24 Redis缓存替换策略

最新推荐文章于 2024-08-11 07:00:00 发布

pdfcxc

最新推荐文章于 2024-08-11 07:00:00 发布

阅读量1.1k

点赞数

分类专栏： Redis 文章标签： redis

本文链接：https://blog.csdn.net/pdfcxc/article/details/116904237

版权

Redis 专栏收录该内容

7 篇文章 1 订阅

订阅专栏

数据的淘汰的机制包括两步：

第一，根据一定的策略，筛选出对应用访问来说”不重要“的数据；
第二，将这些数据从缓存中删除，为新来的数据腾出空间。

设置多大的缓存容量合适

在实践过程中，Redis容量规划不能一概而论，是需要结合应用数据实际访问特征和成本开销来综合考虑的。

建议把缓存容量设置为总数据量的15%到30%，兼顾访问性能和内存空间开销。

Redis缓存淘汰策略

在这里插入图片描述

默认情况下，Redis使用的内存空间超过maxmemory之后不会淘汰数据，即noeviction策略。当缓存满了之后，再有写请求过来，Redis不再提供服务，而是直接返回错误。

volatile-ttl 在筛选时，会针对设置了过期时间的键值对，根据过期时间的先后进行删除，越早过期的越先被删除
volatile-random 就像它的名称一样，在设置了过期时间的键值对中，进行随机删除。
volatile-lru 会使用 LRU 算法筛选设置了过期时间的键值对。
volatile-lfu 会使用 LFU 算法选择设置了过期时间的键值对。
allkeys-random 策略，从所有键值对中随机选择并删除数据；
allkeys-lru 策略，使用 LRU 算法在所有数据中进行筛选。
allkeys-lfu 策略，使用 LFU 算法在所有数据中进行筛选。

LRU 算法的全称是 Least Recently Used，按照最近最少使用的原则来筛选数据，最不常用的数据会被筛选出来，而最近频繁使用的数据会留在缓存中。
LRU 会把所有的数据组织成一个链表，链表的头和尾分别表示 MRU 端和 LRU 端，分别代表最近最常使用的数据和最近最不常用的数据。
在这里插入图片描述

在 Redis 中，LRU 算法被做了简化，以减轻数据淘汰对缓存性能的影响。具体来说，Redis 默认会记录每个数据的最近一次访问的时间戳（由键值对数据结构 RedisObject 中的 lru 字段记录）。然后，Redis 在决定淘汰的数据时，第一次会随机选出 N 个数据，把它们作为一个候选集合。接下来，Redis 会比较这 N 个数据的 lru 字段，把 lru 字段值最小的数据从缓存中淘汰出去。

Redis 提供了一个配置参数 maxmemory-samples，这个参数就是 Redis 选出的数据个数 N。例如，我们执行如下命令，可以让 Redis 选出 100 个数据作为候选数据集：

CONFIG SET maxmemory-samples 100

当需要再次淘汰数据时，Redis 需要挑选数据进入第一次淘汰时创建的候选集合。（挑选的策略需要确定，个人推测和也是随机选出数据）这儿的挑选标准是：能进入候选集合的数据的 lru 字段值必须小于候选集合中最小的 lru 值。当有新数据进入候选数据集后，如果候选数据集中的数据个数达到了 maxmemory-samples，Redis 就把候选数据集中 lru 字段值最小的数据淘汰出去。

缓存淘汰策略使用建议：

优先使用 allkeys-lru 策略。这样，可以充分利用 LRU 这一经典缓存算法的优势，把最近最常访问的数据留在缓存中，提升应用的访问性能。如果你的业务数据中有明显的冷热数据区分，我建议你使用 allkeys-lru 策略。
如果业务应用中的数据访问频率相差不大，没有明显的冷热数据区分，建议使用 allkeys-random 策略，随机选择淘汰的数据就行。
如果你的业务中有置顶的需求，比如置顶新闻、置顶视频，那么，可以使用 volatile-lru 策略，同时不给这些置顶数据设置过期时间。这样一来，这些需要置顶的数据一直不会被删除，而其他数据会在过期时根据 LRU 规则进行筛选。