《Redis缓存中的时间炸弹——缓存过期和淘汰策略》

本章学习目标：

• 理解LRU算法
• 理解Redis缓存淘汰策略
• 能够较正确的应用Redis缓存淘汰策略

缓存过期和淘汰策略

• Redis性能高：
• 官方数据
  • 读：110000次/s
  • 写：81000次/s
• 长期使用，key会不断增加，Redis作为缓存使用，物理内存也会满
• 内存与硬盘交换（swap）虚拟内存，频繁IO 性能急剧下降

maxmemory

• 不设置的场景
  • Redis的key是固定的，不会增加
  • Redis作为DB使用，保证数据的完整性，不能淘汰，可以做集群，横向扩展
  • 缓存淘汰策略：禁止驱逐（默认）
• 设置的场景
  • Redis是作为缓存使用，不断增加Key
  • maxmemory ：默认为0 不限制

问题：达到物理内存后性能急剧下架，甚至崩溃

内存与硬盘交换（swap）虚拟内存，频繁IO 性能急剧下降

设置多少？

• 与业务有关

• 1个Redis实例，保证系统运行1 G ，剩下的就都可以设置Redis

• 物理内存的3/4

• slaver ：留出一定的内存

在redis.conf中

maxmemory  1024mb

命令：获得maxmemory数

CONFIG GET maxmemory

设置maxmemory后，当趋近maxmemory时，通过缓存淘汰策略，从内存中删除对象

不设置maxmemory 无最大内存限制maxmemory-policy noeviction （禁止驱逐）不淘汰

设置maxmemory maxmemory-policy 要配置

expire数据结构

• 在Redis中可以使用expire命令设置一个键的存活时间(ttl: time to live)，过了这段时间，该键就会自动被删除。

• expire的使用

  • expire命令的使用方法如下：expire key ttl(单位秒)

• expire原理

• 上面的代码是Redis 中关于数据库的结构体定义，这个结构体定义中除了 id 以外都是指向字典的指针，其中我们只看 dict 和 expires。

• dict 用来维护一个 Redis 数据库中包含的所有 Key-Value 键值对，expires则用于维护一个 Redis 数据库中设置了失效时间的键(即key与失效时间的映射)。

• 当我们使用 expire命令设置一个key的失效时间时，Redis 首先到 dict 这个字典表中查找要设置的key 是否存在，如果存在就将这个key和失效时间添加到 expires 这个字典表。

• 当我们使用 setex命令向系统插入数据时，Redis 首先将 Key 和 Value 添加到 dict 这个字典表中，然后将 Key 和失效时间添加到 expires 这个字典表中。

• 简单地总结来说就是，设置了失效时间的key和具体的失效时间全部都维护在 expires 这个字典表中。

• typedef struct redisDb{
    dict *dict; --keyValue   
    dict *expires;--keyttl  
    dict *blocking_keys;
    dict *ready_keys;
    dict *watched_keys;
    int id;
  }redisDb;
  

删除策略

• Redis的数据删除有定时删除、惰性删除和主动删除三种方式。
• Redis目前采用惰性删除+主动删除的方式。

定时删除

• 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。
• 需要创建定时器，而且消耗CPU，一般不推荐使用。

惰性删除

• 在key被访问时如果发现它已经失效，那么就删除它。
• 调用expireIfNeeded函数，该函数的意义是：读取数据之前先检查一下它有没有失效，如果失效了就删除它。

主动删除

在redis.conf文件中可以配置主动删除策略,默认是no-enviction（不删除）

maxmemory-policyallkeys-lru

LRU

• LRU (Least recently used) 最近最少使用，算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。
• 最常见的实现是使用一个链表保存缓存数据，详细算法实现如下：
  • \1. 新数据插入到链表头部；
  • \2. 每当缓存命中（即缓存数据被访问），则将数据移到链表头部；
  • \3. 当链表满的时候，将链表尾部的数据丢弃。
  • \4. 在Java中可以使用LinkHashMap（哈希链表）去实现LRU

让我们以用户信息的需求为例，来演示一下LRU算法的基本思路：

1.假设我们使用哈希链表来缓存用户信息，目前缓存了4个用户，这4个用户是按照时间顺序依次从链表右端插入的。

2.此时，业务方访问用户5，由于哈希链表中没有用户5的数据，我们从数据库中读取出来，插入到缓存当中。这时候，链表中最右端是最新访问到的用户5，最左端是最近最少访问的用户1。

3.接下来，业务方访问用户2，哈希链表中存在用户2的数据，我们怎么做呢？我们把用户2从它的前驱节点和后继节点之间移除，重新插入到链表最右端。这时候，链表中最右端变成了最新访问到的用户2，最左端仍然是最近最少访问的用户1。

4.接下来，业务方请求修改用户4的信息。同样道理，我们把用户4从原来的位置移动到链表最右侧，并把用户信息的值更新。这时候，链表中最右端是最新访问到的用户4，最左端仍然是最近最少访问的用户1。

5.业务访问用户6，用户6在缓存里没有，需要插入到哈希链表。假设这时候缓存容量已经达到上限，必须先删除最近最少访问的数据，那么位于哈希链表最左端的用户1就会被删除掉，然后再把用户6插入到最右端。

• Redis的LRU数据淘汰机制
  • 在服务器配置中保存了 lru 计数器 server.lrulock，会定时（redis 定时程序 serverCorn()）更新，server.lrulock 的值是根据 server.unixtime 计算出来的。
  • 另外，从 struct redisObject 中可以发现，每一个 redis 对象都会设置相应的 lru。可以想象的是，每一次访问数据的时候，会更新 redisObject.lru。
  • LRU 数据淘汰机制是这样的：在数据集中随机挑选几个键值对，取出其中 lru 最大的键值对淘汰。
  • 不可能遍历key 用当前时间-最近访问越大说明访问间隔时间越长
• volatile-lru
  • 从已设置过期时间的数据集（server.db[i].expires）中挑选最近最少使用的数据淘汰
• allkeys-lru
  • 从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰

LFU

• LFU (Least frequently used) 最不经常使用，如果一个数据在最近一段时间内使用次数很少，那么在将来一段时间内被使用的可能性也很小。
• volatile-lfu
• allkeys-lfu

random

• 随机
• volatile-random
  • 从已设置过期时间的数据集（server.db[i].expires）中任意选择数据淘汰
• allkeys-random
  • 从数据集（server.db[i].dict）中任意选择数据淘汰

ttl

• volatile-ttl
  • 从已设置过期时间的数据集（server.db[i].expires）中挑选将要过期的数据淘汰
• redis 数据集数据结构中保存了键值对过期时间的表，即 redisDb.expires。
• TTL 数据淘汰机制：从过期时间的表中随机挑选几个键值对，取出其中 ttl 最小的键值对淘汰。

noenviction

• 禁止驱逐数据，不删除默认

缓存淘汰策略的选择

• allkeys-lru ：在不确定时一般采用策略。冷热数据交换
• volatile-lru ：比allkeys-lru性能差存: 过期时间
• allkeys-random ：希望请求符合平均分布(每个元素以相同的概率被访问)
• 自己控制：volatile-ttl 缓存穿透

案例分享：字典库失效

key-Value 业务表存 code 显示文字

拉勾早期将字典库，设置了maxmemory，并设置缓存淘汰策略为allkeys-lru

结果造成字典库某些字段失效，缓存击穿， DB压力剧增，差点宕机。

分析：

• 字典库： Redis做DB使用，要保证数据的完整性
• maxmemory设置较小，采用allkeys-lru，会对没有经常访问的字典库随机淘汰
• 当再次访问时会缓存击穿，请求会打到DB上。

解决方案：

• 1、不设置maxmemory
• 2、使用noenviction策略

Redis是作为DB使用的，要保证数据的完整性，所以不能删除数据。

可以将原始数据源（XML）在系统启动时一次性加载到Redis中。

Redis做主从+哨兵保证高可用