Redis学习笔记(六)：删除策略、逐出算法

墨蓝 2023-02-18 03:23 16阅读 0赞

> **Redis学习笔记系列**
> 
>  *  [Redis学习笔记(一)：下载与安装-Windows、Linux][Redis_-Windows_Linux]
>  *  [Redis学习笔记(二)：数据类型和通用操作命令][Redis]
>  *  [Redis学习笔记(三)：Java连接Redis(Jedis)以及示例代码][Redis_Java_Redis_Jedis]
>  *  [Redis学习笔记(四)：Redis持久化][Redis_Redis]
>  *  [Redis学习笔记(五)：Redis事务-multi、exec、discard、锁、分布式锁、死锁][Redis_Redis_-multi_exec_discard]
>  *  [Redis学习笔记(六)：删除策略、逐出算法][Redis 1]
>  *  [Redis学习笔记(七)：redis高级数据类型及应用场景-Bitmaps、HyperLogLog、GEO][Redis_redis_-Bitmaps_HyperLogLog_GEO]
>  *  [Redis学习笔记(八)：redis主从复制-建立连接、数据同步、命令传播、复制缓冲区、复制偏移量、心跳机制][Redis_redis_-]
>  *  [Redis学习笔记(九)：哨兵模式-监控、通知、故障转移][Redis_-]
>  *  [Redis学习笔记(十)：Redis集群-结构设计、集群搭建、集群操作、主从下线、主从切换][Redis_Redis_-]
>  *  [Redis学习笔记(十一)：企业级解决方案-缓存预热、缓存雪崩、缓存击穿、缓存穿透、性能指标监控][Redis_- 1]

# Redis中的数据特征 #

*  Redis是一种内存级数据库，所有数据均放在内存中，内存中的数据可以通过`ttl`指令获取其状态

>  *  XX：具有时效性的数据
>  *  \-1：永久有效的数据
>  *  \-2：已经过期或被删除或未定义的数据

# 数据的删除策略 #

*  定时删除
 *  惰性删除
 *  定期删除

> 删除策略的目标：  
> 在内存占用与CPU占用之间找一种平衡，顾此失彼都会造成整体redis性能下降，甚至引发服务器宕机或内存泄漏

## 定时删除 ##

*  创建一个定时器，当key设置有过期时间，且国企时间到达时，由定时器任务立即执行对键的删除操作
 *  优点：节约内存，到期就删除，快速释放掉不必要的内存占用
 *  缺点：CPU压力很大，无论CPU此时的负载量多高，均占用CPU，会影响redis服务器响应时间和指令吞吐量
 *  总结：用处理器性能换取存储空间(拿时间换空间)

## 惰性删除 ##

*  数据到达过期时间，不做处理。等下次访问该数据时：1.如果未过期，返回数据 2.发现过期，删除，返回不存在
 *  优点：节约CPU性能，发现必须删除的时候才删除
 *  缺点：内存压力很大，出现长期占用内存的数据
 *  总结：用存储空间换取处理器性能(拿时间换空间)

## 定期删除 ##

*  redis启动服务器初始化，读取配置server.hz的值，默认为10
 *  每秒钟执行server.hz次serverCron()->databaseCron()->activeExpireCycle()
 *  activeExpireCycle()对每个expires\[\*\]逐一进行检测，每次执行250ms/server.hz
 *  对某个expires\[\*\]检测时，随机挑选W个key检测
 *   *  如果key超时，删除key
 *   *  如果一轮中删除的key的数量>W\*25%,循环该过程
 *   *  如果一轮中删除的key的数量<=W*25%，检查下一个expires\[*\],0-15循环
 *   *  W取值=ACTIVE\_EXPIRE\_CYCLE\_LOOKUPS\_PER\_LOOP属性值
 *   *  参数current\_db用于记录activeExpireCycle()进入哪个expires\[\*\]执行
 *   *  如果activeExpireCycle()执行时间到期，下次从current\_db继续向下执行
 *  周期性轮询redis中的时效性数据，采用随机抽取的策略，利用过期数据占比的方式控制数据删除频度
 *  特点1：CPU性能占用设置有峰值，检测频度可自定义设置
 *  特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理
 *  总结：周期性抽查存储空间(随机抽查，重点抽查)  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoaWFuZ195YW4_size_16_color_FFFFFF_t_70]

# 逐出算法 #

> 当新数据进入redis时，如果内存不足怎么办？
> 
>  *  Redis适用内存存储数据，在执行每一个命令前，会调用freeMemoryIfNeeded()检测内存是否充足。如果内存不满足新加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理出存储空间。清理的策略称为**逐出算法**  
>     \*\*注意：\*\*逐出数据的过程不是100%能够清理出足够的可使用的内存空间，如果不成功则反复执行，当对所有数据尝试完毕后，如果不能达到内存清理的要求，将出现错误信息。  
>     ![在这里插入图片描述][20200615230252138.png]

## 影响数据逐出的相关配置 ##

>  *  最大可使用的内存  
>     `maxmemory`  
>     占用物理内存的比例，默认为0，表示不限制。生产环境中根据需求设定，通常设置在50%以上
>  *  每次选取待删除数据的个数  
>     `maxmemory-samples`  
>     选取数据时并不会全库扫描，导致严重的性能消耗，降低读写性能。因此采用随机获取数据的方式作为待检测删除数据  
>     删除策略  
>     `maxmemory-policy`  
>     达到最大内存后，对被挑选出来的数据进行删除的策略

*  检测易失数据(即具有时效性的数据)(可能会过期的数据集server.db\[i\].expires)

1.  volatile-lru：挑选最近最少使用的数据淘汰(LRU：least recently used)
2.  volatile-lfu：挑选最近使用次数最少的数据淘汰(LFU：least frequently used)
3.  volatile-ttl：挑选将要过期的数据淘汰
4.  volatile-random：任意选择数据淘汰

*  检测全库数据(无时效性的数据)(所有数据集server.db\[i\].dict)

1.  allkeys-lru：挑选最近最少使用的数据淘汰(LRU：least recently used)
2.  allkeys-lfu：挑选最近使用次数最少的数据淘汰(LFU：least frequently used)
3.  allkeys-random：任意选择数据淘汰

*  放弃数据逐出

1.  no-enviction：禁止逐出数据(redis-4.0中默认策略)，会引发错误OOM(Out Of Memory)

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

### \- 捐赠 - ###

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

如果觉得还不错，请我喝杯水吧 ^ \_ ^ 您的鼓励是我不断前进的动力，如果有错误的地方，欢迎提出批评改正意见，[戳我][Link 1]，感谢您的支持

[Redis_-Windows_Linux]: https://blog.csdn.net/shiang_yan/article/details/106374531
[Redis]: https://blog.csdn.net/shiang_yan/article/details/106419289
[Redis_Java_Redis_Jedis]: https://blog.csdn.net/shiang_yan/article/details/106715945
[Redis_Redis]: https://blog.csdn.net/shiang_yan/article/details/106757561
[Redis_Redis_-multi_exec_discard]: https://blog.csdn.net/shiang_yan/article/details/106766022
[Redis 1]: https://blog.csdn.net/shiang_yan/article/details/106772467
[Redis_redis_-Bitmaps_HyperLogLog_GEO]: https://blog.csdn.net/shiang_yan/article/details/106781834
[Redis_redis_-]: https://blog.csdn.net/shiang_yan/article/details/106787637
[Redis_-]: https://blog.csdn.net/shiang_yan/article/details/106816943
[Redis_Redis_-]: https://blog.csdn.net/shiang_yan/article/details/106855953
[Redis_- 1]: https://blog.csdn.net/shiang_yan/article/details/106861236
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoaWFuZ195YW4_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200615224839789.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoaWFuZ195YW4=,size_16,color_FFFFFF,t_70
[20200615230252138.png]: https://img-blog.csdnimg.cn/20200615230252138.png
[Link 1]: https://blog.csdn.net/shiang_yan