Redis数据过期策略

前言

这几年一直在it行业里摸爬滚打，一路走来，不少总结了一些python行业里的高频面试，看到大部分初入行的新鲜血液，还在为各样的面试题答案或收录有各种困难问题

于是乎，我自己开发了一款面试宝典，希望能帮到大家，也希望有更多的Python新人真正加入从事到这个行业里，让python火不只是停留在广告上。

微信小程序搜索：Python面试宝典

或可关注原创个人博客：https://lienze.tech

也可关注微信公众号，不定时发送各类有趣猎奇的技术文章：Python编程学习

Redis数据过期策略

定时删除

• 策略 : 在设置键的过期时间的同时，创建一个定时器，让定时器在键的过期时间来临时，立即执行对键的删除操作
• 优点 : 对内存友好，保证过期键会尽可能快地被删除，并释放过期键所占用的内存
• 缺点 : 对CPU时间不友好，占用太多CPU时间，影响服务器的响应时间和吞吐量

惰性删除

• 策略 : 放任过期键不管，每次从键空间读写操作时，都检查键是否过期，如果过期，删除该键，如果没有过期，返回该键
• 优点 : 对CPU时间友好，读写操作键时才对键进行过期检查，删除过期键的操作只会在非做不可的情况下进行
• 缺点 : 对内存不友好，只要键不删除，就不会释放内存，浪费太多内存，有内存泄漏风险

定期删除

• 策略 :对定时删除策略和惰性删除策略的一种整合和折中。每隔一段时间执行一次定时删除，并通过限制删除操作执行的总时长和总频率来限制删除操作对CPU占用时间的影响。通过定期删除过期键，有效减少了因为过期键而带来的内存浪费
• 难点：确定删除操作执行的总时长和总频率。执行太频繁，执行时间过长，就会退化成定时删除策略，影响客户端请求效率；执行得太少，执行时间太短，会演变为惰性删除，存在内存浪费的情况

Redis服务器使用惰性删除和定期删除两种策略，通过配合使用，很好地在合理使用CPU时间和避免浪费内存之间取得平衡

驱逐策略

• maxmemory

maxmemory 用于指定Redis能使用的最大内存。既可以在 redis.conf 文件中设置, 也可以在运行过程中通过CONFIG SET命令动态修改

maxmemory 100mb

达到最大内存限制时maxmemory ，Redis根据 maxmemory-policy 配置的策略, 来决定具体的行为

---

Redis 3.0支持的策略包括

• noeviction：不删除策略，达到最大内存限制时，如果需要更多内存，直接返回错误信息

大多数写命令都会导致占用更多的内存(有极少数会例外, 如 DEL )。

• allkeys-lru：所有key通用；优先删除最近最少使用key
• volatile-lru：只限于设置了expire的部分; 优先删除最近最少使用(less recently used、LRU)的 key
• allkeys-random：所有key通用；随机删除一部分key
• volatile-random：只限于设置了expire的部分；随机删除一部分key
• volatile-ttl：只限于设置了expire的部分；优先删除剩余时间短的key

---

如果没有设置 expire 的key，不满足先决条件(prerequisites)

那么 volatile-lru, volatile-random 和 volatile-ttl 策略的行为，和 noeviction(不删除) 基本上一致

• 配置驱逐策略，可以通过maxmemory-policy属性设置

maxmemory-policy noeviction

maxmemory-policy同样可以在运行时设置，用户可以根据内存的使用情况动态的修改淘汰策略。

当redis中的数据有一部分访问频率比较高，另外一部分访问频率较低时，设置allkeys-lru比较合适。或者无法预测数据的使用频率时，allkeys-lru也是不错的选择。

如果你需要循环或者扫描连续数据时，换种说法就是数据的访问概率大致相等时，allkeys-random是不错的选择

当你想通过设置不同的ttl来控制数据过期的先后顺序时，你可以设置为volatile-ttl

当你希望一些数据常驻内存，另外一些数据可以被替换掉时，就请用volatile-lru或volatile-random吧

另外，数据的过期时间是存储在另外一个哈希表中的，因此要耗费更多的内存空间，而allkeys-lru并不需要数据设置过期时间，因此对内存的利用率更高

volatile-lru，volatile-random和volatile-ttl在没有数据满足被淘汰的条件时，会和noeviction一样返回错误

触发淘汰动作

客户端执行一个命令, 导致Redis中的数据增加,占用更多内存

Redis检查内存使用量, 如果超出 maxmemory 限制, 根据策略清除部分key

继续执行下一条命令, 以此类推

策略执行方式

Redis为了避免反复触发淘汰策略，每次会淘汰掉一批数据；当Redis指令产生数据比较大时，淘汰掉的数据量也相应也比较大。

为了节省内存，LRU的策略并不是严格执行的，Redis是在整体中随机抽样取出一小部分数据，在这部分数据中严格执行LRU策略

在Redis3.0以后的版本对此算法做了改进，但仍然也是近似的LRU的策略，只是离真正的LRU更近了。

另外用户可以动态的设定随机抽取的样本数，例如

maxmemory-samples 5