Redis内存满了怎么办……

数据库 其他数据库 Redis
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。

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。 

  1. //设置Redis最大占用内存大小为100M  
  2. 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 

  1. //设置Redis最大占用内存大小为100M  
  2. 127.0.0.1:6379> config set maxmemory 100mb  
  3. //获取设置的Redis能使用的最大内存大小  
  4. 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: 

  1. 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): 

  1. maxmemory-policy allkeys-lru 

通过命令修改淘汰策略: 

  1. 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。 

  1. public class LRUCache<k, v> {  
  2.     //容量  
  3.     private int capacity;  
  4.     //当前有多少节点的统计  
  5.     private int count;  
  6.     //缓存节点  
  7.     private Map<k, Node<k, v>> nodeMap;  
  8.     private Node<k, v> head;  
  9.     private Node<k, v> tail;  
  10.     public LRUCache(int capacity) {  
  11.         if (capacity < 1) {  
  12.             throw new IllegalArgumentException(String.valueOf(capacity));  
  13.         }  
  14.         this.capacity = capacity;  
  15.         this.nodeMap = new HashMap<>();  
  16.         //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  
  17.         Node headNode = new Node(null, null);  
  18.         Node tailNode = new Node(null, null);  
  19.         headNode.next = tailNode 
  20.         tailNode.pre = headNode 
  21.         this.head = headNode 
  22.         this.tail = tailNode 
  23.     }  
  24.     public void put(k key, v value) {  
  25.         Node<k, v> node = nodeMap.get(key);  
  26.         if (node == null) {  
  27.             if (count >= capacity) {  
  28.                 //先移除一个节点  
  29.                 removeNode();  
  30.             }  
  31.             node = new Node<>(key, value);  
  32.             //添加节点  
  33.             addNode(node);  
  34.         } else {  
  35.             //移动节点到头节点  
  36.             moveNodeToHead(node);  
  37.         }  
  38.     }  
  39.     public Node<k, v> get(k key) {  
  40.         Node<k, v> node = nodeMap.get(key);  
  41.         if (node != null) {  
  42.             moveNodeToHead(node);  
  43.         }  
  44.         return node;  
  45.     }  
  46.     private void removeNode() {  
  47.         Node node = tail.pre;  
  48.         //从链表里面移除  
  49.         removeFromList(node);  
  50.         nodeMap.remove(node.key);  
  51.         count--;  
  52.     }  
  53.     private void removeFromList(Node<k, v> node) {  
  54.         Node pre = node.pre;  
  55.         Node next = node.next;  
  56.         pre.next = next;  
  57.         next.pre = pre;  
  58.         node.next = null 
  59.         node.pre = null
  60.     }  
  61.     private void addNode(Node<k, v> node) {  
  62.         //添加节点到头部  
  63.         addToHead(node);  
  64.         nodeMap.put(node.key, node);  
  65.         count++;  
  66.     }  
  67.     private void addToHead(Node<k, v> node) {  
  68.         Node next = head.next;  
  69.         next.pre = node 
  70.         node.next = next;  
  71.         node.pre = head 
  72.         head.next = node 
  73.     }  
  74.     public void moveNodeToHead(Node<k, v> node) {  
  75.         //从链表里面移除  
  76.         removeFromList(node);  
  77.         //添加节点到头部  
  78.         addToHead(node);  
  79.     }  
  80.     class Node<k, v> {  
  81.         k key;  
  82.         v value;  
  83.         Node pre;  
  84.         Node next;  
  85.         public Node(k key, v value) {  
  86.             this.key = key;  
  87.             this.value = value;  
  88.         }  
  89.     }  

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。 

 

责任编辑:庞桂玉 来源: Java技术栈
相关推荐

2021-04-13 10:41:25

Redis内存数据库

2022-04-24 08:23:19

Redis内存淘汰策略

2021-03-13 14:04:43

Redis内存策略

2021-01-26 08:02:04

Redis内存数据库

2021-10-30 19:01:17

磁盘字节文件

2020-03-18 19:00:29

电脑内存不足系统

2020-12-03 06:18:04

磁盘Docker容器

2024-03-13 13:25:09

Redis分布式锁

2021-10-01 00:12:12

Redis分布式

2022-08-24 08:17:14

RedisRDBAOF

2021-01-05 10:48:38

RedisAOF日志RDB快照

2017-05-31 12:52:55

大数据数据文件解决思路

2021-03-17 10:55:14

Redis哈希数据库

2009-11-03 08:56:02

linux死机操作系统

2022-12-19 11:31:57

缓存失效数据库

2017-02-21 13:11:43

SDN网络体系SDN架构

2022-05-19 08:01:49

PostgreSQL数据库

2018-01-28 20:39:39

戴尔

2022-07-05 11:48:47

MySQL死锁表锁

2015-10-22 09:09:59

点赞
收藏

51CTO技术栈公众号