Redis内存回收淘汰策略

目录

• 一、Redis最大内存
  • 1.1 预估最大内存
  • 1.2 设置最大内存
• 二、内存淘汰策略
  • 2.1 删除过期键对象
  • 2.2 内存溢出控制策略
• 三、内存淘汰流程以及影响

一、Redis最大内存

1.1 预估最大内存

Redis作为内存数据库，需要尽量把那些频繁被访问的热点数据放入Redis。

按照二八原则，20%的数据承载了80%的访问量，可以按照这个原则来预估实际的Redis内存大小，比如后台数据库的容量是10GB，那么Redis的容量可以设置为2GB。

二八原则是个常规的估算，有些具体情况还要具体对待：

1. 比如针对电商的促销，可能热点数据只占全部全部商品数据的10%。
2. 针对有个性化推荐的内容，20%的数据可能无法提供80%的访问量，可能需要40-50%的数据才行
3. 还有一些场景，为了最大的性能，也有可能100%的数据全部放入redis，比如秒杀场景，可以把所有参与秒杀的商品数据全部放入redis。

确定了最大内存后就可以设置redis的最大内存。

1.2 设置最大内存

redis默认无限使用服务器内存，为了防止在极端情况下服务器内存被耗尽，redis需要设置最大内存。

使用命令

src/redis-cli config set maxmemory 4gb

maxmemory仅仅是指redis数据实际占用的内存（自身，数据，缓冲区），不包含碎片。

二、内存淘汰策略

2.1 删除过期键对象

惰性删除

惰性删除是在在客户端访问的时候check一下数据是否过期，如果过期则立即删除，不给客户端返回任何值。惰性删除可以降低删除对CPU的影响，但是如果一个key一直不被访问，那么这个key就有可能一直不会过期，最终会造成数据的浪费， 所以引入了定时任务删除。

定时任务删除

Redis内部维护的定时任务，执行流程：

1. 随机选择20个key
2. .如果过期的key的数量大于25%，则循环执行过期key删除
3. 删除过程中如果发现超时（25毫秒），则进入快速回收模式：
   1. 删除的超时时间设为1毫秒
   2. 2 秒内只执行一次

定时任务的执行频率由hz参数控制，默认为10，表述一秒执行10次。

惰性任务和定时任务都有一定的随机性，最终还是有key一直执行不到，但是已经过期，这些key永远都不会被淘汰。所以redis还引入了相对比较精准的淘汰策略。

2.2 内存溢出控制策略

该值由下面参数控制。

maxmemory-policy

不淘汰策略
noeviction是redis的默认策略，当内存使用超过配置的时候会返回错误，不会删除任何键，如果有写请求进来，redis直接报错，不提供服务，但是读请求可以照常执行。

淘汰策略
基于过期时间key的淘汰策略：

  1. volatile-lru：对于设置了过期时间的key，淘汰最久没有使用的key（LRU算法）

  2. volatile-randow：对于设置了过期时间的key，随机选择key进行淘汰

  3. volatile-ttl:对于设置了过期时间的key,淘汰过期时间最早的key

  4. volatile-lfu：对于设置了过期时间的key，淘汰但使用频率最少的键（LFU算法）

所有key的淘汰策略：

1. volatile-lru：对于所有key，淘汰久没有使用的key（LRU算法）
2. volatile-randow：对于所有key，随机选择key进行淘汰
3. volatile-lfu：对于所有key，淘汰使用频率最少的键（LFU算法）

LRU（ Least Recently Used）
按照最少使用原则进行数据筛选，最不常用的数据会被选中，频繁使用的数据会持续保留。

LRU会把所有数据组装成一个链表，表头代表最近使用的数据，表位表示最久没有使用的数据，用于淘汰。

1. 新加入的数据放入表头
2. 数据被访问后移到表头。
3. 淘汰表尾

LRU的核心是要维护一个链表，对于有大量key的redis来说，太重了，链表的维护会影响redis的性能。

Redis对LRU做个改造：

1. RedisObject会记录每个对象的lru。

2. 当有数据会淘汰时，redis会随机选择N个数据，作为一个集合。

3. 针对这N个数据，redis会对比起lru，把lru最小的数据淘汰。

4. N的值redis提供了配置

   maxmemory-samples
   

   默认值为5。当配置为10时，改造的lru接近正式的lru，但是比较耗费cpu，建议保持默认即可。

5. 当需要再次淘汰数据时，选择lru小于 < min（第一次初始化的集合的lru) 的数据进入集合，然后再基于lru进行淘汰。

配置建议：

1. 优先allkeys-lru：充分使用lru算法，尤其当数据冷热比较明显时，最大限度的保证热点数据补被淘汰。
2. 没有明显的冷热，可以选择allkeys-random，随机过期即可。
3. 如果数据有长期不过期的数据，这些数据可以不设置过期时间，建议使用voliate-lru。这样没有过期时间的数据不会被淘汰，而其他数据可以享受lru算法进行淘汰。

三、内存淘汰流程以及影响

如果设置了maxmemory，redis在每次执行任务时候都会尝试内存回收，当redis一直工作在内存溢出状态（used_memory > maxmemory）下，且不是noeviction策略时，会频繁的触发回收内存的操作，影响redis的性能。

频繁回收内存成本很高：

1. 查找可以回收的key
2. 删除key
3. 主从模式下，将删除命令slave。

流程

建议在生产环境redis的工作在maxmemory > used_memory的状态下，尽量避免频繁的内存回收开销。

[官网参考]https://redis.io/topics/lru-cache