redis 的过期策略及linkedHashMap LRU实现

目录

一、Redis 过期策略

二、LinkedHashMap LRU 实现

---

一、Redis 过期策略

如果性能瓶颈出在数据库，可以引入redis，减缓数据库的压力

因为redis 是基于内存来进行高性能、高并发的读写操作的。因为是内存，就会有空间的限制。如果只有10g内存，一直往里面写数据，那肯定不行，所以需要采用一些策略来把过期的数据删除掉或淘汰掉。

过期策略主要有：定期删除、惰性删除两种。

定期删除

所谓定期删除，指的是 redis 默认是每隔 100ms 就随机抽取一些设置了过期时间的 key，检查其是否过期，如果过期就删除。
随机抽取这里需要注意，如果在随机抽取的数据中，过期率超过了1/4，就再执行一次，直到比例低于1/4。

这里为什么是随机抽取？

假如在redis 里插入10w个key，并且都设置了过期时间，如果每次都检查所有key，那cpu基本上都消耗在过期key的检查上了，redis对外的性能也会大大降低。

但是随机抽取会存在一个问题，就是会存在本已经过期的key，因为没有被扫描到，而继续留在内存中，并占用空间，等待被删除。

这时候就需要第二种过期策略了。

惰性删除

惰性删除，就是在获取某个 key 的时候，redis 会检查一下 ，如果这个 key 设置了过期时间，并且已经过期了，那么就直接删除，返回空。

嗯，那再考虑一种情况，如果大量的key没有被扫描到，且已过期，也没有被再次访问，即没有走惰性删除，这些大量过期 key 堆积在内存里，也有可能导致 redis 内存块耗尽了，这种情况下，怎么办？

redis内部提供了内存淘汰机制，有多种算法可以实现，比较广为人知的是LRU 算法

二、LinkedHashMap LRU 实现

如果从头开始写一个完整的LRU算法，那会要了命，幸好小菜鸡还记得 LinkedHashMap，可以基于 LinkedHashMap实现一个简单版本的LRU算法。

public class LRUCache<K,V> extends LinkedHashMap {

    private final int CACHE_SIZE;

    public LRUCache(int cacheSize){
        super((int)Math.ceil(cacheSize / 0.75) +1 ,0.75f,true);
        CACHE_SIZE = cacheSize;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry eldest) {
        return size() > CACHE_SIZE;
    }
}