redis内存配置以及相关策略

redis占用内存大小

redis是基于内存的的key-value数据库，由于系统内存大小有限，我们在使用redis时可以通过配置使用redis最大的内存大小。

redis内存配置

1. 通过配置文件配置，在redis.conf配置文件中添加一下配置配置内存大小

//设置Redis最大占用内存大小为100M
maxmemory 100mb

2. 通过命令修改，在redis服务动态运行时，通过命令进行配置

[root@iz2zeggjr0d8kt5ik151rdz bin]# redis-cli
127.0.0.1:6379> ping
PONG
//设置Redis最大占用内存大小为100M
127.0.0.1:6379> config set maxmemory 100mb
OK
//获取设置的Redis能使用的最大内存大小
127.0.0.1:6379> config get maxmemory
1) "maxmemory"
2) "104857600"
127.0.0.1:6379> 

redis内存策略

通过设置redis的内存设置，可以有效配置redis内存大小。既然redis内存大小可以配置，那么内存用完时，redis是如何往里面添加数据的呢？
一般来说，redis通过以下策略来处理这种情况：

• noeviction(默认策略) ：对于写请求不再提供服务，直接返回错误（DEL请求和部分特殊请求除外）
• allkeys-lru ：从所有key中使用LRU算法进行淘汰
• volatile-lru ：从设置了过期时间的key中使用LRU算法进行淘汰
• allkeys-random ：从所有key中随机淘汰数据
• volatile-random ：从设置了过期时间的key中随机淘汰
• volatile-ttl ：在设置了过期时间的key中，根据key的过期时间进行淘汰，越早过期的越优先被淘汰

当使用volatile-lru 、volatile-random 、volatile-ttl 这三种策略时，如果没有key可以被淘汰，则和noeviction 一样返回错误

获取设置redis内存策略

1. 获取当前内存淘汰策略

127.0.0.1:6379> config get maxmemory-policy
1) "maxmemory-policy"
2) "noeviction"

2. 通过配置文件设置内存淘汰策略

maxmemory-policy allkeys-lru

3. 通过命令动态配置内存淘汰策略

127.0.0.1:6379> config set maxmemory-policy allkeys-lru
OK
127.0.0.1:6379> config get maxmemory-policy
1) "maxmemory-policy"
2) "allkeys-lru"
127.0.0.1:6379> 

LRU算法

当redis内存使用完后，是可以使用LRU算法进行淘汰的。LRU(Least Recently Used) ，即最近最少使用，是一种缓存置换算法。在使用内存作为缓存的时候，缓存的大小一般是固定的。当缓存被占满，这个时候继续往缓存里面添加数据，就需要淘汰一部分老的数据，释放内存空间用来存储新的数据。这个时候就可以使用LRU算法了。其核心思想是：如果一个数据在最近一段时间没有被用到，那么将来被使用到的可能性也很小，所以就可以被淘汰掉。

import javax.sound.midi.Soundbank;
import java.util.HashMap;
import java.util.Map;

public class LRUCache<k,v> {
    // 容量
    private int capacity;
    // 当前多少节点的统计
    private int count;
    //缓存节点
    private Map<k,Node<k,v>> nodeMap;
    private Node<k,v> head;
    private Node<k,v> tail;

    public LRUCache(int capacity){
        if (capacity < 1){
            throw new IllegalArgumentException(String.valueOf(capacity));
        }
        this.capacity = capacity;
        this.nodeMap = new HashMap<>();
        // 初始化头结点和尾结点，利用哨兵模式减少判断头部节点和尾部节点为空的代码
        Node headNode = new Node(null, null);
        Node tailNode = new Node(null, null);
        headNode.next = tailNode;
        tailNode.pre = headNode;
        this.head = headNode;
        this.tail = tailNode;
    }
    private void removeNode(){
        Node node = tail.pre;
        //从链表移除
        removeFromList(node);
        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){
        //添加节点到头部
        addToHead(node);
        nodeMap.put(node.key, node);
        count++;
    }
    public 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){
        //从链表里面删除
        removeFromList(node);
        //添加节点到头部
        addToHead(node);
    }
    public void put(k key, v value) {
        Node<k, v> node = nodeMap.get(key);
        if (node == null) {
            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;
    }

    static class Node<k,v>{
        k key;
        v value;
        Node pre;
        Node next;

        public Node(k key, v value){
            this.key = key;
            this.value =value;
        }
    }

}

LRU算法在redis中的使用

redis中使用近似LRU算法：通过随机取样法进行淘汰，每次随机出5（默认）个key，从里面淘汰掉最近最少使用的key。

可以通过maxmemory-samples参数修改采样数量：例：maxmemory-samples 10 maxmenory-samples配置的越大，淘汰的结果越接近于严格的LRU算法

在redis中为了实现近似的LRU算法，给每个key额外添加了一个24bit的字段，用来存储改key最后一次访问时间。

redis3.0对近似LRU算法的优化

Redis3.0对近似LRU算法进行了一些优化。新算法会维护一个候选池（大小为16），池中的数据根据访问时间进行排序，第一次随机选取的key都会放入池中，随后每次随机选取的key只有在访问时间小于池中最小的时间才会放入池中，直到候选池被放满。当放满后，如果有新的key需要放入，则将池中最后访问时间最大（最近被访问）的移除。

当需要淘汰的时候，则直接从池中选取最近访问时间最小（最久没被访问）的key淘汰掉就行。

LFU算法

LFU算法是Redis4.0里面新加的一种淘汰策略。它的全称是Least Frequently Used ，它的核心思想是根据key的最近被访问的频率进行淘汰，很少被访问的优先被淘汰，被访问的多的则被留下来。
LFU算法能更好的表示一个key被访问的热度。假如你使用的是LRU算法，一个key很久没有被访问到，只刚刚是偶尔被访问了一次，那么它就被认为是热点数据，不会被淘汰，而有些key将来是很有可能被访问到的则被淘汰了。如果使用LFU算法则不会出现这种情况，因为使用一次并不会使一个key成为热点数据。
LFU一共有两种策略：

• volatile-lfu：在设置了过期时间的key中使用LFU算法淘汰key
• allkeys-lfu：在所有的key中使用LFU算法淘汰数据