Redis的内存淘汰策略问题
点击上方“朱小厮的博客”,选择“设为星标”
后台回复"书",获取
来源:33h.co/ewcf
Redis是基于内存的key-value数据库,因为系统的内存大小有限,所以我们在使用Redis的时候可以配置Redis能使用的最大的内存大小。
Redis配置内存
1、通过配置文件配置 通过在Redis安装目录下面的redis.conf配置文件中添加以下配置设置内存大小
//设置Redis最大占用内存大小为100M
maxmemory
100mb
redis的配置文件不一定使用的是安装目录下面的redis.conf文件,启动redis服务的时候是可以传一个参数指定redis的配置文件的
2、通过命令修改 Redis支持运行时通过命令动态修改内存大小
//设置Redis最大占用内存大小为100M
127.0.0.1:6379> config set maxmemory 100mb
//获取设置的Redis能使用的最大内存大小
127.0.0.1:6379> config get maxmemory
如果不设置最大内存大小或者设置最大内存大小为0,在64位操作系统下不限制内存大小,在32位操作系统下最多使用3GB内存
Redis的内存淘汰
既然可以设置Redis最大占用内存大小,那么配置的内存就有用完的时候。那在内存用完的时候,还继续往Redis里面添加数据不就没内存可用了吗?实际上Redis定义了几种策略用来处理这种情况:
1.noeviction(默认策略):对于写请求不再提供服务,直接返回错误(DEL请求和部分特殊请求除外)2.allkeys-lru:从所有key中使用LRU算法进行淘汰3.volatile-lru:从设置了过期时间的key中使用LRU算法进行淘汰4.allkeys-random:从所有key中随机淘汰数据5.volatile-random:从设置了过期时间的key中随机淘汰6.volatile-ttl:在设置了过期时间的key中,根据key的过期时间进行淘汰,越早过期的越优先被淘汰
当使用volatile-lru、volatile-random、volatile-ttl这三种策略时,如果没有key可以被淘汰,则和noeviction一样返回错误
如何获取及设置内存淘汰策略 获取当前内存淘汰策略:
127.0.0.1:6379> config get maxmemory-policy
通过配置文件设置淘汰策略(修改redis.conf文件):
maxmemory-policy allkeys-lru
通过命令修改淘汰策略:
127.0.0.1:6379> config set maxmemory-policy allkeys-lru
LRU算法
1.什么是LRU? 上面说到了Redis可使用最大内存使用完了,是可以使用LRU算法进行内存淘汰的,那么什么是LRU算法呢?
LRU(Least Recently Used),即最近最少使用,是一种缓存置换算法。在使用内存作为缓存的时候,缓存的大小一般是固定的。当缓存被占满,这个时候继续往缓存里面添加数据,就需要淘汰一部分老的数据,释放内存空间用来存储新的数据。这个时候就可以使用LRU算法了。其核心思想是:如果一个数据在最近一段时间没有被用到,那么将来被使用到的可能性也很小,所以就可以被淘汰掉。
使用java实现一个简单的LRU算法
public class LRUCache<k, v> {//容量private int capacity;//当前有多少节点的统计private int count;//缓存节点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<>();//初始化头节点和尾节点,利用哨兵模式减少判断头结点和尾节点为空的代码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) {//先移除一个节点removeNode();}node = new Node<>(key, value);//添加节点addNode(node);} else {//移动节点到头节点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;//从链表里面移除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) {//添加节点到头部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) {//从链表里面移除removeFromList(node);//添加节点到头部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;}}
}
上面这段代码实现了一个简单的LUR算法,代码很简单,也加了注释,仔细看一下很容易就看懂。
LRU在Redis中的实现
1.近似LRU算法 Redis使用的是近似LRU算法,它跟常规的LRU算法还不太一样。近似LRU算法通过随机采样法淘汰数据,每次随机出5(默认)个key,从里面淘汰掉最近最少使用的key。
可以通过maxmemory-samples参数修改采样数量:例:maxmemory-samples 10 maxmenory-samples配置的越大,淘汰的结果越接近于严格的LRU算法
Redis为了实现近似LRU算法,给每个key增加了一个额外增加了一个24bit的字段,用来存储该key最后一次被访问的时间。
2.Redis3.0对近似LRU的优化 Redis3.0对近似LRU算法进行了一些优化。新算法会维护一个候选池(大小为16),池中的数据根据访问时间进行排序,第一次随机选取的key都会放入池中,随后每次随机选取的key只有在访问时间小于池中最小的时间才会放入池中,直到候选池被放满。当放满后,如果有新的key需要放入,则将池中最后访问时间最大(最近被访问)的移除。
当需要淘汰的时候,则直接从池中选取最近访问时间最小(最久没被访问)的key淘汰掉就行。
3.LRU算法的对比 我们可以通过一个实验对比各LRU算法的准确率,先往Redis里面添加一定数量的数据n,使Redis可用内存用完,再往Redis里面添加n/2的新数据,这个时候就需要淘汰掉一部分的数据,如果按照严格的LRU算法,应该淘汰掉的是最先加入的n/2的数据。生成如下各LRU算法的对比图
你可以看到图中有三种不同颜色的点:
1.浅灰色是被淘汰的数据2.灰色是没有被淘汰掉的老数据3.绿色是新加入的数据
我们能看到Redis3.0采样数是10生成的图最接近于严格的LRU。而同样使用5个采样数,Redis3.0也要优于Redis2.8。
LFU算法
LFU算法是Redis4.0里面新加的一种淘汰策略。它的全称是Least Frequently Used,它的核心思想是根据key的最近被访问的频率进行淘汰,很少被访问的优先被淘汰,被访问的多的则被留下来。LFU算法能更好的表示一个key被访问的热度。假如你使用的是LRU算法,一个key很久没有被访问到,只刚刚是偶尔被访问了一次,那么它就被认为是热点数据,不会被淘汰,而有些key将来是很有可能被访问到的则被淘汰了。如果使用LFU算法则不会出现这种情况,因为使用一次并不会使一个key成为热点数据。LFU一共有两种策略:
•volatile-lfu:在设置了过期时间的key中使用LFU算法淘汰key•allkeys-lfu:在所有的key中使用LFU算法淘汰数据
设置使用这两种淘汰策略跟前面讲的一样,不过要注意的一点是这两周策略只能在Redis4.0及以上设置,如果在Redis4.0以下设置会报错
想知道更多?扫描下面的二维码关注我
后台回复"书",获取近百本电子书入口
【精彩推荐】
超清晰的DNS入门指南
深入理解Java Stream流水线
干掉Swagger,试试这个
干掉GuavaCache:Caffeine才是本地缓存的王
如何用ELK搭建TB级的日志系统
深度好文:Linux系统内存知识
日志系统新贵Loki,确实比笨重的ELK轻
日志采集系统都用到哪些技术?
面试官:为什么HashMap的加载因子是0.75?
点个赞+在看,少个 bug ????
Redis的内存淘汰策略问题相关推荐
- Redis——》内存淘汰策略
推荐链接: 总结-->[Java] 总结-->[Mysql] 总结-->[Redis] 总结-->[Spring] 总结-->[S ...
- Redis 的内存淘汰策略问题
点击上方蓝色"程序猿DD",选择"设为星标" 回复"资源"获取独家整理的学习资料! 来源 | 33h.co/ewcf Redis是基于内存的 ...
- redis高级-内存淘汰策略
目录 一.redis缓存过期淘汰策略 1.redis默认内存 2.修改redis内存 3.查看redis内存情况 二.redis内存超出了设置的最大值会怎么样 1.设置1个字节之后再赋值,会爆OOM ...
- Redis的内存淘汰策略
Redis占用内存大小 我们知道Redis是基于内存的key-value数据库,因为系统的内存大小有限,所以我们在使用Redis的时候可以配置Redis能使用的最大的内存大小. 1.通过配置文件配置 ...
- Redis过期删除策略和内存淘汰策略
目录 一.过期删除策略 1.如何设置过期时间? 2.如何判定 key 已过期了? 3.过期删除策略有哪些? 1.定时删除策略 2.惰性删除策略 3.定期删除策略 4.Redis 过期删除策略 5.Re ...
- 面试官:Redis 过期删除策略和内存淘汰策略有什么区别?
作者:小林coding 计算机八股文网站:https://xiaolincoding.com 大家好,我是小林. Redis 的「内存淘汰策略」和「过期删除策略」,很多小伙伴容易混淆,这两个机制虽然都 ...
- redistemplate.opsforhash设置过期时间_Redis详解(十一)------ 过期删除策略和内存淘汰策略...
大家好,我是可乐,一个专注原创,乐于分享的程序猿. 本系列教程持续更新,可以微信搜索「 IT可乐 」第一时间阅读.回复<电子书>有我为大家特别筛选的海量免费书籍资料 在介绍这篇文章之前,我 ...
- Redis中的淘汰策略
Redis 的内存淘汰策略,是指当内存使用达到最大内存极限时,需要使用淘汰算法来决定清理掉哪些数据,以保证新数据的存入. 最大内存设置 redis.conf 参数配置: # maxmemory < ...
- Redis的常用淘汰策略以及算法实现
一.Redis的内存配置 1,Redis配置内存为多少合适? 默认:如果不设置最大内存大小或者设置最大内存大小为0,在64为操作系统下不限制内存大小,在32位操作系统下最多使用3GB内存. 极限情况: ...
最新文章
- 基于运动相关分析的实时多源异构传感器时空标定方法研究
- 人工智能实践:TensorFlow笔记学习(二)—— Python语法串讲
- 济南python工资一般多少钱-马哥教育官网-专业Linux培训班,Python培训机构
- 答“我们的团队项目是否有大泥球?”
- Android:VivoNex3S调试无法安装程序
- 【HDU - 2087】 剪花布条(直接模拟 or KMP)
- 2019级C语言大作业 - BrickMansions
- DFS-分布式文件系统对比
- 热点聚焦:企业上ERP之前是否需要先进行流程梳理?
- 如何查询计算机主机序列号,计算机硬盘序列号如何查询
- 开源软件的版权与许可证
- 卸载抖音和微博的一天……
- 数学基础 - 第十一章 三角形
- 2012移动互联网之人在囧途
- 从用AI+VR虚拟教室穿越到中国说起,看红头文件下,互联网教育公司的AI招牌
- 全球最大的中文技术讨论区
- 【EC算法】多模态优化(multimodel)与小生境(Niching)
- HAL库教程3:引脚输入检测
- C++第一天(编写第一个程序,变量与常量)
- pwnable-leg
热门文章
- Java语言中的注释有哪些
- 代码详细解析简单常用DOS命令 java会用这些就够了!
- 分贝(BD)的含义以及关系(有助于深刻理解)
- 如何将一个文件分割成多个小文件
- 腾讯云10亿扶持小程序:3元套餐可能免费
- 大数据(11) - kafka的安装与使用
- 编程开发之--Oracle数据库--存储过程在out参数中使用光标(3)
- Promise-js异步加载解决方案
- 并发编程之多进程3 (生产者与消费者模型) 回调函数
- Attempt to present vc on vc which is already presenting vc/(null)