Redis内存淘汰机制详解

最新推荐文章于 2024-07-27 18:52:04 发布

浦奕

最新推荐文章于 2024-07-27 18:52:04 发布

阅读量527

点赞数

分类专栏： Redis 文章标签： redis 数据库缓存

本文链接：https://blog.csdn.net/weixin_44183721/article/details/126171052

版权

Redis 专栏收录该内容

7 篇文章 1 订阅

订阅专栏

Redis内存淘汰机制

1、为什么需要淘汰数据？

Redis是基于内存的数据库，它常被用作缓存。所谓缓存，就是当业务系统发出查询数据请求，只需要通过Redis获取，不需要对数据库进行查询，这样可以提高系统的响应速率与性能。Redis中的数据时默认不过期的，如果Redis中的数据永久存在，那么其所占用的内存会变得越来越大。为了达到减少内存消耗的目的，有必要对一些不经常使用的数据进行淘汰。除了内存淘汰机制，Redis中还有过期策略配合使用。

Redis的过期策略：我们都知道Redis中Key都有一个ttl(存活时间)，是否Key到了过期时间就会被删除呢？事实上并不是这样，Redis的过期策略分为两个：定期删除和惰性删除。定期删除是指Redis会定期抽取部分key检查他们是否过期，惰性删除是指客户端在获取key时，Redis也会检查它们是否过期，过期则会被删除。

2 、内存淘汰机制

Redis中的数据除了过期策略处理一部分外，当Redis 在使用内存达到某个阈值时，就会触发内存淘汰机制。Redis会选取一些KEY来删除，根据不同的淘汰策略会删除不同的key值。

可以使用以下代码查看Redis淘汰机制的策略：

[root@localhost redis-6.2.0]# redis-cli #打开Redis客户端
127.0.0.1:6379> 
127.0.0.1:6379> config set maxmemory 5gb #配置redis的内存大小
OK
127.0.0.1:6379> config get maxmemory #获取Redis内存大小
1) "maxmemory"
2) "5368709120"
127.0.0.1:6379> config get maxmemory-policy #获取内存淘汰策略
1) "maxmemory-policy"
2) "noeviction"

Redis4.0以后有八种内存淘汰策略，如下表所示：

策略名称	描述
volatile-lru	从已设置过期时间的数据集中挑选最近最少使用的数据淘汰
volatile-ttl	从已设置过期时间的数据集中挑选将要过期的数据淘汰
volatile-random	从已设置过期时间的数据集中挑选任意数据淘汰
allkeys-random	当内存不足写入新数据时随机选择KEY淘汰
allkeys-lru	当内存不足写入新数据时淘汰最近最少使用的KEY
no-eviction	当内存不足写入新数据时，写入操作会报错，同时不删除数据
volatile-lfu(新增)	从已设置过期时间的数据集中挑选最不经常使用的数据淘汰
allkeys-lfu(新增)	当内存不足写入新数据时移除最不经常使用的KEY

淘汰策略选择：

其中 no-eviction 是默认策略，也就是当内存不足以容纳新写入数据时，新写入操作会报错。LRU算法是业界经常使用的算法之一，所以也是内存淘汰策略比较推荐的两种。
如果使用 Redis 只是作为缓存，不作为数据持久化，那推荐选择 allkeys-lru；如果你使用 Redis 同时用于缓存和数据持久化，那推荐选择 volatile-lru。
LFU相关的两个算法是Redis4.0以后新增的，因为LRU算法淘汰数据的立足点是根据使用时间间隔淘汰数据，将当前内存中最长时间没有使用过的数据清理掉。这样就存在一个问题：如果一个不会经常使用的数据偶然被使用了一次，那这个并不被经常使用的数据就会一直待在内存中，浪费内存空间。如果我们想淘汰内存中不经常使用的数据，保留经常使用的热点数据，就要使用到LFU算法了。

3 、LRU算法

原理：删除最近最少使用，这里的使用包括查询get和插入put，可以用下图表示。

在这里插入图片描述

LRU缓存代码实现：

class LRUCache {
    private int cap;
	private Map<Integer, Integer> map = new LinkedHashMap<>();  // 这里使用LinkedHashMap保持插入顺序
	public LRUCache(int capacity) {
		this.cap = capacity;
	}

	public int get(int key) {
		if (map.keySet().contains(key)) {
			int value = map.get(key);
			map.remove(key);
                       // 保证每次查询后，都在末尾
			map.put(key, value);
			return value;
		}
		return -1;
	}

	public void put(int key, int value) {
		if (map.keySet().contains(key)) {
			map.remove(key);
		} else if (map.size() == cap) {
			Iterator<Map.Entry<Integer, Integer>> iterator = map.entrySet().iterator();
			iterator.next();
			iterator.remove();
		}
		map.put(key, value);
	}
}