點(diǎn)擊上方“朱小廝的博客”，選擇“設(shè)為星標(biāo)”

后臺回復(fù)"書"，獲取

來源：33h.co/ewcf

Redis是基于內(nèi)存的key-value數(shù)據(jù)庫，因?yàn)橄到y(tǒng)的內(nèi)存大小有限，所以我們在使用Redis的時(shí)候可以配置Redis能使用的最大的內(nèi)存大小。

Redis配置內(nèi)存

1、通過配置文件配置?通過在Redis安裝目錄下面的redis.conf配置文件中添加以下配置設(shè)置內(nèi)存大小

//設(shè)置Redis最大占用內(nèi)存大小為100M maxmemory 100mb

redis的配置文件不一定使用的是安裝目錄下面的redis.conf文件，啟動(dòng)redis服務(wù)的時(shí)候是可以傳一個(gè)參數(shù)指定redis的配置文件的

2、通過命令修改?Redis支持運(yùn)行時(shí)通過命令動(dòng)態(tài)修改內(nèi)存大小

//設(shè)置Redis最大占用內(nèi)存大小為100M 127.0.0.1:6379> config set maxmemory 100mb //獲取設(shè)置的Redis能使用的最大內(nèi)存大小 127.0.0.1:6379> config get maxmemory

如果不設(shè)置最大內(nèi)存大小或者設(shè)置最大內(nèi)存大小為0，在64位操作系統(tǒng)下不限制內(nèi)存大小，在32位操作系統(tǒng)下最多使用3GB內(nèi)存

Redis的內(nèi)存淘汰

既然可以設(shè)置Redis最大占用內(nèi)存大小，那么配置的內(nèi)存就有用完的時(shí)候。那在內(nèi)存用完的時(shí)候，還繼續(xù)往Redis里面添加數(shù)據(jù)不就沒內(nèi)存可用了嗎？實(shí)際上Redis定義了幾種策略用來處理這種情況：

1.noeviction(默認(rèn)策略)：對于寫請求不再提供服務(wù)，直接返回錯(cuò)誤（DEL請求和部分特殊請求除外）2.allkeys-lru：從所有key中使用LRU算法進(jìn)行淘汰3.volatile-lru：從設(shè)置了過期時(shí)間的key中使用LRU算法進(jìn)行淘汰4.allkeys-random：從所有key中隨機(jī)淘汰數(shù)據(jù)5.volatile-random：從設(shè)置了過期時(shí)間的key中隨機(jī)淘汰6.volatile-ttl：在設(shè)置了過期時(shí)間的key中，根據(jù)key的過期時(shí)間進(jìn)行淘汰，越早過期的越優(yōu)先被淘汰

當(dāng)使用volatile-lru、volatile-random、volatile-ttl這三種策略時(shí)，如果沒有key可以被淘汰，則和noeviction一樣返回錯(cuò)誤

如何獲取及設(shè)置內(nèi)存淘汰策略?獲取當(dāng)前內(nèi)存淘汰策略：

127.0.0.1:6379> config get maxmemory-policy

通過配置文件設(shè)置淘汰策略（修改redis.conf文件）：

maxmemory-policy allkeys-lru

通過命令修改淘汰策略：

127.0.0.1:6379> config set maxmemory-policy allkeys-lru

LRU算法

1.什么是LRU??上面說到了Redis可使用最大內(nèi)存使用完了，是可以使用LRU算法進(jìn)行內(nèi)存淘汰的，那么什么是LRU算法呢？

LRU(Least Recently Used)，即最近最少使用，是一種緩存置換算法。在使用內(nèi)存作為緩存的時(shí)候，緩存的大小一般是固定的。當(dāng)緩存被占滿，這個(gè)時(shí)候繼續(xù)往緩存里面添加數(shù)據(jù)，就需要淘汰一部分老的數(shù)據(jù)，釋放內(nèi)存空間用來存儲新的數(shù)據(jù)。這個(gè)時(shí)候就可以使用LRU算法了。其核心思想是：如果一個(gè)數(shù)據(jù)在最近一段時(shí)間沒有被用到，那么將來被使用到的可能性也很小，所以就可以被淘汰掉。

使用java實(shí)現(xiàn)一個(gè)簡單的LRU算法

public class LRUCache<k, v> {//容量private int capacity;//當(dāng)前有多少節(jié)點(diǎn)的統(tǒng)計(jì)private int count;//緩存節(jié)點(diǎn)private Map<k, Node<k, v>> nodeMap;private Node<k, v> head;private Node<k, v> tail;public LRUCache(int capacity) {if (capacity < 1) {throw new IllegalArgumentException(String.valueOf(capacity));}this.capacity = capacity;this.nodeMap = new HashMap<>();//初始化頭節(jié)點(diǎn)和尾節(jié)點(diǎn)，利用哨兵模式減少判斷頭結(jié)點(diǎn)和尾節(jié)點(diǎn)為空的代碼Node headNode = new Node(null, null);Node tailNode = new Node(null, null);headNode.next = tailNode;tailNode.pre = headNode;this.head = headNode;this.tail = tailNode;}public void put(k key, v value) {Node<k, v> node = nodeMap.get(key);if (node == null) {if (count >= capacity) {//先移除一個(gè)節(jié)點(diǎn)removeNode();}node = new Node<>(key, value);//添加節(jié)點(diǎn)addNode(node);} else {//移動(dòng)節(jié)點(diǎn)到頭節(jié)點(diǎn)moveNodeToHead(node);}}public Node<k, v> get(k key) {Node<k, v> node = nodeMap.get(key);if (node != null) {moveNodeToHead(node);}return node;}private void removeNode() {Node node = tail.pre;//從鏈表里面移除removeFromList(node);nodeMap.remove(node.key);count--;}private void removeFromList(Node<k, v> node) {Node pre = node.pre;Node next = node.next;pre.next = next;next.pre = pre;node.next = null;node.pre = null;}private void addNode(Node<k, v> node) {//添加節(jié)點(diǎn)到頭部addToHead(node);nodeMap.put(node.key, node);count++;}private void addToHead(Node<k, v> node) {Node next = head.next;next.pre = node;node.next = next;node.pre = head;head.next = node;}public void moveNodeToHead(Node<k, v> node) {//從鏈表里面移除removeFromList(node);//添加節(jié)點(diǎn)到頭部addToHead(node);}class Node<k, v> {k key;v value;Node pre;Node next;public Node(k key, v value) {this.key = key;this.value = value;}} }

上面這段代碼實(shí)現(xiàn)了一個(gè)簡單的LUR算法，代碼很簡單，也加了注釋，仔細(xì)看一下很容易就看懂。

LRU在Redis中的實(shí)現(xiàn)

1.近似LRU算法?Redis使用的是近似LRU算法，它跟常規(guī)的LRU算法還不太一樣。近似LRU算法通過隨機(jī)采樣法淘汰數(shù)據(jù)，每次隨機(jī)出5（默認(rèn)）個(gè)key，從里面淘汰掉最近最少使用的key。

可以通過maxmemory-samples參數(shù)修改采樣數(shù)量：例：maxmemory-samples 10 maxmenory-samples配置的越大，淘汰的結(jié)果越接近于嚴(yán)格的LRU算法

Redis為了實(shí)現(xiàn)近似LRU算法，給每個(gè)key增加了一個(gè)額外增加了一個(gè)24bit的字段，用來存儲該key最后一次被訪問的時(shí)間。

2.Redis3.0對近似LRU的優(yōu)化?Redis3.0對近似LRU算法進(jìn)行了一些優(yōu)化。新算法會(huì)維護(hù)一個(gè)候選池（大小為16），池中的數(shù)據(jù)根據(jù)訪問時(shí)間進(jìn)行排序，第一次隨機(jī)選取的key都會(huì)放入池中，隨后每次隨機(jī)選取的key只有在訪問時(shí)間小于池中最小的時(shí)間才會(huì)放入池中，直到候選池被放滿。當(dāng)放滿后，如果有新的key需要放入，則將池中最后訪問時(shí)間最大（最近被訪問）的移除。

當(dāng)需要淘汰的時(shí)候，則直接從池中選取最近訪問時(shí)間最小（最久沒被訪問）的key淘汰掉就行。

3.LRU算法的對比?我們可以通過一個(gè)實(shí)驗(yàn)對比各LRU算法的準(zhǔn)確率，先往Redis里面添加一定數(shù)量的數(shù)據(jù)n，使Redis可用內(nèi)存用完，再往Redis里面添加n/2的新數(shù)據(jù)，這個(gè)時(shí)候就需要淘汰掉一部分的數(shù)據(jù)，如果按照嚴(yán)格的LRU算法，應(yīng)該淘汰掉的是最先加入的n/2的數(shù)據(jù)。生成如下各LRU算法的對比圖

你可以看到圖中有三種不同顏色的點(diǎn)：

1.淺灰色是被淘汰的數(shù)據(jù)2.灰色是沒有被淘汰掉的老數(shù)據(jù)3.綠色是新加入的數(shù)據(jù)

我們能看到Redis3.0采樣數(shù)是10生成的圖最接近于嚴(yán)格的LRU。而同樣使用5個(gè)采樣數(shù)，Redis3.0也要優(yōu)于Redis2.8。

LFU算法

LFU算法是Redis4.0里面新加的一種淘汰策略。它的全稱是Least Frequently Used，它的核心思想是根據(jù)key的最近被訪問的頻率進(jìn)行淘汰，很少被訪問的優(yōu)先被淘汰，被訪問的多的則被留下來。LFU算法能更好的表示一個(gè)key被訪問的熱度。假如你使用的是LRU算法，一個(gè)key很久沒有被訪問到，只剛剛是偶爾被訪問了一次，那么它就被認(rèn)為是熱點(diǎn)數(shù)據(jù)，不會(huì)被淘汰，而有些key將來是很有可能被訪問到的則被淘汰了。如果使用LFU算法則不會(huì)出現(xiàn)這種情況，因?yàn)槭褂靡淮尾⒉粫?huì)使一個(gè)key成為熱點(diǎn)數(shù)據(jù)。LFU一共有兩種策略：

?volatile-lfu：在設(shè)置了過期時(shí)間的key中使用LFU算法淘汰key?allkeys-lfu：在所有的key中使用LFU算法淘汰數(shù)據(jù)

設(shè)置使用這兩種淘汰策略跟前面講的一樣，不過要注意的一點(diǎn)是這兩周策略只能在Redis4.0及以上設(shè)置，如果在Redis4.0以下設(shè)置會(huì)報(bào)錯(cuò)

想知道更多？掃描下面的二維碼關(guān)注我

后臺回復(fù)"書"，獲取近百本電子書入口

【精彩推薦】

• 超清晰的DNS入門指南

• 深入理解Java Stream流水線

• 干掉Swagger,試試這個(gè)

• 干掉GuavaCache：Caffeine才是本地緩存的王

• 如何用ELK搭建TB級的日志系統(tǒng)

• 深度好文：Linux系統(tǒng)內(nèi)存知識

• 日志系統(tǒng)新貴Loki，確實(shí)比笨重的ELK輕

• 日志采集系統(tǒng)都用到哪些技術(shù)？

• 面試官：為什么HashMap的加載因子是0.75？

點(diǎn)個(gè)贊+在看，少個(gè) bug?????

總結(jié)

以上是生活随笔為你收集整理的Redis的内存淘汰策略问题的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。