今天小編給大家分享的是關(guān)于redis數(shù)據(jù)淘汰策略詳解，很多人都不太了解，今天小編為了讓大家更加了解redis數(shù)據(jù)淘汰策略，所以給大家總結(jié)了以下內(nèi)容，一起往下看吧。一定會有所收獲的哦。

創(chuàng)新互聯(lián)為企業(yè)級客戶提高一站式互聯(lián)網(wǎng)+設(shè)計服務(wù)，主要包括網(wǎng)站設(shè)計、成都網(wǎng)站制作、App定制開發(fā)、微信小程序定制開發(fā)、宣傳片制作、LOGO設(shè)計等，幫助客戶快速提升營銷能力和企業(yè)形象，創(chuàng)新互聯(lián)各部門都有經(jīng)驗豐富的經(jīng)驗，可以確保每一個作品的質(zhì)量和創(chuàng)作周期，同時每年都有很多新員工加入，為我們帶來大量新的創(chuàng)意。 

本文講的是 當(dāng)redis設(shè)定了最大內(nèi)存之后，緩存中的數(shù)據(jù)集大小超過了一定比例，實施的淘汰策略，不是刪除過期鍵的策略，雖然兩者非常相似。

在 redis 中，允許用戶設(shè)置最大使用內(nèi)存大小通過配置redis.conf中的maxmemory這個值來開啟內(nèi)存淘汰功能，在內(nèi)存限定的情況下是很有用的。

設(shè)置最大內(nèi)存大小可以保證redis對外提供穩(wěn)健服務(wù)。

推薦：redis教程

redis 內(nèi)存數(shù)據(jù)集大小上升到一定大小的時候，就會施行數(shù)據(jù)淘汰策略。redis 提供 6種數(shù)據(jù)淘汰策略通過maxmemory-policy設(shè)置策略：

volatile-lru：從已設(shè)置過期時間的數(shù)據(jù)集（server.db[i].expires）中挑選最近最少使用的數(shù)據(jù)淘汰

volatile-ttl：從已設(shè)置過期時間的數(shù)據(jù)集（server.db[i].expires）中挑選將要過期的數(shù)據(jù)淘汰

volatile-random：從已設(shè)置過期時間的數(shù)據(jù)集（server.db[i].expires）中任意選擇數(shù)據(jù)淘汰

allkeys-lru：從數(shù)據(jù)集（server.db[i].dict）中挑選最近最少使用的數(shù)據(jù)淘汰

allkeys-random：從數(shù)據(jù)集（server.db[i].dict）中任意選擇數(shù)據(jù)淘汰

no-enviction（驅(qū)逐）：禁止驅(qū)逐數(shù)據(jù)

redis 確定驅(qū)逐某個鍵值對后，會刪除這個數(shù)據(jù)并將這個數(shù)據(jù)變更消息發(fā)布到本地（AOF 持久化）和從機（主從連接）

LRU 數(shù)據(jù)淘汰機制

在服務(wù)器配置中保存了 lru 計數(shù)器 server.lrulock，會定時（redis 定時程序 serverCorn()）更新，server.lrulock 的值是根據(jù) server.unixtime 計算出來的。

另外，從 struct redisObject 中可以發(fā)現(xiàn)，每一個 redis 對象都會設(shè)置相應(yīng)的 lru?？梢韵胂蟮氖?，每一次訪問數(shù)據(jù)的時候，會更新 redisObject.lru。

LRU 數(shù)據(jù)淘汰機制是這樣的：在數(shù)據(jù)集中隨機挑選幾個鍵值對，取出其中 lru 最大的鍵值對淘汰。所以，你會發(fā)現(xiàn)，redis 并不是保證取得所有數(shù)據(jù)集中最近最少使用（LRU）的鍵值對，而只是隨機挑選的幾個鍵值對中的。

// redisServer 保存了 lru 計數(shù)器

struct redisServer {

...

unsigned lruclock:22; /* Clock incrementing every minute, for LRU */

...

};

 

// 每一個 redis 對象都保存了 lru

#define REDIS_LRU_CLOCK_MAX ((1<<21)-1) /* Max value of obj->lru */

#define REDIS_LRU_CLOCK_RESOLUTION 10 /* LRU clock resolution in seconds */

typedef struct redisObject {

// 剛剛好 32 bits

 

// 對象的類型，字符串/列表/集合/哈希表

unsigned type:4;

// 未使用的兩個位

unsigned notused:2; /* Not used */

// 編碼的方式，redis 為了節(jié)省空間，提供多種方式來保存一個數(shù)據(jù)

// 譬如：“123456789” 會被存儲為整數(shù) 123456789

unsigned encoding:4;

unsigned lru:22; /* lru time (relative to server.lruclock) */

 

// 引用數(shù)

int refcount;

 

// 數(shù)據(jù)指針

void *ptr;

} robj;

 

// redis 定時執(zhí)行程序。聯(lián)想：linux cron

int serverCron(struct aeEventLoop *eventLoop, long long id, void *clientData) {

......

/* We have just 22 bits per object for LRU information.

* So we use an (eventually wrapping) LRU clock with 10 seconds resolution.

* 2^22 bits with 10 seconds resolution is more or less 1.5 years.

*

* Note that even if this will wrap after 1.5 years it's not a problem,

* everything will still work but just some object will appear younger

* to Redis. But for this to happen a given object should never be touched

* for 1.5 years.

*

* Note that you can change the resolution altering the

* REDIS_LRU_CLOCK_RESOLUTION define.

*/

updateLRUClock();

......

}

 

// 更新服務(wù)器的 lru 計數(shù)器

void updateLRUClock(void) {

server.lruclock = (server.unixtime/REDIS_LRU_CLOCK_RESOLUTION) &

REDIS_LRU_CLOCK_MAX;

}

TTL 數(shù)據(jù)淘汰機制

redis 數(shù)據(jù)集數(shù)據(jù)結(jié)構(gòu)中保存了鍵值對過期時間的表，即 redisDb.expires。和 LRU 數(shù)據(jù)淘汰機制類似，TTL 數(shù)據(jù)淘汰機制是這樣的：從過期時間的表中隨機挑選幾個鍵值對，取出其中 ttl 最大的鍵值對淘汰。同樣你會發(fā)現(xiàn)，redis 并不是保證取得所有過期時間的表中最快過期的鍵值對，而只是隨機挑選的幾個鍵值對中的。

總結(jié)

redis 每服務(wù)客戶端執(zhí)行一個命令的時候，會檢測使用的內(nèi)存是否超額。如果超額，即進行數(shù)據(jù)淘汰。

// 執(zhí)行命令

int processCommand(redisClient *c) {

......

// 內(nèi)存超額

/* Handle the maxmemory directive.

*

* First we try to free some memory if possible (if there are volatile

* keys in the dataset). If there are not the only thing we can do

* is returning an error. */

if (server.maxmemory) {

int retval = freeMemoryIfNeeded();

if ((c->cmd->flags & REDIS_CMD_DENYOOM) && retval == REDIS_ERR) {

flagTransaction(c);

addReply(c, shared.oomerr);

return REDIS_OK;

}

}

......

}

// 如果需要，是否一些內(nèi)存

int freeMemoryIfNeeded(void) {

size_t mem_used, mem_tofree, mem_freed;

int slaves = listLength(server.slaves);

// redis 從機回復(fù)空間和 AOF 內(nèi)存大小不計算入 redis 內(nèi)存大小

/* Remove the size of slaves output buffers and AOF buffer from the

* count of used memory. */

mem_used = zmalloc_used_memory();

// 從機回復(fù)空間大小

if (slaves) {

listIter li;

listNode *ln;

listRewind(server.slaves,&li);

while((ln = listNext(&li))) {

redisClient *slave = listNodeValue(ln);

unsigned long obuf_bytes = getClientOutputBufferMemoryUsage(slave);

if (obuf_bytes > mem_used)

mem_used = 0;

else

mem_used -= obuf_bytes;

}

}

// server.aof_buf && server.aof_rewrite_buf_blocks

if (server.aof_state != REDIS_AOF_OFF) {

mem_used -= sdslen(server.aof_buf);

mem_used -= aofRewriteBufferSize();

}

// 內(nèi)存是否超過設(shè)置大小

/* Check if we are over the memory limit. */

if (mem_used <= server.maxmemory) return REDIS_OK;

// redis 中可以設(shè)置內(nèi)存超額策略

if (server.maxmemory_policy == REDIS_MAXMEMORY_NO_EVICTION)

return REDIS_ERR; /* We need to free memory, but policy forbids. */

/* Compute how much memory we need to free. */

mem_tofree = mem_used - server.maxmemory;

mem_freed = 0;

while (mem_freed < mem_tofree) {

int j, k, keys_freed = 0;

// 遍歷所有數(shù)據(jù)集

for (j = 0; j < server.dbnum; j++) {

long bestval = 0; /* just to prevent warning */

sds bestkey = NULL;

struct dictEntry *de;

redisDb *db = server.db+j;

dict *dict;

// 不同的策略，選擇的數(shù)據(jù)集不一樣

if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||

server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM)

{

dict = server.db[j].dict;

} else {

dict = server.db[j].expires;

}

// 數(shù)據(jù)集為空，繼續(xù)下一個數(shù)據(jù)集

if (dictSize(dict) == 0) continue;

// 隨機淘汰隨機策略：隨機挑選

/* volatile-random and allkeys-random policy */

if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM ||

server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_RANDOM)

{

de = dictGetRandomKey(dict);

bestkey = dictGetKey(de);

}

// LRU 策略：挑選最近最少使用的數(shù)據(jù)

/* volatile-lru and allkeys-lru policy */

else if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||

server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_LRU)

{

// server.maxmemory_samples 為隨機挑選鍵值對次數(shù)

// 隨機挑選 server.maxmemory_samples個鍵值對，驅(qū)逐最近最少使用的數(shù)據(jù)

for (k = 0; k < server.maxmemory_samples; k++) {

sds thiskey;

long thisval;

robj *o;

// 隨機挑選鍵值對

de = dictGetRandomKey(dict);

// 獲取鍵

thiskey = dictGetKey(de);

/* When policy is volatile-lru we need an additional lookup

* to locate the real key, as dict is set to db->expires. */

if (server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_LRU)

de = dictFind(db->dict, thiskey);

o = dictGetVal(de);

// 計算數(shù)據(jù)的空閑時間

thisval = estimateObjectIdleTime(o);

// 當(dāng)前鍵值空閑時間更長，則記錄

/* Higher idle time is better candidate for deletion */

if (bestkey == NULL || thisval > bestval) {

bestkey = thiskey;

bestval = thisval;

}

}

}

// TTL 策略：挑選將要過期的數(shù)據(jù)

/* volatile-ttl */

else if (server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_TTL) {

// server.maxmemory_samples 為隨機挑選鍵值對次數(shù)

// 隨機挑選 server.maxmemory_samples個鍵值對，驅(qū)逐最快要過期的數(shù)據(jù)

for (k = 0; k < server.maxmemory_samples; k++) {

sds thiskey;

long thisval;

de = dictGetRandomKey(dict);

thiskey = dictGetKey(de);

thisval = (long) dictGetVal(de);

/* Expire sooner (minor expire unix timestamp) is better

* candidate for deletion */

if (bestkey == NULL || thisval < bestval) {

bestkey = thiskey;

bestval = thisval;

}

}

}

// 刪除選定的鍵值對

/* Finally remove the selected key. */

if (bestkey) {

long long delta;

robj *keyobj = createStringObject(bestkey,sdslen(bestkey));

// 發(fā)布數(shù)據(jù)更新消息，主要是 AOF 持久化和從機

propagateExpire(db,keyobj);

 

// 注意， propagateExpire() 可能會導(dǎo)致內(nèi)存的分配， propagateExpire()

提前執(zhí)行就是因為 redis 只計算 dbDelete() 釋放的內(nèi)存大小。倘若同時計算 dbDelete() 釋放的內(nèi)存

和 propagateExpire() 分配空間的大小，與此同時假設(shè)分配空間大于釋放空間，就有可能永遠(yuǎn)退不出這個循環(huán)。

// 下面的代碼會同時計算 dbDelete() 釋放的內(nèi)存和 propagateExpire() 分配空間的大?。?

// propagateExpire(db,keyobj);

// delta = (long long) zmalloc_used_memory();

// dbDelete(db,keyobj);

// delta -= (long long) zmalloc_used_memory();

// mem_freed += delta;

/////////////////////////////////////////

 

/* We compute the amount of memory freed by dbDelete() alone.

* It is possible that actually the memory needed to propagate

* the DEL in AOF and replication link is greater than the one

* we are freeing removing the key, but we can't account for

* that otherwise we would never exit the loop.

*

* AOF and Output buffer memory will be freed eventually so

* we only care about memory used by the key space. */

// 只計算 dbDelete() 釋放內(nèi)存的大小

delta = (long long) zmalloc_used_memory();

dbDelete(db,keyobj);

delta -= (long long) zmalloc_used_memory();

mem_freed += delta;

server.stat_evictedkeys++;

// 將數(shù)據(jù)的刪除通知所有的訂閱客戶端

notifyKeyspaceEvent(REDIS_NOTIFY_EVICTED, "evicted",

keyobj, db->id);

decrRefCount(keyobj);

keys_freed++;

// 將從機回復(fù)空間中的數(shù)據(jù)及時發(fā)送給從機

/* When the memory to free starts to be big enough, we may

* start spending so much time here that is impossible to

* deliver data to the slaves fast enough, so we force the

* transmission here inside the loop. */

if (slaves) flushSlavesOutputBuffers();

}

}

// 未能釋放空間，且此時 redis 使用的內(nèi)存大小依舊超額，失敗返回

if (!keys_freed) return REDIS_ERR; /* nothing to free... */

}

return REDIS_OK;

}

適用場景

下面看看幾種策略的適用場景：

allkeys-lru： 如果我們的應(yīng)用對緩存的訪問符合冪律分布（也就是存在相對熱點數(shù)據(jù)），或者我們不太清楚我們應(yīng)用的緩存訪問分布狀況，我們可以選擇allkeys-lru策略。

allkeys-random： 如果我們的應(yīng)用對于緩存key的訪問概率相等，則可以使用這個策略。

volatile-ttl： 這種策略使得我們可以向Redis提示哪些key更適合被eviction。

另外，volatile-lru策略和volatile-random策略適合我們將一個Redis實例既應(yīng)用于緩存和又應(yīng)用于持久化存儲的時候，然而我們也可以通過使用兩個Redis實例來達(dá)到相同的效果，值得一提的是將key設(shè)置過期時間實際上會消耗更多的內(nèi)存，因此我們建議使用allkeys-lru策略從而更有效率的使用內(nèi)存。

以上就是關(guān)于redis數(shù)據(jù)淘汰策略詳解，當(dāng)然詳細(xì)使用上面的不同還得要大家自己使用過才領(lǐng)會。如果想了解更多，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道哦！