您好,登錄后才能下訂單哦!
本篇內(nèi)容介紹了“Redis的內(nèi)存滿了怎么辦”的有關(guān)知識(shí),在實(shí)際案例的操作過程中,不少人都會(huì)遇到這樣的困境,接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧!希望大家仔細(xì)閱讀,能夠?qū)W有所成!
Redis占用內(nèi)存大小
Redis的內(nèi)存淘汰
LRU算法
LRU在Redis中的實(shí)現(xiàn)
LFU算法
我們知道Redis是基于內(nèi)存的key-value數(shù)據(jù)庫,因?yàn)橄到y(tǒng)的內(nèi)存大小有限,所以我們?cè)谑褂肦edis的時(shí)候可以配置Redis能使用的最大的內(nèi)存大小。
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
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
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:
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)
allkeys-lru:從所有key中使用LRU算法進(jìn)行淘汰
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
allkeys-random:從所有key中隨機(jī)淘汰數(shù)據(jù)
volatile-random:從設(shè)置了過期時(shí)間的key中隨機(jī)淘汰
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
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
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。
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> nodeMap;
private Node head;
private Node 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 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 get(k key) ,>{
Node 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 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 node),> {
//添加節(jié)點(diǎn)到頭部
addToHead(node);
nodeMap.put(node.key, node);
count++;
}
private void addToHead(Node node),> {
Node next = head.next;
next.pre = node;
node.next = next;
node.pre = head;
head.next = node;
}
public void moveNodeToHead(Node 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。
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。
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。
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(圖片來源):
你可以看到圖中有三種不同顏色的點(diǎn):
淺灰色是被淘汰的數(shù)據(jù)
灰色是沒有被淘汰掉的老數(shù)據(jù)
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)
“Redis的內(nèi)存滿了怎么辦”的內(nèi)容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站,小編將為大家輸出更多高質(zhì)量的實(shí)用文章!
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。