redis map 过期时间_Redis的过期策略都有哪些？内存淘汰机制都有哪些？手写一下 LRU 代码实现？...

点击上方 "Dubbo之家" 关注公众号 星标置顶 终身学习

每天8点 第一时间与你相遇 不见不散

DubboHome 和你一起 终身学习

上篇回顾点这里

欢迎本篇讨论留言，Redis的过期策略都有哪些？

终身系列 私人订制

往期回顾 

每日一面：RPC非常重要，很多人面试的时候都挂在了这个地方

每日一面：Dubbo的注册中心用了ZK，那么ZK都有哪些使用场景？

官方推荐：Dubbo作者亲述：那些辉煌、沉寂与重生的故事

官方推荐：阿里巴巴 Apache Dubbo 布道师谈 Service Mesh

面试题

Redis内存淘汰机制都有哪些？过期策略都有哪些？手写LRU 代码？

面试官心理分析

如果你连这个问题都不知道，上来就懵了，回答不出来，那线上你写代码的时候，想当然的认为写进 redis 的数据就一定会存在，后面导致系统各种 bug，谁来负责？

常见的有两个问题：

• 往 redis 写入的数据怎么没了？

可能有同学会遇到，在生产环境的 redis 经常会丢掉一些数据，写进去了，过一会儿可能就没了。我的天，同学，你问这个问题就说明 redis 你就没用对啊。redis 是缓存，你给当存储了是吧？

啥叫缓存？用内存当缓存。内存是无限的吗，内存是很宝贵而且是有限的，磁盘是廉价而且是大量的。可能一台机器就几十个 G 的内存，但是可以有几个 T 的硬盘空间。redis 主要是基于内存来进行高性能、高并发的读写操作的。

那既然内存是有限的，比如 redis 就只能用 10G，你要是往里面写了 20G 的数据，会咋办？当然会干掉 10G 的数据，然后就保留 10G 的数据了。那干掉哪些数据？保留哪些数据？当然是干掉不常用的数据，保留常用的数据了。

• 数据明明过期了，怎么还占用着内存？

这是由 redis 的过期策略来决定。

面试题剖析

Redis的过期策略

我们都知道，Redis是key-value数据库，我们可以设置Redis中缓存的key的过期时间。Redis的过期策略就是指当Redis中缓存的key过期了，Redis如何处理。

过期策略通常有以下三种：

• 定时过期：每个设置过期时间的key都需要创建一个定时器，到过期时间就会立即清除。该策略可以立即清除过期的数据，对内存很友好；但是会占用大量的CPU资源去处理过期的数据，从而影响缓存的响应时间和吞吐量。

• 惰性过期：只有当访问一个key时，才会判断该key是否已过期，过期则清除。该策略可以最大化地节省CPU资源，却对内存非常不友好。极端情况可能出现大量的过期key没有再次被访问，从而不会被清除，占用大量内存。

• 定期过期：每隔一定的时间，会扫描一定数量的数据库的expires字典中一定数量的key，并清除其中已过期的key。该策略是前两者的一个折中方案。通过调整定时扫描的时间间隔和每次扫描的限定耗时，可以在不同情况下使得CPU和内存资源达到最优的平衡效果。
  (expires字典会保存所有设置了过期时间的key的过期时间数据，其中，key是指向键空间中的某个键的指针，value是该键的毫秒精度的UNIX时间戳表示的过期时间。键空间是指该Redis集群中保存的所有键。)

Redis中同时使用了惰性过期和定期过期两种过期策略。

Redis的内存淘汰策略

Redis的内存淘汰策略是指在Redis的用于缓存的内存不足时，怎么处理需要新写入且需要申请额外空间的数据。

• noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。

• allkeys-lru：当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的key。

• allkeys-random：当内存不足以容纳新写入数据时，在键空间中，随机移除某个key。

• volatile-lru：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近最少使用的key。

• volatile-random：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，随机移除某个key。

• volatile-ttl：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的key优先移除。

总结

Redis的内存淘汰策略的选取并不会影响过期的key的处理。内存淘汰策略用于处理内存不足时的需要申请额外空间的数据；过期策略用于处理过期的缓存数据。

手写一个 LRU 算法

你可以现场手写最原始的 LRU 算法，那个代码量太大了，似乎不太现实。

不求自己纯手工从底层开始打造出自己的 LRU，但是起码要知道如何利用已有的 JDK 数据结构实现一个 Java 版的 LRU。

class LRUCacheextends LinkedHashMap<K, V> {private final int CACHE_SIZE;/**     * 传递进来最多能缓存多少数据     *     * @param cacheSize 缓存大小     */public LRUCache(int cacheSize) {// true 表示让 linkedHashMap 按照访问顺序来进行排序，最近访问的放在头部，最老访问的放在尾部。super((int) Math.ceil(cacheSize / 0.75) + 1, 0.75f, true);CACHE_SIZE = cacheSize;
    }@Overrideprotected boolean removeEldestEntry(Map.Entry<K, V> eldest) {// 当 map中的数据量大于指定的缓存个数的时候，就自动删除最老的数据。return size() > CACHE_SIZE;
    }
}

来源：http://uee.me/bdDSx

    欢迎在留言区留下您的观点，一起讨论提高。如果每天的文章让您有新的启发，学习能力的提升上有新的认识，欢迎转发分享给更多人。当然如果有什么不足的地方，也请大家留言指正。

    欢迎各位读者加入，快捷入口 》》》》》福利+技术群+投稿《《《《《

精品推荐

每日一面：RPC非常重要，很多人面试的时候都挂在了这个地方

每日一面：Dubbo的注册中心用了ZK，那么ZK都有哪些使用场景？

官方推荐：Dubbo 生态添新兵，Dubbo Admin 发布 v0.1

官方推荐：Dubbo生态-Sentinel如何通过限流实现服务的高可用性

专注Dubbo、Java、

微服务、容器化等互联网技术
职场心得、生活感悟、面经资源

用心在做 每天八点 不见不散

长按二维码关注我们

感谢关注，技术分享不易，希望提升自己，惠泽他人

看完，点个“在看”呀