Redis精通系列——LFU算法详述(Least Frequently Used - 最不经常使用)

Myth丶恋晨 2022-09-12 09:55 208阅读 0赞

**本文已收录于专栏**

[❤️《Redis精通系列》❤️][Redis]

**上千人点赞收藏，全套Redis学习资料，大厂必备技能！**

--------------------

**目录**

1、简介

2、实现方式

2.1 LRU实现方式

2.2 LFU实现方式

3、LFU使用

3.1 配置文件开启LFU淘汰算法

--------------------

## 1、简介 ##

LRU有一个明显的缺点，它无法正确的表示一个Key的热度，如果一个key从未被访问过，仅仅发生内存淘汰的前一会儿被用户访问了一下，在LRU算法中这会被认为是一个热key。  
例如如下图，keyA与keyB同时被set到Redis中，在内存淘汰发生之前，keyA被频繁的访问，而keyB只被访问了一次，但是这次访问的时间比keyA的任意一次访问时间都更接近内存淘汰触发的时间，如果keyA与keyB均被Redis选中进行淘汰，keyA将被优先淘汰。我想大家都不太希望keyA被淘汰吧，那么有没有更好的的内存淘汰机制呢？当然有，那就是LFU。

![LRU存在的问题.png][LRU_.png]

LFU(Least Frequently Used)是Redis 4.0 引入的淘汰算法，它通过key的访问频率比较来淘汰key，重点突出的是Frequently Used。

**LRU与LFU的区别：**

*  LRU -> Recently Used，根据最近一次访问的时间比较
 *  LFU -> Frequently Used，根据key的访问频率比较

**Redis4.0之后为maxmemory\_policy淘汰策略添加了两个LFU模式（LRU请看我上一篇文章）**：

*  volatile-lfu：对有过期时间的key采用LFU淘汰算法
 *  allkeys-lfu：对全部key采用LFU淘汰算法

## 2、实现方式 ##

Redis分配一个字符串的最小空间占用是19字节，16字节（对象头）+3字节（SDS基本字段）。Redis的内存淘汰算法LRU/LFU均依靠其中的对象头中的lru来实现。  
**Redis对象头的内存结构：**

typedef struct redisObject {
        unsigned type:4;        // 4 bits 对象的类型（zset、set、hash等）
        unsigned encoding:4;    // 4 bits 对象的存储方式（ziplist、intset等）
        unsigned lru:24;        // 24bits 记录对象的访问信息
        int refcount;            // 4 bytes 引用计数
        void *ptr;                // 8 bytes （64位操作系统），指向对象具体的存储地址/对象body
    }

Redis对象头中的lru字段，在LRU模式下和LFU模式下使用方式并不相同。

### 2.1 LRU实现方式 ###

在LRU模式，lru字段存储的是key被访问时Redis的时钟server.lrulock（Redis为了保证核心单线程服务性能，缓存了Unix操作系统时钟，默认每毫秒更新一次，**缓存的值是Unix时间戳取模2^24**）。当key被访问的时候，Redis会更新这个key的对象头中lru字段的值。  
因此在LRU模式下，Redis可以根据对象头中的lru字段记录的值，来比较最后一次key的访问时间。

**用Java代码演示一个简单的Redis-LRU算法：**

*  Redis对象头

package com.lizba.redis.lru;
 
 /**
  * 
  *      Redis对象头
  * 
  *
  * @Author: Liziba
  * @Date: 2021/9/22 22:40
  */
 public class RedisHead {
 
     /** 时间 */
     private Long lru;
     /** 具体数据 */
     private Object body;
 
     public RedisHead setLru(Long lru) {
         this.lru = lru;
         return this;
     }
 
     public RedisHead setBody(Object body) {
         this.body = body;
         return this;
     }
 
 
     public Long getLru() {
         return lru;
     }
 
     public Object getBody() {
         return body;
     }
 
 }

*  Redis LRU实现代码

package com.lizba.redis.lru;
 
 import java.util.Comparator;
 import java.util.List;
 import java.util.concurrent.ConcurrentHashMap;
 import java.util.stream.Collectors;
 
 /**
  * 
  * Redis中LRU算法的实现demo
  * 
  *
  * @Author: Liziba
  * @Date: 2021/9/22 22:36
  */
 public class RedisLruDemo {
 
     /**
      * 缓存容器
      */
     private ConcurrentHashMap<String, RedisHead> cache;
     /**
      * 初始化大小
      */
     private int initialCapacity;
 
     public RedisLruDemo(int initialCapacity) {
         this.initialCapacity = initialCapacity;
         this.cache = new ConcurrentHashMap<>(initialCapacity);
         ;
     }
 
     /**
      * 设置key/value 设置的时候更新LRU
      *
      * @param key
      * @param body
      */
     public void set(String key, Object body) {
         // 触发LRU淘汰
         synchronized (RedisLruDemo.class) {
             if (!cache.containsKey(key) && cache.size() >= initialCapacity) {
                 this.flushLruKey();
             }
         }
         RedisHead obj = this.getRedisHead().setBody(body).setLru(System.currentTimeMillis());
         cache.put(key, obj);
     }
 
 
     /**
      * 获取key，存在则更新LRU
      *
      * @param key
      * @return
      */
     public Object get(String key) {
 
         RedisHead result = null;
         if (cache.containsKey(key)) {
             result = cache.get(key);
             result.setLru(System.currentTimeMillis());
         }
 
         return result;
     }
 
 
     /**
      * 清除LRU key
      */
     private void flushLruKey() {
 
         List<String> sortData = cache.keySet()
                 .stream()
                 .sorted(Comparator.comparing(key -> cache.get(key).getLru()))
                 .collect(Collectors.toList());
         String removeKey = sortData.get(0);
         System.out.println( "淘汰 -> " + "lru : " + cache.get(removeKey).getLru() + " body : " + cache.get(removeKey).getBody());
         cache.remove(removeKey);
         if (cache.size() >= initialCapacity) {
             this.flushLruKey();
         }
         return;
     }
 
 
     /**
      *  获取所有数据测试用
      *
      * @return
      */
     public List<RedisHead> getAll() {
          return cache.keySet().stream().map(key -> cache.get(key)).collect(Collectors.toList());
     }
 
 
     private RedisHead getRedisHead() {
         return new RedisHead();
     }
 
 }

*  测试代码

package com.lizba.redis.lru;
 
 import java.util.Random;
 import java.util.concurrent.TimeUnit;
 
 /**
  * 
  *      测试LRU
  * 
  *
  * @Author: Liziba
  * @Date: 2021/9/22 22:51
  */
 public class TestRedisLruDemo {
 
     public static void main(String[] args) throws InterruptedException {
 
         RedisLruDemo demo = new RedisLruDemo(10);
         // 先加入10个key，此时cache达到容量，下次加入会淘汰key
         for (int i = 0; i < 10; i++) {
             demo.set(i + "", i);
         }
         // 随机访问前十个key，这样可以保证下次加入时随机淘汰
         for (int i = 0; i < 20; i++) {
             int nextInt = new Random().nextInt(10);
             TimeUnit.SECONDS.sleep(1);
             demo.get(nextInt + "");
         }
         // 再次添加5个key，此时每次添加都会触发淘汰
         for (int i = 10; i < 15; i++) {
             demo.set(i + "", i);
         }
 
         System.out.println("-------------------------------------------");
         demo.getAll().forEach( redisHead -> System.out.println("剩余 -> " + "lru : " + redisHead.getLru() + " body : " + redisHead.getBody()));
     }
 
 }

*  测试结果

![image.png][]

###  ###

### 2.2 LFU实现方式 ###

在LFU模式下，Redis对象头的24bit lru字段被分成两段来存储，高16bit存储ldt(Last Decrement Time)，低8bit存储logc(Logistic Counter)。

![lru\_24 bit.png][lru_24 bit.png]

2.2.1 ldt(Last Decrement Time)

高16bit用来记录最近一次计数器降低的时间，由于只有8bit，**存储的是Unix分钟时间戳取模2^16**，16bit能表示的最大值为65535（65535/24/60≈45.5），大概45.5天会折返（折返指的是取模后的值重新从0开始）。

**Last Decrement Time计算的算法源码：**

/* Return the current time in minutes, just taking the least significant
  * 16 bits. The returned time is suitable to be stored as LDT (last decrement
  * time) for the LFU implementation. */
 // server.unixtime是Redis缓存的Unix时间戳
 // 可以看出使用的Unix的分钟时间戳，取模2^16
 unsigned long LFUGetTimeInMinutes(void) {
   return (server.unixtime/60) & 65535;
 }
 
 /* Given an object last access time, compute the minimum number of minutes
  * that elapsed since the last access. Handle overflow (ldt greater than
  * the current 16 bits minutes time) considering the time as wrapping
  * exactly once. */
 unsigned long LFUTimeElapsed(unsigned long ldt) {
   // 获取系统当前的LFU time
   unsigned long now = LFUGetTimeInMinutes();
   // 如果now >= ldt 直接取差值  
   if (now >= ldt) return now-ldt;
   // 如果now < ldt 增加上65535
   // 注意Redis 认为折返就只有一次折返，多次折返也是一次，我思考了很久感觉这个应该是可以接受的，本身Redis的淘汰算法就带有随机性  
   return 65535-ldt+now;
 }

2.2.2 logc(Logistic Counter)

低8位用来记录访问频次，8bit能表示的最大值为255，logc肯定无法记录真实的Rediskey的访问次数，其实从名字可以看出存储的是访问次数的对数值，每个新加入的key的logc初始值为5（LFU\_INITI\_VAL），这样可以保证新加入的值不会被首先选中淘汰；logc每次key被访问时都会更新；此外，logc会随着时间衰减。

2.2.3 logc 算法调整

redis.conf 提供了两个配置项，用于调整LFU的算法从而控制Logistic Counter的增长和衰减。

![image.png][image.png 1]

*  lfu-log-factor 用于调整Logistic Counter的增长速度，lfu-log-factor值越大，Logistic Counter增长越慢。

Redis Logistic Counter增长的源代码：

/* Logarithmically increment a counter. The greater is the current counter value
  * the less likely is that it gets really implemented. Saturate it at 255. */
 uint8_t LFULogIncr(uint8_t counter) {
   // Logistic Counter最大值为255  
   if (counter == 255) return 255;
   // 取一个0~1的随机数r  
   double r = (double)rand()/RAND_MAX;
   // counter减去LFU_INIT_VAL （LFU_INIT_VAL为每个key的Logistic Counter初始值，默认为5）
   double baseval = counter - LFU_INIT_VAL;
   // 如果衰减之后已经小于5了，那么baseval < 0取0
   if (baseval < 0) baseval = 0;
   // lfu-log-factor在这里被使用
   // 可以看出如果lfu_log_factor的值越大，p越小
   // r < p的概率就越小，Logistic Counter增加的概率就越小（因此lfu_log_factor越大增长越缓慢）
   double p = 1.0/(baseval*server.lfu_log_factor+1);
   if (r < p) counter++;
   return counter;
 }

如下是官网提供lfu-log-factor在不同值下，key随着访问次数的增加的Logistic Counter变化情况的数据：

![image.png][image.png 2]

*  lfu-decay-time 用于调整Logistic Counter的衰减速度，它是一个以分钟为单位的数值，默认值为1,；lfu-decay-time值越大，衰减越慢。

Redis Logistic Counter衰减的源代码：

/* If the object decrement time is reached decrement the LFU counter but
     * do not update LFU fields of the object, we update the access time
     * and counter in an explicit way when the object is really accessed.
     * And we will times halve the counter according to the times of
     * elapsed time than server.lfu_decay_time.
     * Return the object frequency counter.
     *
     * This function is used in order to scan the dataset for the best object
     * to fit: as we check for the candidate, we incrementally decrement the
     * counter of the scanned objects if needed. */
    unsigned long LFUDecrAndReturn(robj *o) {
      // 获取lru的高16位，也就是ldt
      unsigned long ldt = o->lru >> 8;  
      // 获取lru的低8位，也就是logc  
      unsigned long counter = o->lru & 255;
      // 根据配置的lfu-decay-time计算Logistic Counter需要衰减的值
      unsigned long num_periods = server.lfu_decay_time ? LFUTimeElapsed(ldt) / server.lfu_decay_time : 0;
      if (num_periods)
        counter = (num_periods > counter) ? 0 : counter - num_periods;
      return counter;
    }

2.2.4 LFU 优化

LFU 与 LRU 有一个共同点，当内存达到max\_memory时，选择key是随机抓取的，因此Redis为了使这种随机性更加准确，设计了一个淘汰池，这个淘汰池对于LFU和LRU算的都适应，只是淘汰池的排序算法有区别而已。  
Redis 3.0就对这一块进行了优化（来自redis.io）：

![image.png][image.png 3]

##  ##

## 3、LFU使用 ##

### 3.1 配置文件开启LFU淘汰算法 ###

修改redis.conf配置文件，设置maxmemory-policy volatile-lfu/allkeys-lfu

![image.png][image.png 4]

重启Redis，连接客户端通过info指令查看maxmemory\_policy的配置信息

![image.png][image.png 5]

通过object freq key 获取对象的LFU的Logistic Counter值

![image.png][image.png 6]

[Redis]: https://blog.csdn.net/qq_41125219/category_11179094.html
[LRU_.png]: /images/20220828/05517e241bef4d5f9b3f29bcda18a287.png
[image.png]: /images/20220828/150c305de16449ea88893ae91f914b14.png
[lru_24 bit.png]: /images/20220828/3c0ce2fa4c6a45ba8d7de6ecc4e36b76.png
[image.png 1]: /images/20220828/56b49134df41470d8e8a39e9b196b35b.png
[image.png 2]: /images/20220828/f0ad38aad77e4a64b5ec89ae17304db9.png
[image.png 3]: /images/20220828/519d6b17a48140e08e359a727b86f7fa.png
[image.png 4]: /images/20220828/7a82c9dbaaf54ce9854024fd51d42feb.png
[image.png 5]: /images/20220828/a356946588e64ad391c4e46c93c241e1.png
[image.png 6]: /images/20220828/c978094d33694020b40147671ffb5073.png