Redis内存回收

Redis内存设置

1.配置文件配置
可以通过在Redis安装目录下的redis.conf文件设置内存大小。

// 设置Redis可占用最大内存
maxmemory 50mb

2.Redis命令设置

127.0.0.1：6379> config set maxmemory 50mb

Redis内存回收

如下图，通过查看Redis的配置文件redis.conf可知，当Redis内存使用完时，redis提供了几种内存回收策略（我使用的版本是3.2.8）：

volatile-lru -> 根据LRU算法删除设置了超时属性（expire）的key，直到腾出足够空间为止。如果没有key可以淘汰，回退到noeviction策略；
allkeys-lru -> 从所有key中使用LRU算法进行淘汰，直到腾出足够空间为止；
volatile-random -> 从设置了超时属性的key中随机淘汰数据，直到腾出足够空间为止。如果没有key可以淘汰，回退到noeviction策略；
allkeys-random -> 从所有key中随机淘汰数据，直到腾出足够空间为止；
volatile-ttl -> 从设置了超时属性的key中，根据过期时间进行淘汰，越早过期的key越优先被淘汰。如果没有key可以淘汰，回退到noeviction策略；
noeviction（默认策略） -> 拒绝所有写入操作并直接返回错误（DEL请求和部分特殊请求除外）。

设置内存淘汰策略

redis内存淘汰策略默认是noeviction。
先获取当前内存淘汰策略：

127.0.0.1:6379> config get maxmemory-policy

1.修改redis.conf配置文件：

maxmemory-policy allkeys-lru

2.redis命令修改

127.0.0.1:6379>config set maxmemory-policy allkeys-lru

LRU算法

LRU(Least Recently Used)，内存管理的一种缓存置换算法，对于在使用内存作为缓存时，如果缓存被数据占满并且还要添加数据，需要淘汰一部分老数据以释放内存空间。
使用java代码实现一个简单的LRU算法：

public class LRUCache<k, v> {
	
    /**
     * 容量
     */
    private int capacity;
    
    /**
     * 统计当前节点数
     */
    private int count;
    
    /**
     * 缓存节点
     */
    private Map<k, Node<k, v>> nodeMap;
    
    /**
     * 头节点
     */
    private Node<k, v> head;
    
    /**
     * 尾节点
     */
    private Node<k, v> tail;
    
    public LRUCache() {
	}

    public LRUCache(int capacity) {
        if (capacity < 1) {
            throw new IllegalArgumentException(String.valueOf(capacity));
        }
        this.capacity = capacity;
        this.nodeMap = new HashMap<>();
        // 初始化头节点和尾节点，
        // 利用哨兵模式减少判断头节点和尾节点为空
        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) {
        	// 如果容量已满
            if (count >= capacity) {
                // 先移除一个节点
                removeNode();
            }
            node = new Node<>(key, value);
            // 添加节点
            addNode(node);
        } else {
            // 移动节点到头节点
            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;
        // 从链表里面移除
        removeFromList(node);
        // 从缓存中删除
        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) {
        // 添加节点到链表头部
        addToHead(node);
        // 并添加到缓存中
        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) {
        // 从链表里面移除
        removeFromList(node);
        // 添加节点到头部
        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;
        }
    }
}

我从网上查阅资料得知，Redis使用的是近似LRU算法。所谓近似，是因为Redis通过随机采样的方式去淘汰数据，每次随机选取5（默认）个key，从里面淘汰最近最少使用的key（可以通过修改参数maxmemory-samples设置随机选取数量）。
Redis给每个key增加了一个24bit的字段，用来存储key最后一次被访问的时间。

而Redis3.0对近似LRU算法进行了优化，新算法维护了一个key的候选池，其大小为16，池中的数据根据时间排序，第一次选取的key都会放入池中，之后每次取到的key只有在其访问时间小于池中最小的时间才会入池。池满后，如果有新的key要入池，则将池中访问时间最大（最近被访问）的key移除。

LFU算法

LFU（Least Frequently Used）算法是Redis4.0以上版本中添加的一种淘汰策略。根据key最近被访问的频率进行淘汰，访问较少的优先被淘汰。
LFU算法避免了LRU中将偶尔被访问一次的key作为热点数据。
LFU有两种策略：
volatile-lfu -> 根据LFU算法删除设置了超时属性（expire）的key，直到腾出足够空间为止。如果没有key可以淘汰，回退到noeviction策略；
allkeys-lfu -> 从所有key中使用LFU算法进行淘汰，直到腾出足够空间为止。