Redis过期策略和淘汰机制
三种过期策略
- 定时删除
- 含义：在设置key的过期时间的同时，为该key创建一个定时器，让定时器在key的过期时间来临时，对key进行删除。
- 优点：保证内存被尽快释放。
- 缺点：
- 若过期key很多，删除这些key会占用很多的CPU时间，在CPU时间紧张的情况下，CPU不能把所有的时间用来做要紧的事儿，还需要去花时间删除这些key。
- 定时器的创建耗时，若为每一个设置过期时间的key创建一个定时器（将会有大量的定时器产生），性能影响严重。
- 没人用。
- 惰性删除
- 含义：key过期的时候不删除，每次从数据库获取key的时候去检查是否过期，若过期，则删除，返回null。
- 优点：删除操作只发生在从数据库取出key的时候发生，而且只删除当前key，所以对CPU时间的占用是比较少的，而且此时的删除是已经到了非做不可的地步（如果此时还不删除的话，我们就会获取到了已经过期的key了）。
- 缺点：若大量的key在超出超时时间后，很久一段时间内，都没有被获取过，那么可能发生内存泄露（无用的垃圾占用了大量的内存）。
- 定期删除
- 含义：每隔一段时间执行一次删除过期key操作。
- 优点： 通过限制删除操作的时长和频率，来减少删除操作对CPU时间的占用–处理”定时删除”的缺点，定期删除过期key–处理”惰性删除”的缺点
- 缺点
- 在内存友好方面，不如”定时删除”。
- 在CPU时间友好方面，不如”惰性删除”。
- 难点 合理设置删除操作的执行时长（每次删除执行多长时间）和执行频率（每隔多长时间做一次删除）（这个要根据服务器运行情况来定了）。
Redis过期策略
惰性删除+定期删除
- 惰性删除流程
- 在进行get或setnx等操作时，先检查key是否过期；
- 若过期，删除key，然后执行相应操作；
- 若没过期，直接执行相应操作。
- 定期删除流程
- 遍历每个数据库（就是redis.conf中配置的”database”数量，默认为16）；
- 检查当前库中的指定个数个key（默认是每个库检查20个key，注意相当于该循环执行20次）；
- 如果当前库中没有一个key设置了过期时间，直接执行下一个库的遍历；
- 随机获取一个设置了过期时间的key，检查该key是否过期，如果过期，删除key；
- 判断定期删除操作是否已经达到指定时长，若已经达到，直接退出定期删除；
RDB对过期key的处理
过期key对RDB没有任何影响。
- 从内存数据库持久化数据到RDB文件：持久化key之前，会检查是否过期，过期的key不进入RDB文件；
- 从RDB文件恢复数据到内存数据库：数据载入数据库之前，会对key先进行过期检查，如果过期，不导入数据库（主库情况）；
AOF对过期key的处理
过期key对AOF没有任何影响。
- 从内存数据库持久化数据到AOF文件：
- 当key过期后，还没有被删除，此时进行执行持久化操作（该key是不会进入aof文件的，因为没有发生修改命令）；
- 当key过期后，在发生删除操作时，程序会向aof文件追加一条del命令（在将来的以aof文件恢复数据的时候该过期的键就会被删掉）；
- AOF重写
- 重写时，会先判断key是否过期，已过期的key不会重写到aof文件 ；
内存淘汰机制
Redis 内存淘汰机制有以下几个：
- noeviction（默认）：当内存不足以容纳新写入数据时，对于写请求不再提供服务，直接返回错误；
- volatile-lru：当内存不足以容纳新写入数据时，从设置了过期时间的key中使用LRU算法进行淘汰；
- volatile-random：当内存不足以容纳新写入数据时，volatile-random：从设置了过期时间的key中随机淘汰；
- volatile-ttl：当内存不足以容纳新写入数据时，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；
- volatile-lfu：从已设置过期时间的数据集挑选使用频率最低的数据淘汰；
- allkeys-lru：当内存不足以容纳新写入数据时，从所有key中使用LRU算法进行淘汰；
- allkeys-lfu：从数据集中挑选使用频率最低的数据淘汰；
- allkeys-random：当内存不足以容纳新写入数据时，从所有key中随机淘汰数据;
实现LRU
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
class LruCache<K,V> extends LinkedHashMap {
private final int CACHE_SIZE;
LruCache(int cacheSize) {
// true 表示让 linkedHashMap 按照访问顺序来进行排序，最近访问的放在头部，最老访问的放在尾部。
super((int) Math.ceil(cacheSize / 0.75) + 1, 0.75f, true);
CACHE_SIZE = cacheSize;
}
@Override
protected boolean removeEldestEntry(Map.Entry eldest) {
//当 map中的数据量大于指定的缓存个数的时候，就自动删除最老的数据。
return size() > CACHE_SIZE;
}
}
