当前位置: 首页 > news >正文

Redis——内存策略

目录

前言

1.过期策略

1.1过期策略——DB结构

1.2过期策略——惰性删除

1.3过期策略——定期删除

2.淘汰策略

2.1最少最近使用和使用频率原理

2.2内存淘汰策略执行流程

总结:


前言

Redis之所以性能强,主要的原因就是基于内存存储。然而单节点的Redis其内存大小不宜过大,会影响持久化或主从同步性能。

我们可以通过修改配置文件来设置Redis的最大内存:

当内存使用达到上限时,就无法存储更多数据了,再添加数据时就会淘汰其他数据。所有就有内存淘汰策略。

 

1.过期策略

对于Redis缓存,我们可以通过expire命令给Redis的key设置TTL(存活时间):

可以发现,当key的TTL到期以后,再次访问name返回时nil,说明这个key已经不存在了,对应的内存也得到释放。从而起到内存回收的目的。

1.1过期策略——DB结构

redis本身是一个典型的key-value内存存储数据库,因此所有的key,value都保存在之前学习过的Dict结构中。不过在
其database结构体中,有两个Dict:一个用来记录key-value;另一个用来记录key-TTL。

内存结构图:

所以Redis利用两个Dict分别记录key-value对及key-TTL对

 

1.2过期策略——惰性删除

是不是TTL到期就立即删除了呢?

如果key很多,都给这些key设置定时器,对于CPU会有非常的压力,这样就会严重影响Redis服务本身的一个性能。

所以实际应用种Redis不是采用立即删除,而是周期删除,惰性删除这两种策略。

惰性删除:顾名思义并不是在TTL到期后就立刻删除,而是在访问一个key的时候,检查该key的存活时间,如果已经过期才执行删除。

惰性删除是我去访问它才会被删除,如果很长一段时间都没有被访问,就永远不会被删除,所以就需要周期删除

 

1.3过期策略——定期删除

周期删除:顾明思议是通过一个定时任务,周期性的抽样部分过期的key,然后执行删除。执行周期有两种:

  • Redis会设置一个定时任务servercron(),按照server.hz的频率来执行过期key清理,模式为SLOW
  • Redis的每个事件循环前会调用beforesleep()函数,执行过期key清理,模式为FAST

SLOW模式规则(低频-高时长):

  • 执行频率受server.hz影响,默认为10,即每秒执行10次,每个执行周期100ms.
  • 执行清理耗时不超过一次执行周期的25%.
  • 逐个遍历db,逐个遍历db中的bucket,抽取20个key判断是否过期
  • 如果没达到时间上限(25ms)并且过期key比例大于10%,再进行一次抽样,否则结束

FAST模式规则(过期key比例小于10%不执行):

  • 执行频率受beforesleep()调用频率影响,但两次fast模式间隔不低于2ms
  • 执行清理耗时不超过1ms
  • 逐个遍历db,逐个遍历db中的bucket,抽取20个key判断是否过期
  • 如果 如果没达到时间上限(1ms)并且过期key比例大于10%,再进行一次抽样,否则结束

 

2.淘汰策略

内存淘汰:就是当Redis内存使用达到设置的阈值时,Redis主动挑选部分key删除以释放更多内存的流程。

Redis会在处理客户端命令的方法processCommand()中尝试做内存淘汰:

Redis支持8种不同策略来选择要删除的key:

四种算法-八种策略

 

2.1最少最近使用和使用频率原理

比较容易混淆的有两个:

关于key的最少最近使用和使用频率如何实现?

Redis的数据都会被封装为RedisObject结构:

LFU的访问系数之所以叫逻辑访问次数,是因为并不是每次key都被访问都计数,而是通过运算:

 

2.2内存淘汰策略执行流程

关于淘汰策略执行流程图:

 

总结:

为了防止内存的达到上限,redis对内存的管理策略一般分为两类: 

1.内存过期策略: 对过期的key的回收策略

  •  惰性删除(单个)
  •  过期删除(批量)

设置一个定时任务,周期性的进行采样抽取,并删除过期的key.

- SLOW模式: 低频 高时长

 - FAST模式:   高频 低时长

2.内存淘汰策略: 内存使用达到上限的回收策略
     八种策略,四种算法

  •   LRU     Least Recently Used  回收[最少最近使用  当前时间-上一次使用时间] 
  •   LFU    Least FrequentLy Used  回收[使用频率最少的key  使用频率最少的]
  •  随机  
  •  TTL

相关文章:

  • 数据通信学习笔记之OSPF的邻居角色
  • 【漫话机器学习系列】213.随机梯度下降(SGD)
  • 大学之大:布里斯托大学2025.4.20
  • From RAG to Memory: Non-Parametric Continual Learning for Large Language Models
  • SpringCloud实战
  • 征程 6 VIO 通路断流分析
  • 内容合作方资源哪里找?如何管理?
  • 每日面试实录·携程·社招·JAVA
  • 牛客 | OJ在线编程常见输入输出练习
  • Java中订阅消费模式(发布-订阅模式)和观察者模式的区别
  • 2025年渗透测试面试题总结-拷打题库08(题目+回答)
  • Java8-遍历list取出两个字段重新组成list集合
  • FreeSWITCH 简单图形化界面41 - 批量SIP视频呼叫测试
  • SQL注入之information_schema表
  • 浅聊docker的联合文件系统
  • 【AI 加持下的 Python 编程实战 2_07】第七章:基于 Copilot 完整演示问题分解能力在实际问题中的落地应用
  • 从事计算机视觉需要掌握哪些知识
  • 面试题:循环引用两个节点相互引用,如何判断哪个用 shared_ptr?哪个用 weak_ptr?
  • Pytorch实战
  • 软件架构师的“天、人、术、势“:构建未来系统的哲学框架
  • 贵州赤水“整改复耕”:为何竹林砍了,地却荒了?
  • 农业未来十年展望:预计粮食单产水平将提高7.8%,达到421千克/亩
  • 一女子称醉酒后疑似被性侵,长沙警方通报:嫌犯邱某某已被刑拘
  • 女外交官杨扬出任中国驻圭亚那大使
  • 多米尼加俱乐部屋顶坍塌事故死亡人数升至232人
  • 肯尼亚总统鲁托将访华,外交部:中肯两国元首将举行会谈