Redis内存兜底策略——内存淘汰及回收机制-Toy模板网

这篇具有很好参考价值的文章主要介绍了Redis内存兜底策略——内存淘汰及回收机制。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

Redis内存兜底策略——内存淘汰及回收机制

Redis内存淘汰及回收策略都是Redis内存优化兜底的策略，那它们是如何进行兜底的呢？先来说明一下什么是内存淘汰和内存回收策略：

Redis内存淘汰：当Redis的内存使用超过配置的限制时，根据一定的策略删除一些键，以释放内存空间
Redis内存回收：Redis通过定期删除和惰性删除两种方式来清除过期的键，以保证数据的时效性和减少内存占用

内存淘汰策略

Redis内存淘汰策略是指当Redis的内存使用超过配置的最大值时，如何选择一些键进行删除，以释放空间给新的数据。Redis提供了八种内存淘汰策略，分别是：

noeviction：不会淘汰任何键，达到内存限制后返回错误
allkeys-random：在所有键中，随机删除键
volatile-random：在设置了过期时间的键中，随机删除键
allkeys-lru：通过LRU算法淘汰最近最少使用的键，保留最近使用的键
volatile-lru：从设置了过期时间的键中，通过LRU算法淘汰最近最少使用的键
allkeys-lfu：从所有键中淘汰使用频率最少的键。从所有键中驱逐使用频率最少的键
volatile-lfu：从设置了过期时间的键中，通过LFU算法淘汰使用频率最少的键
volatile-ttl：从设置了过期时间的键中，淘汰马上就要过期的键

LRU和LFU

LRU（Least Recently Used）算法为最近最少使用算法，根据数据的历史访问记录来进行淘汰数据，优先移除最近最少使用的数据，这种算法认为最近使用的数据很大概率将会再次被使用

LFU（least frequently used）算法为最少频率使用算法，优先移除使用频率最少的数据，这种算法认为使用频率高的数据很大概率将会再次被使用

LRU和Redis的近似LRU

LRU（least frequently used）算法为最近最少使用算法，根据数据的历史访问记录来进行淘汰数据，优先移除最近最少使用的数据，这种算法认为最近使用的数据很大概率将会再次被使用

什么是LRU

在算法的选择上，Redis需要能够快速地查询、添加、删除数据，也就是说查询、添加、删除的时间复杂读需为O(1)。哈希表能保证查询数据的时间复杂度为O(1)。而双向链表能保证添加、删除数据的时间复杂度为O(1)，如下：

Redis内存兜底策略——内存淘汰及回收机制

Redis的近似LRU

如前文所述，真实的 LRU 算法需要用链表管理所有的数据，每次访问一个数据就要移动链表节点，这样会占用额外的空间和时间。而Redis通过近似 LRU 算法，随机抽样一些键，然后比较它们的访问时间戳，这样可以节省内存和提高性能。而Redis 的近似 LRU 算法的具体实现如下：

每个键值对对象（redisObject）中有一个 24 位的 lru 字段，用于记录每个数据最近一次被访问的时间戳
每次按键获取一个值的时候，都会调用 lookupKey 函数，如果配置使用了 LRU 模式，该函数会更新 value 中的 lru 字段为当前秒级别的时间戳
当内存达到限制时，Redis 会维护一个候选集合（pool），大小为 16
Redis 会随机从字典中取出 N 个键（N 可以通过 maxmemory-samples 参数设置，默认为 5），将 lru 字段值最小的键放入候选集合中，并按照 lru 大小排序
如果候选集合已满，那么新加入的键必须有比集合中最大的 lru 值更小的 lru 值，才能替换掉原来的键
当需要淘汰数据时，直接从候选集合中选择一个 lru 最小的键进行淘汰

举个例子，假设我们按照下面的顺序访问缓存中的数据：h,e,l,l,o,w,o,r,l,d且内存中只能存储3个字符，下面是每次访问或插入后缓存的状态，其中括号内是lru字段的值，假设初始时间戳为0

缓存	状态
访问h	h(0)
访问e	e(1),h(0)
访问l	l(2),e(1),h(0)
访问l	l(3),e(1),h(0)
插入o	o(4),l(3),e(1)
插入w	w(5),o(4),l(3)
访问o	o(6),w(5),l(3)
插入r	r(7),o(6),w(5)
插入l	l(8),r(7),o(6)
插入d	d(9),l(8),r(7)

LFU

LFU（Least Frequently Used）是最不经常使用算法，它的思想是淘汰访问频率最低的数据。Redis在3.0版本之后引入了LFU算法，并对lru字段进行了拆分。

typedef struct redisObject {
    unsigned type:4;
    unsigned encoding:4;
    unsigned lru:LRU_BITS;
    int refcount;
    void *ptr;
} robj;

我们看lru:LRU_BITS这个字段，这个字段在LRU算法中的意义是时间戳，精确到秒。而在LFU 算法中，将它拆为两部分前16bits为时间戳，精确到分；后8为则表示该对象在一定时间段内被访问的次数。如下：
Redis内存兜底策略——内存淘汰及回收机制

当Redis需要淘汰数据时，它会从内存中随机抽取一定数量（默认为5个，可以通过 maxmemory-samples 参数设置）的键值对对象，然后比较它们的访问次数和访问时间戳，找出其中最小的那个，也就是最不经常使用且最早被访问的那个，将其从内存中删除。

例如，假设我们有以下键值对和频率计数器：

键	值	频率
A	1	3
B	2	2
C	3	1
D	4	4

如果我们要添加一个新的键值对（E,5），并且缓存已经满了，那么我们就需要淘汰一个旧的键值对。我们可以随机选择A,B,C中的一个，并且发现C的频率最低，为1，所以我们就淘汰C，并且添加E到缓存中，并且将E的频率设为1。这样，缓存中的数据就变成了：

键	值	频率
A	1	3
B	2	2
D	4	4
E	5	1

如何选择

在选择上，需要根据不同的适用场景选择不同策略，如下：

策略	特点	适用场景
noeviction	不删除任何数据，当内存不足时返回错误	数据都是永久有效的，且内存足够大
allkeys-lru	根据所有数据的访问时间来淘汰最久未访问的数据	数据都是永久有效的，且访问时间具有明显规律
volatile-lru	根据设置了过期时间的数据的访问时间来淘汰最久未访问的数据	数据都有过期时间，且访问时间具有明显规律
allkeys-random	随机淘汰所有类型的数据	数据都是永久有效的，且访问时间没有明显规律
volatile-random	随机淘汰设置了过期时间的数据	数据都有过期时间，且访问时间没有明显规律
volatile-ttl	根据设置了过期时间的数据的剩余生命周期来淘汰即将过期的数据	数据都有过期时间，且剩余生命周期具有明显规律
allkeys-lfu	根据所有数据的访问频率来淘汰最少访问的数据	数据都是永久有效的，且访问频率具有明显规律
volatile-lfu	根据设置了过期时间的数据的访问频率来淘汰最少访问的数据	数据都有过期时间，且访问频率具有明显规律

根据8种策略的特性，也从数据完整性、缓存命中率及淘汰效率这三个方面详细对比了，如下：

数据完整性（是否会删除永久有效的数据)
- noeviction 、 volatile-lru、volatile-lfu和volatile-random 都可以保证数据完整性，因为它们不会删除永久有效的数据
- allkeys-lru、allkeys-lfu和allkeys-random系列的策略则会影响数据完整性，因为它们会无差别地删除所有类型的数据
缓存命中率（是否能够尽可能保留最有价值的数据）
- allkeys-lru 和 volatile-lru 策略可以提高缓存命中率，因为它们会根据数据的访问时间来淘汰数据
- allkeys-random 和 volatile-random 策略则会降低缓存命中率，因为它们会随机淘汰数据
- allkeys-lfu 和 volatile-lfu 策略也可以提高缓存命中率，因为它们会根据数据的访问频率来淘汰数据
- volatile-ttl 策略则会降低缓存命中率，因为它会根据数据的剩余生命周期来淘汰数据
淘汰效率（是否能够快速地找到并删除目标数据）
- allkeys-random 和 volatile-random 策略可以提高执行效率，因为它们只需要随机选择一些数据进行删除
- allkeys-lru 和 volatile-lru 策略则会降低执行效率，因为它们需要对所有或部分数据进行排序
- allkeys-lfu 和 volatile-lfu 策略也会降低执行效率，因为它们需要对所有或部分数据进行计数和排序
- volatile-ttl 策略则会提高执行效率，因为它只需要对设置了过期时间的数据进行排序

内存回收策略

Redis的过期键删除有两种方式，一种是定期删除，一种是惰性删除

惰性删除

Redis惰性删除是指当一个键过期后，它并不会立即被删除，而是在客户端尝试访问这个键时，Redis会检查这个键是否过期，如果过期了，就会删除这个键。惰性删除由db.c/expireIfNeeded函数实现。

惰性删除的优点是节约CPU性能，发现必须删除的时候才删除。缺点是内存压力很大，出现长期占用内存的数据。惰性删除是Redis的默认策略，它不需要额外的配置。

惰性删除的缺点是可能会导致过期键长时间占用内存，如果访问频率较低的键过期了，但没有被访问到，那么它们就不会被惰性删除，从而浪费内存空间。

为了解决这个问题，Redis还采用了定期删除和内存淘汰机制来配合惰性删除，以达到更好的清理效果

定期删除

Redis会将设置了过期时间的键放到一个独立的字典中，称为过期字典。Redis会对这个字典进行每秒10次（由配置文件中的hz参数控制）的过期扫描，过期扫描不会遍历字典中所有的键，而是采用了一种简单的贪心策略。该策略的删除逻辑如下：

从过期字典中随机选择20个键
删除其中已经过期的键
如果超过25%的键被删除，则重复步骤1
如果本次扫描耗时超过1毫秒，则停止扫描

这种策略可以在一定程度上保证过期键能够及时被删除，同时也避免了对CPU时间的过度占用。但是它也有一些缺点，比如可能会误删一些有效的键（因为随机性），或者漏删一些无效的键（因为限制了扫描时间）

因此，Redis还结合了惰性删除策略，即在每次访问一个键之前，都会检查这个键是否过期，如果过期就删除，然后返回空值。这样可以保证不返回过期的数据，也可以节省CPU时间，但是它可能会导致一些过期的键长期占用内存，如果这些键很少被访问或者一直不被访问，那么它们就永远不会被删除

配置文件说明

Redis内存淘汰、内存回收策略相关的配置文件如下：

# 内存淘汰策略
maxmemory-policy noeviction
# 抽取数量
maxmemory-samples 5
# 最大内存
maxmemory 100mb
# 内存淘汰韧性
maxmemory-eviction-tenacity 10
# 后台任务执行间隔
hz 10
# 是否开启动态间隔
dynamic-hz yes

配置文件说明:

maxmemory-policy：内存淘汰策略，可选值为noeviction、allkeys-random、volatile-random、allkeys-lru、volatile-lru、allkeys-lfu、volatile-lfu、volatile-ttl其中的一个
maxmemory：默认值为0，也就是不限制内存的使用。
maxmemory-samples：抽取数量，默认为5，如果设为10将非常接近真实的LRU，但需要更多CPU资源，如果设为3将非常快，但是非常不准确。
maxmemory-eviction-tenacity：内存淘汰韧性，默认为10
- maxmemory-eviction-tenacity为0时，表示不进行任何淘汰，相当于noeviction策略
- maxmemory-eviction-tenacity为10时，表示每次淘汰键的数量为内存使用量的0.1%，每秒最多淘汰10次
hz：Redis后台任务执行间隔，如超时关闭客户端连接、定期删除等。默认值为10。范围在 1 到 500 之间，官方建议不要超过100，大多数应使用默认值，并且只有在极低延迟的环境中才能设为 100
dynamic-hz：此配置用于动态调整hz的值，默认开启。如果有大量客户端连接进来时，会以hz的配置值将作为基线，将hz的实际值设置为hz的配置值的整数倍，用来节省CPU资源。

总结

总结如下：文章来源地址https://www.toymoban.com/news/detail-455808.html

Redis内存淘汰机制是指在Redis的用于缓存的内存不足时，怎么处理需要新写入且需要申请额外空间的数据
Redis提供了八种内存淘汰策略，分别是：
- noeviction：不会淘汰任何键，达到内存限制后返回错误
- allkeys-random：在所有键中，随机删除键
- volatile-random：在设置了过期时间的键中，随机删除键
- allkeys-lru：通过LRU算法淘汰最近最少使用的键，保留最近使用的键
- volatile-lru：从设置了过期时间的键中，通过LRU算法淘汰最近最少使用的键
- allkeys-lfu：从所有键中淘汰使用频率最少的键。从所有键中驱逐使用频率最少的键
- volatile-lfu：从设置了过期时间的键中，通过LFU算法淘汰使用频率最少的键
- volatile-ttl：从设置了过期时间的键中，淘汰马上就要过期的键
Redis内存回收机制是指在Redis中如何删除已经过期或者被淘汰的数据，释放内存空间
Redis提供了两种内存回收策略，分别是：
- 定期删除：Redis会每隔一定时间（默认100ms）随机抽取一些设置了过期时间的键，检查它们是否过期，如果过期就删除。这种策略可以减少CPU开销，但可能会导致一些过期键占用内存
- 惰性删除：Redis在客户端访问一个键时，会检查这个键是否过期，如果过期就删除。这种策略可以及时释放内存空间，但可能会增加CPU开销和延迟