點(diǎn)擊上方“碼農(nóng)突圍”,馬上關(guān)注這里是碼農(nóng)充電第一站,回復(fù)“666”,獲取一份專(zhuān)屬大禮包真愛(ài),請(qǐng)?jiān)O(shè)置“星標(biāo)”或點(diǎn)個(gè)“在看”Redis是基于內(nèi)存的key-value數(shù)據(jù)庫(kù),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。Redis配置內(nèi)存
1、通過(guò)配置文件配置?通過(guò)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100Mmaxmemory 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2、通過(guò)命令修改?Redis支持運(yùn)行時(shí)通過(guò)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100M127.0.0.1:6379> 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Redis的內(nèi)存淘汰
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(méi)內(nèi)存可用了嗎?實(shí)際上Redis定義了幾種策略用來(lái)處理這種情況:1.noeviction(默認(rèn)策略):對(duì)于寫(xiě)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)2.allkeys-lru:從所有key中使用LRU算法進(jìn)行淘汰3.volatile-lru:從設(shè)置了過(guò)期時(shí)間的key中使用LRU算法進(jìn)行淘汰4.allkeys-random:從所有key中隨機(jī)淘汰數(shù)據(jù)5.volatile-random:從設(shè)置了過(guò)期時(shí)間的key中隨機(jī)淘汰6.volatile-ttl:在設(shè)置了過(guò)期時(shí)間的key中,根據(jù)key的過(guò)期時(shí)間進(jìn)行淘汰,越早過(guò)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(méi)有key可以被淘汰,則和noeviction一樣返回錯(cuò)誤如何獲取及設(shè)置內(nèi)存淘汰策略?獲取當(dāng)前內(nèi)存淘汰策略: 127.0.0.1:6379> config get maxmemory-policy
通過(guò)配置文件設(shè)置淘汰策略(修改redis.conf文件): maxmemory-policy allkeys-lru
127.0.0.1:6379> config set maxmemory-policy allkeys-lru
LRU算法
1.什么是LRU??上面說(shuō)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(mǎn),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(lái)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(méi)有被用到,那么將來(lái)被使用到的可能性也很小,所以就可以被淘汰掉。使用java實(shí)現(xiàn)一個(gè)簡(jiǎn)單的LRU算法 public class LRUCache { //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> 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 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?zhuān)屑?xì)看一下很容易就看懂。LRU在Redis中的實(shí)現(xiàn)
1.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(guò)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(guò)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(lái)存儲(chǔ)該key最后一次被訪(fǎng)問(wèn)的時(shí)間。2.Redis3.0對(duì)近似LRU的優(yōu)化?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(fǎng)問(wèn)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(fǎng)問(wèn)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(mǎn)。當(dāng)放滿(mǎn)后,如果有新的key需要放入,則將池中最后訪(fǎng)問(wèn)時(shí)間最大(最近被訪(fǎng)問(wèn))的移除。當(dāng)需要淘汰的時(shí)候,則直接從池中選取最近訪(fǎng)問(wèn)時(shí)間最?。ㄗ罹脹](méi)被訪(fǎng)問(wèn))的key淘汰掉就行。3.LRU算法的對(duì)比?我們可以通過(guò)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
1.淺灰色是被淘汰的數(shù)據(jù)2.灰色是沒(méi)有被淘汰掉的老數(shù)據(jù)3.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
LFU算法是Redis4.0里面新加的一種淘汰策略。它的全稱(chēng)是Least Frequently Used,它的核心思想是根據(jù)key的最近被訪(fǎng)問(wèn)的頻率進(jìn)行淘汰,很少被訪(fǎng)問(wèn)的優(yōu)先被淘汰,被訪(fǎng)問(wèn)的多的則被留下來(lái)。LFU算法能更好的表示一個(gè)key被訪(fǎng)問(wèn)的熱度。假如你使用的是LRU算法,一個(gè)key很久沒(méi)有被訪(fǎng)問(wèn)到,只剛剛是偶爾被訪(fǎng)問(wèn)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(lái)是很有可能被訪(fǎng)問(wèn)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(guò)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(guò)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)重磅!碼農(nóng)突圍-技術(shù)交流群已成立掃碼可添加碼農(nóng)突圍助手,可申請(qǐng)加入碼農(nóng)突圍大群和細(xì)分方向群,細(xì)分方向已涵蓋:Java、Python、機(jī)器學(xué)習(xí)、大數(shù)據(jù)、人工智能等群。一定要備注:開(kāi)發(fā)方向+地點(diǎn)+學(xué)校/公司+昵稱(chēng)(如Java開(kāi)發(fā)+上海+拼夕夕+猴子),根據(jù)格式備注,可更快被通過(guò)且邀請(qǐng)進(jìn)群
推薦閱讀