Redis学习心得—lru算法

什么是lru策略？

lru策略等于命中策略，保留平时访问高的数据，淘汰那些使用不多的数据，为redis解决内存空间不足的问题。

工作流程？

lru算法是根据每个文件的最后一次访问时间，对文件做预测，也就是或同一个文件间隔的访问时间越短，那么就代表当前文件访问量更大，也就是被留中的几率更大，时间越长，恰好相反。

lru配置核心参数;

maxmemory:指定redis存储数据时消耗内存大小，比如200m,当数据消耗内存达到此值时，触发数据淘汰，为0时，表示对数据消耗内存不做限制，也代表者lru功能失效，64位系统默认值为0，32位系统默认值位3GB。 例如：maxmemory 200M
maxmemory_policy:触发数据后的淘汰策略，也就是数据消耗内存达到maxmemory指定值后，将触发对应的淘汰策略（几种淘汰策略见下文），后面接淘汰策略。 例如：maxmemory_policy volatie-lru
maxmemory_sample:随机取样，也就是随机抽取key的数目，该值越大，就越接近真实lru算法，但是数值越大，相应的消耗也越大，对性能会产生影响，默认值是5.

淘汰策略：

淘汰策略也就是lru提供的6种淘汰机制，也就是maxmemory_policy的对应赋值。
noeviction:不淘汰数据,当内存使用超过maxmemory值时,返回报错并停止数据写入，默认Redis是此策略。
allkeys-lru:查询所有key中不常用的数据进行删除，
volatile-lru:在设置了超时时间的数据中，将不常用数据删除。
allkeys-random:查询所有key之后，随机删除
volatile-random:在设置超时时间数据中，随机删除
volatile-ttl:查询全部设置超时时间的数据，之后进行排序，把马上要过期的数据进行删除

4.0以后新增的2条策略：
volatile-lfu:从设置超时时间的键中驱逐使用频率最少的键
allkeys-lfu:从所有键中驱逐出最少的键

近似lru算法

lru算法需要一个双向链表来记录数据的最近被访问顺序，但是出于节省内存的考虑，Redis的LRU算法并非完整的实现。Redis并不会选择最久未被访问的键进行回收，近似lru算法是为了补足lur这点不足而另外产生的一种算法。
工作流程：对少量的键进行随机取样，然后回收其中最长时间未被访问的键，可以使用maxmemory-sample进行调整算法的精度，满足需求。
相关资料：
Redis3.0之后又改善了算法的性能，会提供一个待淘汰候选key的pool，里面默认有16个key，按照空闲时间排好序。更新时从Redis键空间随机选择N个key，分别计算它们的空闲时间idle，key只会在pool不满或者空闲时间大于pool里最小的时，才会进入pool，然后从pool中选择空闲时间最大的key淘汰掉。