

LFU算法

LFU(Least Frequently Used)根据数据的历史访问频率来淘汰数据

• 核心思想：如果数据过去被访问多次，那么将来被访问的频率也更高。
• Redis实现的是近似的实现，每次对key进行访问时，用基于概率的对数计算器（次数和存在时间的比值）来记录访问次数，同时这个计数器会随着时间推移而减小。
• 启用LFU算法后，可以使用热点数据分析功能。（redis-cli–hotkeys）