reids笔记

网络io多路复用

实际上是使用一个进程来监控多个准备读写的io，当有需要读写的io时，进程就会工作。这样就避免了每个io都建立一个链接导致io链接过多问题。

布隆过滤器

布隆过滤器是为了判断一个值是否存在的一种方法，布隆过滤器实际上是一个数据的多个哈希函数结果以位的形式存储在一个bit数组上。如果使用hashmap，当数据过多时会导致内存不足。
布隆过滤器数据结构

布隆过滤器是一个 bit 向量或者说 bit 数组，长这样：
00000000
如果我们要映射一个值到布隆过滤器中，我们需要使用多个不同的哈希函数生成多个哈希值，并对每个生成的哈希值指向的 bit 位置 1，例如针对值 “baidu” 和三个不同的哈希函数分别生成了哈希值 1、4、7，则上图转变为：
10010010
Ok，我们现在再存一个值 “tencent”，如果哈希函数返回 3、4、8 的话，图继续变为：
10110011

值得注意的是，4 这个 bit 位由于两个值的哈希函数都返回了这个 bit 位，因此它被覆盖了。现在我们如果想查询 “dianping” 这个值是否存在，哈希函数返回了 1、5、8三个值，结果我们发现 5 这个 bit 位上的值为 0，说明没有任何一个值映射到这个 bit 位上，因此我们可以很确定地说 “dianping” 这个值不存在。而当我们需要查询 “baidu” 这个值是否存在的话，那么哈希函数必然会返回 1、4、7，然后我们检查发现这三个 bit 位上的值均为 1，那么我们可以说 “baidu” 存在了么？答案是不可以，只能是 “baidu” 这个值可能存在。

这是为什么呢？答案跟简单，因为随着增加的值越来越多，被置为 1 的 bit 位也会越来越多，这样某个值 “taobao” 即使没有被存储过，但是万一哈希函数返回的三个 bit 位都被其他值置位了 1 ，那么程序还是会判断 “taobao” 这个值存在。

reids内存淘汰策略

过期策略
（1）定期删除：将所有设置了过期策略的key存储在一个独立的字典中，然后每秒扫描10次，每次扫描随机选择20个，将其中已经过期的数据删除，如果删除的数据超过了1/4，那再重复扫描删除步骤。
（2）惰性删除：当有查询时，发现查询的key已过期，再进行删除

LRU：最近最少使用算法
LFU：使用频率最少算法
内存淘汰策略
（1）noeviction：当内存使用超过配置的时候会返回错误，不会驱逐任何键
（2）allkeys-lru：加入键的时候，如果过限，首先通过LRU算法驱逐最久没有使用的键
（3）volatile-lru：加入键的时候如果过限，首先从设置了过期时间的键集合中驱逐最久没有使用的键
（4）allkeys-random：加入键的时候如果过限，从所有key随机删除
（5）volatile-random：加入键的时候如果过限，从过期键的集合中随机驱逐
（6）从配置了过期时间的键中驱逐马上就要过期的键
（7）从所有配置了过期时间的键中驱逐使用频率最少的键
（8）从所有键中驱逐使用频率最少的键

Redis中的LRU与常规的LRU实现并不相同，常规LRU会准确的淘汰掉队头的元素，但是Redis的LRU并不维护队列，只是根据配置的策略要么从所有的key中随机选择N个（N可以配置），要么从所有的设置了过期时间的key中选出N个键，然后再从这N个键中选出最久没有使用的一个key进行淘汰。