Redis数据库笔记——8种内存淘汰机制

Good Note

已于 2025-02-24 23:00:27 修改

阅读量1.3k

点赞数 36

分类专栏： Redis数据库笔记文章标签：数据库 redis 缓存 sql

于 2025-01-03 10:19:35 首次发布

本文链接：https://blog.csdn.net/haopingbiji/article/details/144903238

版权

Redis数据库笔记专栏收录该内容

15 篇文章

订阅专栏

大家好，这里是编程Cookbook，关注公众号「编程Cookbook」，获取更多面试资料。本文详细介绍Redis的8种内存淘汰机制。

文章目录

过期键删除策略
内存淘汰机制
内存限制设置
常见策略
1. 针对设置了过期时间的键
2. 针对所有键
3. 无淘汰策略

Redis 3.0 的淘汰机制——近似 LRU 算法
LRU（Least Recently Used）优化设计
1. LRU 算法优化
2. 近似 LRU 的特点
3. 近似 LRU 与理论 LRU 效果对比

Redis 4.0 的新增的淘汰机制——LFU 算法
1. LFU 算法
2. LFU 的特点
3. 相关策略

历史文章
MySQL数据库
Redis

过期键删除策略

关注公众号「编程Cookbook」，获取更多编程学习/面试资料！

Redis 为管理内存，对设置了过期时间的键采用了以下三种删除策略：

定时过期：
- 描述：为每个设置了过期时间的键创建一个定时器，到达过期时间立即清除。
- 优点：对内存很友好，过期数据能及时清除。
- 缺点：需要消耗大量的 CPU 资源来处理定时器，影响缓存响应时间和吞吐量。
惰性过期：
- 描述：只有在访问某个键时才判断其是否过期，过期则清除。
- 优点：最大化节省 CPU 资源。
- 缺点：可能会有大量过期键未被访问而占用内存。
定期删除：
- 描述：每隔一定时间扫描 expires 字典中的部分键，清除过期键。
- 优点：折中策略，通过调整扫描时间间隔和每次扫描数量，平衡 CPU 和内存资源。

默认使用惰性过期 (Lazy Expiration)和定期删除 (Periodic Deletion) 两者结合的方式，能够在性能和内存使用之间找到一个良好的平衡。

内存淘汰机制

关注公众号「编程Cookbook」，获取更多编程学习/面试资料！

内存限制设置

Redis 可以通过参数 maxmemory 设置内存最大限制，从而避免 Redis 占满机器的内存，影响其他服务。
默认值：
- maxmemory=0，表示没有限制。
- 在 32 位系统 上，Redis 最大支持内存为 3GB（32 位系统最大内存为 4GB）。
- 在 64 位系统 上，Redis 的最大内存限制为物理机的可用内存。

Redis 的 maxmemory 参数和内存淘汰机制，使其成为一种有效的缓存方案，是 Memcached 的有效替代方案。

常见策略

当内存达到 maxmemory 限制时，Redis 会按照 maxmemory-policy 启动相应的淘汰策略，Redis 默认的内存淘汰策略是：noeviction。常见策略如下：

1. 针对设置了过期时间的键

volatile-lru：仅对设置了过期时间的键，淘汰最近最少使用的键。
volatile-ttl：仅对设置了过期时间的键，淘汰剩余时间最短的键。
volatile-random：仅对设置了过期时间的键，随机淘汰。
volatile-lfu：仅对设置了过期时间的键，淘汰访问频率最低的键。

2. 针对所有键

allkeys-lru：对所有键，淘汰最近最少使用的键。
allkeys-random：对所有键，随机淘汰。
allkeys-lfu：对所有键，淘汰访问频率最低的键。

3. 无淘汰策略

noeviction：不进行淘汰，当内存超限时直接返回错误。

Redis 3.0 的淘汰机制——近似 LRU 算法

策略	含义	特性
`noeviction`	不淘汰	内存超限后写命令返回错误（如 OOM，`del` 命令除外）。
`allkeys-lru`	所有键的 `LRU` 淘汰	在所有键中按照最近最少使用（LRU）原则剔除键，释放空间。
`volatile-lru`	设置过期键的 `LRU` 淘汰	仅在设置了过期时间的键范围内按照 LRU 原则淘汰键（未设置过期时间则不淘汰）。
`allkeys-random`	所有键`随机`淘汰	在所有键中随机选择淘汰。
`volatile-random`	设置过期键`随机`淘汰	仅在设置了过期时间的键范围内随机选择淘汰。
`volatile-ttl`	设置过期键按 TTL 淘汰	优先删除剩余时间（TTL）最短的键。

LRU（Least Recently Used）优化设计

Redis 的 LRU 算法经过优化，保证内存占用与淘汰效果之间的平衡，体现了工程实现中对 空间与时间的折中。

注意：在主从复制模式（Replication）下，如果从节点达到 maxmemory 限制，不会记录任何异常日志，但增量数据无法同步到从节点。

1. LRU 算法优化

Redis 3.0 的 LRU 算法是近似实现，并非精确 LRU。
为了平衡内存占用与性能，Redis 在实现 LRU 时使用了 采样方法：
- 默认从固定数量的键（由 maxmemory-samples 决定）中随机挑选一定数量的键进行比较，淘汰其中最符合 LRU 策略的键。
- 默认采样值为 5，可以通过 maxmemory-samples 调整。
参数设置：
- 使用 CONFIG SET maxmemory-samples <count> 动态调整采样数量，采样越多越接近理论 LRU，但会增加性能开销。

2. 近似 LRU 的特点

优点：节省内存，只需记录部分键的访问信息。
缺点：可能导致部分键未能准确淘汰，尤其在访问模式复杂时。
适用场景：
- 访问模式接近幂次分布时，近似 LRU 效果与理论 LRU 非常接近，几乎无差别。

3. 近似 LRU 与理论 LRU 效果对比

当数据访问模式接近幂次分布（大部分访问集中于少数键）时，近似 LRU 表现与理论 LRU 几乎无差别。

Redis 4.0 的新增的淘汰机制——LFU 算法

1. LFU 算法

Redis 4.0 引入了 LFU（Least Frequently Used） 算法，专注于键的访问频率，而非最近访问时间。
LFU 的实现机制：
- 使用 Morris counters（一种稀疏计数器算法）记录访问频率，占用内存极小。
- 计数器会随着时间衰减，以降低旧访问对频率统计的影响。
- 提供参数配置计数更新频率和衰减速度，灵活控制缓存命中率。