Redis内存满了怎么办……

发表于:2019-10-14 17:58

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:移民    来源:Java技术栈

#
Redis
分享:
  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
  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:
  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)
  allkeys-lru:从所有key中使用LRU算法进行淘汰
  volatile-lru:从设置了过期时间的key中使用LRU算法进行淘汰
  allkeys-random:从所有key中随机淘汰数据
  volatile-random:从设置了过期时间的key中随机淘汰
  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
  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。常用缓存淘汰算法(LFU、LRU、ARC、FIFO、MRU),这篇了解下。
  LRU在Redis中的实现
  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。
  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。
  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
  图片来源:segmentfault.com/a/1190000017555834
  你可以看到图中有三种不同颜色的点:
  浅灰色是被淘汰的数据
  灰色是没有被淘汰掉的老数据
  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。
  问题
  最后留一个小问题,可能有的人注意到了,我在文中并没有解释为什么Redis使用近似LRU算法而不使用准确的LRU算法,可以在评论区给出你的答案,大家一起讨论学习。

      本文内容不用于商业目的,如涉及知识产权问题,请权利人联系博为峰小编(021-64471599-8017),我们将立即处理
《2023软件测试行业现状调查报告》独家发布~

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计 发展历程

法律顾问:上海兰迪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2024
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号