來自：掘金（作者：千山qianshan）

原文鏈接：

https://juejin.im/post/5d674ac2e51d4557ca7fdd70

• Redis占用內存大小

• Redis的內存淘汰

• LRU算法

• LRU在Redis中的實現

• LFU算法

• 問題

---

Redis占用內存大小

我們知道Redis是基于內存的key-value數據庫，因為系統的內存大小有限，所以我們在使用Redis的時候可以配置Redis能使用的最大的內存大小。

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置內存大小

//設置Redis最大占用內存大小為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redis服務的時候是可以傳一個參數指定redis的配置文件的

2、通過命令修改

Redis支持運行時通過命令動態修改內存大小

//設置Redis最大占用內存大小為100M 127.0.0.1:6379>?config?set?maxmemory?100mb //獲取設置的Redis能使用的最大內存大小 127.0.0.1:6379>?config?get?maxmemory

如果不設置最大內存大小或者設置最大內存大小為0，在64位操作系統下不限制內存大小，在32位操作系統下最多使用3GB內存

Redis的內存淘汰

既然可以設置Redis最大占用內存大小，那么配置的內存就有用完的時候。那在內存用完的時候，還繼續往Redis里面添加數據不就沒內存可用了嗎？

實際上Redis定義了幾種策略用來處理這種情況：

noeviction(默認策略)：對于寫請求不再提供服務，直接返回錯誤（DEL請求和部分特殊請求除外）

allkeys-lru：從所有key中使用LRU算法進行淘汰

volatile-lru：從設置了過期時間的key中使用LRU算法進行淘汰

allkeys-random：從所有key中隨機淘汰數據

volatile-random：從設置了過期時間的key中隨機淘汰

volatile-ttl：在設置了過期時間的key中，根據key的過期時間進行淘汰，越早過期的越優先被淘汰

當使用volatile-lru、volatile-random、volatile-ttl這三種策略時，如果沒有key可以被淘汰，則和noeviction一樣返回錯誤

如何獲取及設置內存淘汰策略

獲取當前內存淘汰策略：

127.0.0.1:6379>?config?get?maxmemory-policy

通過配置文件設置淘汰策略（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

什么是LRU?

上面說到了Redis可使用最大內存使用完了，是可以使用LRU算法進行內存淘汰的，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。在使用內存作為緩存的時候，緩存的大小一般是固定的。當緩存被占滿，這個時候繼續往緩存里面添加數據，就需要淘汰一部分老的數據，釋放內存空間用來存儲新的數據。這個時候就可以使用LRU算法了。其核心思想是：如果一個數據在最近一段時間沒有被用到，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實現一個簡單的LRU算法

public?class?LRUCache<k,?v>?{//容量private?int?capacity;//當前有多少節點的統計private?int?count;//緩存節點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<>();//初始化頭節點和尾節點，利用哨兵模式減少判斷頭結點和尾節點為空的代碼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)?{//先移除一個節點removeNode();}node?=?new?Node<>(key,?value);//添加節點addNode(node);}?else?{//移動節點到頭節點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)?{//添加節點到頭部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);//添加節點到頭部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;}} }

上面這段代碼實現了一個簡單的LUR算法，代碼很簡單，也加了注釋，仔細看一下很容易就看懂。

LRU在Redis中的實現

近似LRU算法

Redis使用的是近似LRU算法，它跟常規的LRU算法還不太一樣。近似LRU算法通過隨機采樣法淘汰數據，每次隨機出5（默認）個key，從里面淘汰掉最近最少使用的key。

可以通過maxmemory-samples參數修改采樣數量：例：maxmemory-samples 10 maxmenory-samples配置的越大，淘汰的結果越接近于嚴格的LRU算法

Redis為了實現近似LRU算法，給每個key增加了一個額外增加了一個24bit的字段，用來存儲該key最后一次被訪問的時間。

Redis3.0對近似LRU的優化

Redis3.0對近似LRU算法進行了一些優化。新算法會維護一個候選池（大小為16），池中的數據根據訪問時間進行排序，第一次隨機選取的key都會放入池中，隨后每次隨機選取的key只有在訪問時間小于池中最小的時間才會放入池中，直到候選池被放滿。當放滿后，如果有新的key需要放入，則將池中最后訪問時間最大（最近被訪問）的移除。

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

LRU算法的對比

我們可以通過一個實驗對比各LRU算法的準確率，先往Redis里面添加一定數量的數據n，使Redis可用內存用完，再往Redis里面添加n/2的新數據，這個時候就需要淘汰掉一部分的數據，如果按照嚴格的LRU算法，應該淘汰掉的是最先加入的n/2的數據。生成如下各LRU算法的對比圖（圖片來源）：

你可以看到圖中有三種不同顏色的點：

• 淺灰色是被淘汰的數據

• 灰色是沒有被淘汰掉的老數據

• 綠色是新加入的數據

我們能看到Redis3.0采樣數是10生成的圖最接近于嚴格的LRU。而同樣使用5個采樣數，Redis3.0也要優于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key的最近被訪問的頻率進行淘汰，很少被訪問的優先被淘汰，被訪問的多的則被留下來。

LFU算法能更好的表示一個key被訪問的熱度。假如你使用的是LRU算法，一個key很久沒有被訪問到，只剛剛是偶爾被訪問了一次，那么它就被認為是熱點數據，不會被淘汰，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算法則不會出現這種情況，因為使用一次并不會使一個key成為熱點數據。

LFU一共有兩種策略：

• volatile-lfu：在設置了過期時間的key中使用LFU算法淘汰key

• allkeys-lfu：在所有的key中使用LFU算法淘汰數據

設置使用這兩種淘汰策略跟前面講的一樣，不過要注意的一點是這兩周策略只能在Redis4.0及以上設置，如果在Redis4.0以下設置會報錯

問題

最后留一個小問題，可能有的人注意到了，我在文中并沒有解釋為什么Redis使用近似LRU算法而不使用準確的LRU算法，可以在評論區給出你的答案，大家一起討論學習。

在 GitHub 更新中，歡迎關注，歡迎star。

直面Java第262期：volatile是如何解決有序性問題的？

深入并發第009期：到底什么是Java內存模型？

- MORE | 更多精彩文章 -

如果你喜歡本文,

請長按二維碼，關注?Hollis.

轉發至朋友圈，是對我最大的支持。

好文章，我在看

新人創作打卡挑戰賽發博客就能抽獎！定制產品紅包拿不停！

總結

以上是生活随笔為你收集整理的如果面试官问你：Redis 内存满了怎么办？的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。