1. 首页
  2. IT资讯

面试官:Redis 内存满了怎么办?

“u003Cpu003Eu003Cstrong toutiao-origin=”span”u003ERedis占用内存大小u003Cu002Fstrongu003Eu003Cu002Fpu003Eu003Cpu003E我们知道Redis是基于内存的key-value数据库,因为系统的内存大小有限,所以我们在使用Redis的时候可以配置Redis能使用的最大的内存大小。u003Cu002Fpu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch2 toutiao-origin=”h3″u003Eu003Cstrong toutiao-origin=”span”u003E1、通过配置文件配置u003Cu002Fstrongu003Eu003Cu002Fh2u003Eu003Cpu003E通过在Redis安装目录下面的redis.conf配置文件中添加以下配置设置内存大小u003Cu002Fpu003Eu003Cpreu003Eu003Ccodeu003Eu002Fu002F设置Redis最大占用内存大小为100Mu003Cu002Fcodeu003Eu003Ccodeu003Emaxmemory 100mbu003Cu002Fcodeu003Eu003Cu002Fpreu003Eu003Cblockquote toutiao-origin=”blockquote” class=”pgc-blockquote-abstract”u003Eu003Cpu003Eredis的配置文件不一定使用的是安装目录下面的redis.conf文件,启动redis服务的时候是可以传一个参数指定redis的配置文件的u003Cu002Fpu003Eu003Cu002Fblockquoteu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch2 toutiao-origin=”h3″u003Eu003Cstrong toutiao-origin=”span”u003E2、通过命令修改u003Cu002Fstrongu003Eu003Cu002Fh2u003Eu003Cpu003ERedis支持运行时通过命令动态修改内存大小u003Cu002Fpu003Eu003Cpreu003Eu003Ccodeu003Eu002Fu002F设置Redis最大占用内存大小为100Mu003Cu002Fcodeu003Eu003Ccodeu003E127.0.0.1:63u003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-1″u003E79u003Cu002Fiu003E> config set maxmemory 100mbu003Cu002Fcodeu003Eu003Ccodeu003Eu002Fu002F获取设置的Redis能使用的最大内存大小u003Cu002Fcodeu003Eu003Ccodeu003E127.0.0.1:63u003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-1″u003E79u003Cu002Fiu003E> config get maxmemoryu003Cu002Fcodeu003Eu003Cu002Fpreu003Eu003Cblockquoteu003Eu003Cpu003E如果不设置最大内存大小或者设置最大内存大小为0,在u003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-4″u003E64u003Cu002Fiu003E位操作系统下不限制内存大小,在32位操作系统下最多使用3GB内存u003Cu002Fpu003Eu003Cu002Fblockquoteu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch1 toutiao-origin=”h1″u003ERedis的内存淘汰u003Cu002Fh1u003Eu003Cpu003E既然可以设置Redis最大占用内存大小,那么配置的内存就有用完的时候。那在内存用完的时候,还继续往Redis里面添加数据不就没内存可用了吗?u003Cu002Fpu003Eu003Cpu003E实际上Redis定义了几种策略用来处理这种情况:u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003Enoeviction(默认策略)u003Cu002Fstrongu003E:对于写请求不再提供服务,直接返回错误(DEL请求和部分特殊请求除外)u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003Eallkeys-lruu003Cu002Fstrongu003E:从所有key中使用LRU算法进行淘汰u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003Evolatile-lruu003Cu002Fstrongu003E:从设置了过期时间的key中使用LRU算法进行淘汰u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003Eallkeys-randomu003Cu002Fstrongu003E:从所有key中随机淘汰数据u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003Evolatile-randomu003Cu002Fstrongu003E:从设置了过期时间的key中随机淘汰u003Cu002Fpu003Eu003Cpu003Eu003Cstrongu003Evolatile-ttlu003Cu002Fstrongu003E:在设置了过期时间的key中,根据key的过期时间进行淘汰,越早过期的越优先被淘汰u003Cu002Fpu003Eu003Cblockquoteu003Eu003Cpu003E当使用u003Cstrongu003Evolatile-lruu003Cu002Fstrongu003E、u003Cstrongu003Evolatile-randomu003Cu002Fstrongu003E、u003Cstrongu003Evolatile-ttlu003Cu002Fstrongu003E这三种策略时,如果没有key可以被淘汰,则和u003Cstrongu003Enoevictionu003Cu002Fstrongu003E一样返回错误u003Cu002Fpu003Eu003Cu002Fblockquoteu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch2 toutiao-origin=”h3″u003Eu003Cstrong toutiao-origin=”span”u003E如何获取及设置内存淘汰策略u003Cu002Fstrongu003Eu003Cu002Fh2u003Eu003Cpu003E获取当前内存淘汰策略:u003Cu002Fpu003Eu003Cpreu003Eu003Ccodeu003E127.0.0.1:63u003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-1″u003E79u003Cu002Fiu003E> config get maxmemory-policyu003Cu002Fcodeu003Eu003Cu002Fpreu003Eu003Cpu003E通过配置文件设置淘汰策略(修改redis.conf文件):u003Cu002Fpu003Eu003Cpreu003Eu003Ccodeu003Emaxmemory-policy allkeys-lruu003Cu002Fcodeu003Eu003Cu002Fpreu003Eu003Cpu003E通过命令修改淘汰策略:u003Cu002Fpu003Eu003Cpreu003Eu003Ccodeu003E127.0.0.1:63u003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-1″u003E79u003Cu002Fiu003E> config set maxmemory-policy allkeys-lruu003Cu002Fcodeu003Eu003Cu002Fpreu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch1 toutiao-origin=”h1″u003ELRU算法u003Cu002Fh1u003Eu003Ch2 toutiao-origin=”h3″u003Eu003Cstrong toutiao-origin=”span”u003E什么是LRU?u003Cu002Fstrongu003Eu003Cu002Fh2u003Eu003Cpu003E上面说到了Redis可使用最大内存使用完了,是可以使用LRU算法进行内存淘汰的,那么什么是LRU算法呢?u003Cu002Fpu003Eu003Cblockquoteu003Eu003Cpu003Eu003Cstrongu003ELRU(Least Recently Used)u003Cu002Fstrongu003E,即最近最少使用,是一种缓存置换算法。在使用内存作为缓存的时候,缓存的大小一般是固定的。当缓存被占满,这个时候继续往缓存里面添加数据,就需要淘汰一部分老的数据,释放内存空间用来存储新的数据。这个时候就可以使用LRU算法了。其核心思想是:如果一个数据在最近一段时间没有被用到,那么将来被使用到的可能性也很小,所以就可以被淘汰掉。u003Cu002Fpu003Eu003Cu002Fblockquoteu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch2 toutiao-origin=”h3″u003Eu003Cstrong toutiao-origin=”span”u003E使用java实现一个简单的LRU算法u003Cu002Fstrongu003Eu003Cu002Fh2u003Eu003Cpreu003Eu003Ccodeu003Epublic class LRUCache<k, v> {u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F容量u003Cu002Fcodeu003Eu003Ccodeu003E private int capacity;u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F当前有多少节点的统计u003Cu002Fcodeu003Eu003Ccodeu003E private int count;u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F缓存节点u003Cu002Fcodeu003Eu003Ccodeu003E private Map<k, Node<k, v>> nodeMap;u003Cu002Fcodeu003Eu003Ccodeu003E private Node<k, v> head;u003Cu002Fcodeu003Eu003Ccodeu003E private Node<k, v> tail;u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E public LRUCache(int capacity) {u003Cu002Fcodeu003Eu003Ccodeu003E if (capacity < 1) {u003Cu002Fcodeu003Eu003Ccodeu003E throw new IllegalArgumentException(String.valueOf(capacity));u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Ccodeu003E this.capacity = capacity;u003Cu002Fcodeu003Eu003Ccodeu003E this.nodeMap = new HashMap<>;u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F初始化头节点和尾节点,利用哨兵模式减少判断头结点和尾节点为空的代码u003Cu002Fcodeu003Eu003Ccodeu003E Node headNode = new Node(, );u003Cu002Fcodeu003Eu003Ccodeu003E Node tailNode = new Node(, );u003Cu002Fcodeu003Eu003Ccodeu003E headNode.next = tailNode;u003Cu002Fcodeu003Eu003Ccodeu003E tailNode.pre = headNode;u003Cu002Fcodeu003Eu003Ccodeu003E this.head = headNode;u003Cu002Fcodeu003Eu003Ccodeu003E this.tail = tailNode;u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E public void put(k key, v value) {u003Cu002Fcodeu003Eu003Ccodeu003E Node<k, v> node = nodeMap.get(key);u003Cu002Fcodeu003Eu003Ccodeu003E if (node == ) {u003Cu002Fcodeu003Eu003Ccodeu003E if (count >= capacity) {u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F先移除一个节点u003Cu002Fcodeu003Eu003Ccodeu003E removeNode;u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Ccodeu003E node = new Node<>(key, value);u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F添加节点u003Cu002Fcodeu003Eu003Ccodeu003E au003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-4″u003Eddu003Cu002Fiu003ENode(node);u003Cu002Fcodeu003Eu003Ccodeu003E } else {u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F移动节点到头节点u003Cu002Fcodeu003Eu003Ccodeu003E moveNodeToHead(node);u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E public Node<k, v> get(k key) {u003Cu002Fcodeu003Eu003Ccodeu003E Node<k, v> node = nodeMap.get(key);u003Cu002Fcodeu003Eu003Ccodeu003E if (node != ) {u003Cu002Fcodeu003Eu003Ccodeu003E moveNodeToHead(node);u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Ccodeu003E return node;u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E private void removeNode {u003Cu002Fcodeu003Eu003Ccodeu003E Node node = tail.pre;u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F从链表里面移除u003Cu002Fcodeu003Eu003Ccodeu003E removeFromList(node);u003Cu002Fcodeu003Eu003Ccodeu003E nodeMap.remove(node.key);u003Cu002Fcodeu003Eu003Ccodeu003E count–;u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E private void removeFromList(Node<k, v> node) {u003Cu002Fcodeu003Eu003Ccodeu003E Node pre = node.pre;u003Cu002Fcodeu003Eu003Ccodeu003E Node next = node.next;u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E pre.next = next;u003Cu002Fcodeu003Eu003Ccodeu003E next.pre = pre;u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E node.next = ;u003Cu002Fcodeu003Eu003Ccodeu003E node.pre = ;u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E private void au003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-4″u003Eddu003Cu002Fiu003ENode(Node<k, v> node) {u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F添加节点到头部u003Cu002Fcodeu003Eu003Ccodeu003E au003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-4″u003Eddu003Cu002Fiu003EToHead(node);u003Cu002Fcodeu003Eu003Ccodeu003E nodeMap.put(node.key, node);u003Cu002Fcodeu003Eu003Ccodeu003E count++;u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E private void au003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-4″u003Eddu003Cu002Fiu003EToHead(Node<k, v> node) {u003Cu002Fcodeu003Eu003Ccodeu003E Node next = head.next;u003Cu002Fcodeu003Eu003Ccodeu003E next.pre = node;u003Cu002Fcodeu003Eu003Ccodeu003E node.next = next;u003Cu002Fcodeu003Eu003Ccodeu003E node.pre = head;u003Cu002Fcodeu003Eu003Ccodeu003E head.next = node;u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E public void moveNodeToHead(Node<k, v> node) {u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F从链表里面移除u003Cu002Fcodeu003Eu003Ccodeu003E removeFromList(node);u003Cu002Fcodeu003Eu003Ccodeu003E u002Fu002F添加节点到头部u003Cu002Fcodeu003Eu003Ccodeu003E au003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-4″u003Eddu003Cu002Fiu003EToHead(node);u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E class Node<k, v> {u003Cu002Fcodeu003Eu003Ccodeu003E k key;u003Cu002Fcodeu003Eu003Ccodeu003E v value;u003Cu002Fcodeu003Eu003Ccodeu003E Node pre;u003Cu002Fcodeu003Eu003Ccodeu003E Node next;u003Cu002Fcodeu003Eu003Cbru003Eu003Ccodeu003E public Node(k key, v value) {u003Cu002Fcodeu003Eu003Ccodeu003E this.key = key;u003Cu002Fcodeu003Eu003Ccodeu003E this.value = value;u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Ccodeu003E }u003Cu002Fcodeu003Eu003Ccodeu003E}u003Cu002Fcodeu003Eu003Cu002Fpreu003Eu003Cblockquoteu003Eu003Cpu003E上面这段代码实现了一个简单的LUR算法,代码很简单,也加了注释,仔细看一下很容易就看懂。u003Cu002Fpu003Eu003Cu002Fblockquoteu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch1 toutiao-origin=”h1″u003ELRU在Redis中的实现u003Cu002Fh1u003Eu003Ch2 toutiao-origin=”h3″u003Eu003Cstrong toutiao-origin=”span”u003E近似LRU算法u003Cu002Fstrongu003Eu003Cu002Fh2u003Eu003Cpu003ERedis使用的是近似LRU算法,它跟常规的LRU算法还不太一样。近似LRU算法通过随机采样法淘汰数据,每次随机出5(默认)个key,从里面淘汰掉最近最少使用的key。u003Cu002Fpu003Eu003Cblockquoteu003Eu003Cpu003E可以通过maxmemory-samples参数修改采样数量:例:maxmemory-samples 10 maxmenory-samples配置的越大,淘汰的结果越接近于严格的LRU算法u003Cu002Fpu003Eu003Cu002Fblockquoteu003Eu003Cpu003ERedis为了实现近似LRU算法,给每个key增加了一个额外增加了一个24bit的字段,用来存储该key最后一次被访问的时间。u003Cu002Fpu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch2 toutiao-origin=”h3″u003Eu003Cstrong toutiao-origin=”span”u003ERedisu003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-6″u003E3.0u003Cu002Fiu003E对近似LRU的优化u003Cu002Fstrongu003Eu003Cu002Fh2u003Eu003Cpu003ERedisu003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-6″u003E3.0u003Cu002Fiu003E对近似LRU算法进行了一些优化。新算法会维护一个候选池(大小为16),池中的数据根据访问时间进行排序,第一次随机选取的key都会放入池中,随后每次随机选取的key只有在访问时间小于池中最小的时间才会放入池中,直到候选池被放满。当放满后,如果有新的key需要放入,则将池中最后访问时间最大(最近被访问)的移除。u003Cu002Fpu003Eu003Cpu003E当需要淘汰的时候,则直接从池中选取最近访问时间最小(最久没被访问)的key淘汰掉就行。u003Cu002Fpu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch2 toutiao-origin=”h3″u003Eu003Cstrong toutiao-origin=”span”u003ELRU算法的对比u003Cu002Fstrongu003Eu003Cu002Fh2u003Eu003Cpu003E我们可以通过一个实验对比各LRU算法的准确率,先往Redis里面添加一定数量的数据n,使Redis可用内存用完,再往Redis里面添加nu002F2的新数据,这个时候就需要淘汰掉一部分的数据,如果按照严格的LRU算法,应该淘汰掉的是最先加入的nu002F2的数据。生成如下各LRU算法的对比图(图片来源):u003Cu002Fpu003Eu003Cimg src=”http:u002Fu002Fp1.pstatp.comu002Flargeu002Fpgc-imageu002FReNdk04D8JEjyo” img_width=”854″ img_height=”449″ alt=”面试官:Redis 内存满了怎么办?” inline=”0″u003Eu003Cpu003E你可以看到图中有三种不同颜色的点:u003Cu002Fpu003Eu003Culu003Eu003Cliu003Eu003Cpu003E浅灰色是被淘汰的数据u003Cu002Fpu003Eu003Cu002Fliu003Eu003Cliu003Eu003Cpu003E灰色是没有被淘汰掉的老数据u003Cu002Fpu003Eu003Cu002Fliu003Eu003Cliu003Eu003Cpu003E绿色是新加入的数据u003Cu002Fpu003Eu003Cu002Fliu003Eu003Cu002Fulu003Eu003Cpu003E我们能看到Redisu003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-6″u003E3.0u003Cu002Fiu003E采样数是10生成的图最接近于严格的LRU。而同样使用5个采样数,Redisu003Ci class=”chrome-extension-mutihighlight chrome-extension-mutihighlight-style-6″u003E3.0u003Cu002Fiu003E也要优于Redis2.8。u003Cu002Fpu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch1 toutiao-origin=”h1″u003ELFU算法u003Cu002Fh1u003Eu003Cpu003ELFU算法是Redis4.0里面新加的一种淘汰策略。它的全称是u003Cstrongu003ELeast Frequently Usedu003Cu002Fstrongu003E,它的核心思想是根据key的最近被访问的频率进行淘汰,很少被访问的优先被淘汰,被访问的多的则被留下来。u003Cu002Fpu003Eu003Cpu003ELFU算法能更好的表示一个key被访问的热度。假如你使用的是LRU算法,一个key很久没有被访问到,只刚刚是偶尔被访问了一次,那么它就被认为是热点数据,不会被淘汰,而有些key将来是很有可能被访问到的则被淘汰了。如果使用LFU算法则不会出现这种情况,因为使用一次并不会使一个key成为热点数据。u003Cu002Fpu003Eu003Cpu003ELFU一共有两种策略:u003Cu002Fpu003Eu003Culu003Eu003Cliu003Eu003Cpu003Evolatile-lfu:在设置了过期时间的key中使用LFU算法淘汰keyu003Cu002Fpu003Eu003Cu002Fliu003Eu003Cliu003Eu003Cpu003Eallkeys-lfu:在所有的key中使用LFU算法淘汰数据u003Cu002Fpu003Eu003Cu002Fliu003Eu003Cu002Fulu003Eu003Cblockquoteu003Eu003Cpu003E设置使用这两种淘汰策略跟前面讲的一样,不过要注意的一点是这两周策略只能在Redis4.0及以上设置,如果在Redis4.0以下设置会报错u003Cu002Fpu003Eu003Cu002Fblockquoteu003Eu003Cpu003Eu003Cu002Fpu003Eu003Ch1 toutiao-origin=”h1″u003E问题u003Cu002Fh1u003Eu003Cpu003E最后留一个小问题,可能有的人注意到了,我在文中并没有解释为什么Redis使用近似LRU算法而不使用准确的LRU算法,可以在评论区给出你的答案,大家一起讨论学习。u003Cu002Fpu003E”

原文始发于:面试官:Redis 内存满了怎么办?

主题测试文章,只做测试使用。发布者:℅傍ㄖ免沦陷dε鬼,转转请注明出处:http://www.cxybcw.com/17970.html

联系我们

13687733322

在线咨询:点击这里给我发消息

邮件:1877088071@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code