一、Redis內(nèi)存設(shè)置
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，所以我們在使用Redis的時(shí)候可以配置Redis能使用的最大的內(nèi)存大小。
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
<pre spellcheck="false" class="md-fences md-end-block ty-contain-cm modeLoaded" lang="" cid="n5" mdtype="fences" style="box-sizing: border-box; overflow: visible; font-family: Monaco, Consolas, "Andale Mono", "DejaVu Sans Mono", monospace; margin-top: 0px; margin-bottom: 20px; font-size: 0.9rem; display: block; break-inside: avoid; text-align: left; white-space: normal; background: rgb(51, 51, 51); position: relative !important; padding: 10px 10px 10px 30px; width: inherit; color: rgb(184, 191, 198); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;">//設(shè)置Redis最大占用內(nèi)存大小為100M
maxmemory 100mb</pre>
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
<pre spellcheck="false" class="md-fences md-end-block ty-contain-cm modeLoaded" lang="" cid="n8" mdtype="fences" style="box-sizing: border-box; overflow: visible; font-family: Monaco, Consolas, "Andale Mono", "DejaVu Sans Mono", monospace; margin-top: 0px; margin-bottom: 20px; font-size: 0.9rem; display: block; break-inside: avoid; text-align: left; white-space: normal; background: rgb(51, 51, 51); position: relative !important; padding: 10px 10px 10px 30px; width: inherit; color: rgb(184, 191, 198); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;"># 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</pre>
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
二、Redis的內(nèi)存淘汰
1、說明
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6種策略用來處理這種情況
2、六種策略
noeviction(默認(rèn)策略)：對于寫請求不再提供服務(wù)，直接返回錯(cuò)誤（DEL請求和部分特殊請求除外）
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
3、獲取淘汰策略
獲取當(dāng)前內(nèi)存淘汰策略：
<pre spellcheck="false" class="md-fences md-end-block ty-contain-cm modeLoaded" lang="" cid="n30" mdtype="fences" style="box-sizing: border-box; overflow: visible; font-family: Monaco, Consolas, "Andale Mono", "DejaVu Sans Mono", monospace; margin-top: 0px; margin-bottom: 20px; font-size: 0.9rem; display: block; break-inside: avoid; text-align: left; white-space: normal; background: rgb(51, 51, 51); position: relative !important; padding: 10px 10px 10px 30px; width: inherit; color: rgb(184, 191, 198); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;">127.0.0.1:6379> config get maxmemory-policy</pre>
通過配置文件設(shè)置淘汰策略（修改redis.conf文件）：
<pre spellcheck="false" class="md-fences md-end-block ty-contain-cm modeLoaded" lang="" cid="n32" mdtype="fences" style="box-sizing: border-box; overflow: visible; font-family: Monaco, Consolas, "Andale Mono", "DejaVu Sans Mono", monospace; margin-top: 0px; margin-bottom: 20px; font-size: 0.9rem; display: block; break-inside: avoid; text-align: left; white-space: normal; background: rgb(51, 51, 51); position: relative !important; padding: 10px 10px 10px 30px; width: inherit; color: rgb(184, 191, 198); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;">maxmemory-policy allkeys-lru</pre>
通過命令修改淘汰策略：
<pre spellcheck="false" class="md-fences md-end-block ty-contain-cm modeLoaded" lang="" cid="n34" mdtype="fences" style="box-sizing: border-box; overflow: visible; font-family: Monaco, Consolas, "Andale Mono", "DejaVu Sans Mono", monospace; margin-top: 0px; margin-bottom: 20px; font-size: 0.9rem; display: block; break-inside: avoid; text-align: left; white-space: normal; background: rgb(51, 51, 51); position: relative !important; padding: 10px 10px 10px 30px; width: inherit; color: rgb(184, 191, 198); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;">127.0.0.1:6379> config set maxmemory-policy allkeys-lru</pre>
4、如何使用
如果分為熱數(shù)據(jù)與冷數(shù)據(jù), 推薦使用 allkeys-lru 策略。 也就是, 其中一部分key經(jīng)常被讀寫. 如果不確定具體的業(yè)務(wù)特征, 那么推薦使用該策略。
如果需要循環(huán)讀寫所有的key, 或者各個(gè)key的訪問頻率差不多, 可以使用 allkeys-random 策略, 即讀寫所有元素的概率差不多。
假如要讓 Redis 根據(jù) TTL 來篩選需要?jiǎng)h除的key, 請使用 volatile-ttl 策略。
三、LFU策略(4.0以上版本)
1、說明
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，
在LFU算法中，可以為每個(gè)key維護(hù)一個(gè)計(jì)數(shù)器。每次key被訪問的時(shí)候，計(jì)數(shù)器增大。計(jì)數(shù)器越大，可以約等于訪問越頻繁。
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)。
2、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)
3、LFU配置
Redis4.0之后為maxmemory_policy淘汰策略添加了兩個(gè)LFU模式：
volatile-lfu：對有過期時(shí)間的key采用LFU淘汰算法
allkeys-lfu：對全部key采用LFU淘汰算法
還有2個(gè)配置可以調(diào)整LFU算法：
<pre spellcheck="false" class="md-fences md-end-block ty-contain-cm modeLoaded" lang="" cid="n63" mdtype="fences" style="box-sizing: border-box; overflow: visible; font-family: Monaco, Consolas, "Andale Mono", "DejaVu Sans Mono", monospace; margin-top: 0px; margin-bottom: 20px; font-size: 0.9rem; display: block; break-inside: avoid; text-align: left; white-space: normal; background: rgb(51, 51, 51); position: relative !important; padding: 10px 10px 10px 30px; width: inherit; color: rgb(184, 191, 198); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;">lfu-log-factor ``10``lfu-decay-time ``1</pre>
lfu-log-factor 可以調(diào)整計(jì)數(shù)器counter的增長速度，lfu-log-factor越大，counter增長的越慢。
lfu-decay-time 是一個(gè)以分鐘為單位的數(shù)值，可以調(diào)整counter的減少速度
附: LRU算法
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。
栗子
<pre spellcheck="false" class="md-fences md-end-block ty-contain-cm modeLoaded" lang="" cid="n71" mdtype="fences" style="box-sizing: border-box; overflow: visible; font-family: Monaco, Consolas, "Andale Mono", "DejaVu Sans Mono", monospace; margin-top: 0px; margin-bottom: 20px; font-size: 0.9rem; display: block; break-inside: avoid; text-align: left; white-space: normal; background: rgb(51, 51, 51); position: relative !important; padding: 10px 10px 10px 30px; width: inherit; color: rgb(184, 191, 198); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;">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;
}
}
}</pre>
示例圖
附: LRU在Redis中的實(shí)現(xiàn)
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。
可以通過配置maxmemory-samples參數(shù)修改采樣數(shù)量
maxmemory-samples 5
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，用來存儲該key最后一次被訪問的時(shí)間。
Redis3.0對近似LRU的優(yōu)化
Redis3.0對近似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)間最小（最久沒被訪問）的key淘汰掉就行。
LRU算法的對比
我們可以通過一個(gè)實(shí)驗(yàn)對比各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算法的對比圖：
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。
參考
