目录
4.2.1 allkeys- LRU（有明显冷热数据区分）常用
4.2.2 allkeys-random（没有明显冷热数据区分）
4.2.3 volatile-LRU（数据有置顶的需求,例如排行榜、计数器等场景）
4.2.4 allkeys-LFU 或 volatile-LFU（有短时高频访问数据）
4.3.3 如何对 Volatile-Lru 进行性能优化？
5.2 数据库有1000万数据 ,Redis只能缓存20w数据, 如何保证Redis中的数据都是热点数据 ?
5.3 Redis的内存用完了会发生什么？（假如缓存过多，内存是有限的，内存被占满了怎么办？）
1. 面试问题引入
- 面试官：假如缓存过多，内存是有限的，内存被占满了怎么办？
- 数据库有1000万数据 ,Redis只能缓存20w数据, 如何保证Redis中的数据都是热点数据 ?
- Redis的内存用完了会发生什么？
2. 数据淘汰策略定义
当Redis中的内存不够用时，此时在向Redis中添加新的key，那么Redis就会按照某一种规则将内存中的数据删除掉，这种数据的删除规则被称之为内存的淘汰策略。
3. Redis 数据过期后的删除策略是什么？
Redis 数据过期主要有两种删除策略，分别为定期删除、惰性删除两种：
- 定期删除：Redis 每隔一定时间（默认是 100 毫秒）会随机检查一定数量的键，如果发现过期键，则将其删除。这种方式能够在后台持续清理过期数据，防止内存膨胀。
- 惰性删除：在每次访问键时，Redis 检查该键是否已过期，如果已过期，则将其删除。这种策略保证了在使用过程中只删除不再需要的数据，但在不访问过期键时不会立即清除。
3.1 定期删除细节
定期删除策略是 Redis 内部的一个定时任务，周期性（每 100ms）地扫描一些设置了过期时间的键。
要注意，Redis 并不会一次性扫描所有设置了过期时间的键，因为这样会消耗大量的 CPU 资源。它会在每次扫描时限制扫描的时间和数量，以避免对性能产生过大的影响，因此可能会有部分键过期了没有被及时删除。
每次获取 20 个 key 判断是否过期，如果发现过期的 key 占比超过 25% 则继续再拉 20 个，如果小于 25% 则停止。这里还有一个时间限制，即一次删除时间不超过 25ms，即如果发现占比超过 25% 的时候，需要判断目前是否已经花了 25ms，如果已经用了这么多时长也会结束。
3.2 惰性删除优缺点
- 优点：可以减少 CPU 的占用，因为只有查询到了相关的数据才执行删除操作，不需要主动去定时删除。
- 缺点：如果一直没有查询一个 Key，就有可能不会被删除，这样就容易造成内存泄漏问题。
除了这两个删除，还有一个机制也会淘汰 keyRedis 内存使用达到设置的 maxmemory 限制时，会触发内存回收机制。此时会主动删除一些过期键和其他不需要的键，以释放内存。具体的删除策略（数据淘汰策略）有以下8种：
4. 八种数据淘汰策略
Redis支持8种不同策略来选择要删除的key：
noeviction： 不淘汰任何key，但是内存满时不允许写入新数据但报错, 默认就是这种策略。
volatile-ttl： 对设置了TTL（过期时间）的key，比较key的剩余TTL值，TTL越小越先被淘汰
allkeys-random：对全体key ，随机进行淘汰。
volatile-random：对设置了TTL（过期时间）的key ，随机进行淘汰。
allkeys-lru： 对全体key，基于LRU算法进行淘汰
volatile-lru： 对设置了TTL（过期时间）的key，基于LRU算法进行淘汰
allkeys-lfu： 对全体key，基于LFU算法进行淘汰
volatile-lfu： 对设置了TTL的key，基于LFU算法进行淘汰
4.1 LRU和LFU算法定义
LRU（Least Recently Used）最近最少使用。用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高。
例如：key1是在3s之前访问的, key2是在9s之前访问的，删除的就是key2
LFU（Least Frequently Used）最少频率使用。会统计每个key的访问频率，值越小淘汰优先级越高。
例如：key1最近5s访问了4次, key2最近5s访问了9次， 删除的就是key1
4.2 使用建议
4.2.1 allkeys- LRU（有明显冷热数据区分）常用
如果业务有明显的冷热数据区分，建议使用 allkeys- LRU 策略，把最近最常访问的数据留在缓存中。
为什么allkeys-LFU策略不一定能把最近最常访问的数据留下来呢？因为可能存在在某个时间段访问频率很高的数据，其余时间很少访问，这部分数据不是最近最常访问的数据，但是会被LFU策略留下来。
4.2.2 allkeys-random（没有明显冷热数据区分）
如果业务中数据访问频率差别不大，没有明显冷热数据区分，建议使用 allkeys-random，随机选择淘汰。
4.2.3 volatile-LRU（数据有置顶的需求,例如排行榜、计数器等场景）
适用于有明显热点数据和临时数据的场景，同时对于那些需要长期保留的置顶数据，可以通过不设置过期时间来实现保留。
4.2.4 allkeys-LFU 或 volatile-LFU（有短时高频访问数据）
如果业务中有短时高频访问的数据，可以使用 allkeys-lfu 或 volatile-lfu 策略。
4.3 详谈volatile-LRU
4.3.1 Volatile-Lru 是什么？
Volatile-Lru（可变 LRU）是一种 Redis 中的数据结构，用于实现键值对的缓存。它将最近最少使用（Least Recently Used，LRU）的数据替换为较不经常使用的数据，从而节省内存空间。Volatile-Lru 数据结构在 Redis 中的使用非常广泛，例如在缓存、排行榜、计数器等场景中都有应用。
4.3.2 Volatile-Lru 的工作原理
Volatile-Lru 的工作原理基于 Redis 中的 LRU 算法。当一个键值对被写入 Redis 时，首先会将其添加到 LRU 链表的头部。然后，Redis 会周期性地检查 LRU 链表，将最不经常使用的数据替换为较不经常使用的数据。这个过程被称为“volatility”，即“可变”。
在 Volatile-Lru 中，Redis 维护了一个双向链表，分别用于存储最近最少使用（frequent）和最不经常使用（infrequent）的键值对。当一个键值对被写入 Redis 时，首先将其添加到双向链表的头部。然后，Redis 会将双向链表中的数据进行遍历，将最不经常使用的数据替换为较不经常使用的数据。这个过程会持续进行，直到双向链表达到一定的大小。
4.3.3 如何对 Volatile-Lru 进行性能优化？
虽然 Volatile-Lru 是 Redis 中的一个重要功能，但它在某些场景下可能会导致性能下降。为了提高 Volatile-Lru 的性能，我们可以采取以下几种策略：
1. 调整 LRU 算法的时间间隔：Redis 中的 LRU 算法会周期性地检查 LRU 链表，将最不经常使用的数据替换为较不经常使用的数据。我们可以通过调整 LRU 算法的时间间隔来减少检查的频率，从而提高性能。
2. 减少 Volatile-Lru 双向链表的大小：Redis 中的 Volatile-Lru 双向链表用于存储最近最少使用（frequent）和最不经常使用（infrequent）的键值对。我们可以通过减少双向链表的大小来提高性能，例如将双向链表的大小设置为 100 或 200。
3. 使用 LRU 压缩算法：Redis 提供了 LRU 压缩算法，可以有效地减少 LRU 链表的大小。我们可以使用 LRU 压缩算法来提高 Volatile-Lru 的性能。
5. 面试题
5.1 Redis的数据淘汰策略有哪些?
redis中提供了很多种数据淘汰策略，默认是noeviction，不删除任何数据，内部不足直接报错
redis数据淘汰策略是可以在redis的配置文件中进行设置的，里面有两个非常重要的概念，一个是LRU，另外一个是LFU
LRU的意思就是最少最近使用，用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高。
LFU的意思是最少频率使用。会统计每个key的访问频率，值越小淘汰优先级越高
我在项目设置的是allkeys-lru，挑选最近最少使用的数据淘汰，把一些经常访问的key留在redis中
5.2 数据库有1000万数据 ,Redis只能缓存20w数据, 如何保证Redis中的数据都是热点数据 ?
使用allkeys-lru(挑选最近最少使用的数据淘汰)淘汰策略，留下来的都是经常访问的热点数据
5.3 Redis的内存用完了会发生什么？（假如缓存过多，内存是有限的，内存被占满了怎么办？）
主要看数据淘汰策略是什么，（数据淘汰策略，指的就是当Redis中的内存不够用时，此时在向Redis中添加新的key，那么Redis就会按照某一种规则将内存中的数据删除掉。）如果使用的是默认的配置noeviction 淘汰策略（ 不淘汰任何key，但是内存满时不允许写入新数据），内存不足时，写入则会直接报错
扫一扫
1260
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
