您好,登錄后才能下訂單哦!
Redis中如何使用內(nèi)存淘汰策略,很多新手對(duì)此不是很清楚,為了幫助大家解決這個(gè)難題,下面小編將為大家詳細(xì)講解,有這方面需求的人可以來學(xué)習(xí)下,希望你能有所收獲。
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(duì)于寫請(qǐng)求不再提供服務(wù),直接返回錯(cuò)誤(DEL請(qǐng)求和部分特殊請(qǐng)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(chǔ)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(jiǎn)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(jiǎn)單的LUR算法,代碼很簡(jiǎn)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(chǔ)該key最后一次被訪問的時(shí)間。
2.Redis3.0對(duì)近似LRU的優(yōu)化 Redis3.0對(duì)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?。ㄗ罹脹]被訪問)的key淘汰掉就行。
3.LRU算法的對(duì)比 我們可以通過一個(gè)實(shí)驗(yàn)對(duì)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(duì)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)
看完上述內(nèi)容是否對(duì)您有幫助呢?如果還想對(duì)相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章,請(qǐng)關(guān)注億速云行業(yè)資訊頻道,感謝您對(duì)億速云的支持。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。