浅谈Redis数据过期删除策略与内存淘汰策略

引言

大家都知道Redis是内存数据库，将所有的数据都放在内存中，而内存经常会出现饱和的情况，为了节约内存空间，Redis会将过期数据清除，当内存满时会通过指定策略进行淘汰。本章讲解Redis过期数据删除策略与淘汰策略。

数据过期策略

设置过期时间

设置key过期时间有4个命令：

• expire <key> <n>：设置 key 在 n 秒后过期，比如 expire key 100 表示设置 key 在 100 秒后过期；
• pexpire <key> <n>：设置 key 在 n 毫秒后过期，比如 pexpire key2 100000 表示设置 key2 在 100000 毫秒（100 秒）后过期。
• expireat <key> <n>：设置 key 在某个时间戳（精确到秒）之后过期，比如 expireat key3 1655654400 表示 key3 在时间戳 1655654400 后过期（精确到秒）；
• pexpireat <key> <n>：设置 key 在某个时间戳（精确到毫秒）之后过期，比如 pexpireat key4 1655654400000 表示 key4 在时间戳 1655654400000 后过期（精确到毫秒）
• 在设置字符串时，也可以同时对 key 设置过期时间，共有 3 种命令：
• set <key> <value> ex <n> ：设置键值对的时候，同时指定过期时间（精确到秒）；
• set <key> <value> px <n> ：设置键值对的时候，同时指定过期时间（精确到毫秒）；
• setex <key> <n> <valule> ：设置键值对的时候，同时指定过期时间（精确到秒）。

查看key的剩余时间：使用TTL <key>命令。

取消key的过期时间，使用PERSIST <key>命令。

 过期删除策略

当key过期，Redis会先把该key协同过期时间存储到一个过期字典EXPIRES DICT中。

随后根据特定的过期删除策略进行删除，常见的过期删除策略分为三种：定时删除、惰性删除、定期删除。

定时删除

• 创建定时器，当过期时间到达，定时器立即执行删除。
• 优点：节省内存
• 缺点：在设置的过期时间段中占用CPU用于过期检查，增加CPU的负载。

惰性删除

• 设置key过期时间中，我们不用去管它，当需要该key是，我们在检查是否过期，如果过期，删除key，不过期返回key值。
• 优点：对CPU友好，只会在使用该key的时候进行检查，对于很多用不到的key不用浪费时间进行过期检查。
• 对内存不友好，一直不使用过期的key，该key会一直占用内存。

定期删除

• 每个一段时间，我们就对一些key进行检查，删除里面的过期key，随机取出定量的key进行检查。
• 优点：可以通过限制删除操作执行的时长和频率来检查哦操作对CPU的影响，同时也能删除一部分过期的数据减少了过期键对空间的无效占用。节省内存。
• 缺点：难以确定删除操作执行的时长和频率。

分为两种模式

SLOW模式：是定时任务，执行频率默认为10HZ，每次不超过25ms，通过修改conf文件的HZ来修改次数。

FAST模式：执行频率不固定，但两次间隔不低于2ms，每次耗时不超过1ms。

默认过期删除策略

以上的过期删除策略各有优缺点，Redis默认的过期删除策略是惰性删除+定期删除两种策略进行配合使用。

内存淘汰策略

当Redis 的运行内存已经超过 Redis 设置的最大内存之后，则会使用内存淘汰策略删除符合条件的 key，以此来保障 Redis 高效的运行。

LRU与LFU算法

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，值越大则淘汰优先级越高。

LFU：Least Frequently Used 最少频率使用。通过统计每个key的访问频率值越小淘汰优先级越高。

淘汰策略

• noeviction：不淘汰key，当内存满使不允许写入数据。默认策略
• volatile-random：随机淘汰设置了过期时间的任意键值；
• volatile-ttl：对设置TTL的key，比较剩余的TTL值，值越小越先淘汰。
• volatile-lru：在所有设置了过期时间的键值中，对最久未使用的键值进行淘汰。
• volatile-lfu：在所有设置了过期时间的键值中，对最少使用的键值进行淘汰。
• allkeys-random：随机淘汰任意键值;
• allkeys-lru：在整个键值中对最久未使用的键值进行淘汰；
• allkeys-lfu：在整个键值中对最少使用的键值进行淘汰。

淘汰策略使用建议

• 在业务有明显的热冷数据的区分，使用allkeys-lru策略，可以用来区分冷热数据的区分。
• 没有明显的热冷数据区分使用allkeys-random。