Redis系列-12.Redis的缓存过期淘汰策略

简介: Redis系列-12.Redis的缓存过期淘汰策略

Redis的缓存过期淘汰策略


经典面试题


生产上你们的redis内存设置是多少?


如何配置,修改redis的内存大小


如果内存满了你会怎么办?


redis清理内存的方式?定期删除和惰性删除了解过吗?


redis缓存淘汰策略有哪些?分别是什么?你用那个?


redis的LRU了解过吗?


Redis内存满了怎么办?


Redis默认内存多少?在哪里查看?如何设置修改?


查看Redis最大占用内存?


打开redis配置文件,设置maxmemory参数,maxmemory是bytes字节类型,注意转换。


Redis默认内存多少可以用?


注意,在64bit系统下,maxmemory设置为0表示不限制redis内存的使用


一般生产下如何配置?


主流的推荐方式是Redis设置内存为最大物理内存的四分之三


如何修改Redis内存配置?


通过命令修改


查看redis内存使用情况


info memory


config get maxmemory


如何真的打满了会怎么样?


如果Redis内存使用超出了设置的最大值会怎么样?


改改配置,故意把最大值设为1个byte试试?

设置了maxmemory的选项,假如redis内存使用达到上线


没有加上过期时间就会导致数据写满maxmemory,为了避免类似情况,所以就有了内存淘汰策略


Redis如何删除的呢?


Redis过期键的删除策略


如果一个键是过期的,那它到了过期时间之后是不是马上就从内存中被被删除呢??


如果回答yes,立即删除,你自己走还是面试官送你走?


如果不是,那过期后到底什么时候被删除呢??是个什么操作?


三种删除的策略


立即删除


Redis不可能时时刻刻遍历所有被设置了生存时间的key,来检测数据是否已经到达过期时间,然后对它进行删除。


立即删除能保证内存中数据的最大新鲜度,因为它保证过期键值会在过期后马上被删除,其所占用的内存也会随之释放。但是立即删除对cpu是最不友好的。因为删除操作会占用cpu的时间,如果刚好碰上了cpu很忙的时候,比如正在做交集或排序等计算的时候,就会给cpu造成额外的压力,让CPU心累,时时需要删除,死。。。。。。。


这会产生大量的性能消耗,同时也会影响数据的读取操作。


总结:对CPU不友好,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,


如果未过期,返回数据 ;


发现已过期,删除,返回不存在。


惰性删除策略的缺点是,它对内存是最不友好的。


如果一个键已经过期,而这个键又仍然保留在redis中,那么只要这个过期键不被删除,它所占用的内存就不会释放。


在使用惰性删除策略时,如果数据库中有非常多的过期键,而这些过期键又恰好没有被访问到的话,那么它们也许永远也不会被删除(除非用户手动执行FLUSHDB),我们甚至可以将这种情况看作是一种内存泄漏–无用的垃圾数据占用了大量的内存,而服务器却不会自己去释放它们,这对于运行状态非常依赖于内存的Redis服务器来说,肯定不是一个好消息


总结:对memory不友好,用存储空间换取处理器性能(拿空间换时间)


开启惰性淘汰,lazyfree-lazy-eviction=yes


中和方案


定期删除策略是前两种策略的折中:


定期删除策略每隔一段时间执行一次删除过期键操作并通过限制删除操作执行时长和频率来减少删除操作对CPU时间的影响。

周期性轮询redis库中的时效性数据,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) 

举例:

redis默认每隔100ms检查是否有过期的key,有过期key则删除。注意:redis不是每隔100ms将所有的key检查一次而是随机抽取进行检查(如果每隔100ms,全部key进行检查,redis直接进去ICU)。因此,如果只采用定期删除策略,会导致很多key到时间没有删除。

定期删除策略的难点是确定删除操作执行的时长和频率:如果删除操作执行得太频繁或者执行的时间太长,定期删除策略就会退化成立即删除策略,以至于将CPU时间过多地消耗在删除过期键上面。如果删除操作执行得太少,或者执行的时间太短,定期删除策略又会和惰性删除束略一样,出现浪费内存的情况。因此,如果采用定期删除策略的话,服务器必须根据情况,合理地设置删除操作的执行时长和执行频率。

但是哪怕使用以上的步骤还是会存在一定的问题。


1 定期删除时,从来没有被抽查到

2 惰性删除时,也从来没有被点中使用过


上述两个步骤======> 大量过期的key堆积在内存中,导致redis内存空间紧张或者很快耗尽


必须要有一个更好的兜底方案…


此时redis缓存淘汰策略登场…


Redis缓存淘汰策略


配置文件



lru和lfu算法的区别是什么?



区别


LRU:最近最少使用页面置换算法,淘汰最长时间未被使用的页面,看页面最后一次被使用到发生调度的时间长短,首先淘汰最长时间未被使用的页面。


LFU:最近最不常用页面置换算法,淘汰一定时期内被访问次数最少的页,看一定时间段内页面被使用的频率,淘汰一定时期内被访问次数最少的页


举个栗子


某次时期Time为10分钟,如果每分钟进行一次调页,主存块为3,若所需页面走向为2 1 2 1 2 3 4


假设到页面4时会发生缺页中断


若按LRU算法,应换页面1(1页面最久未被使用),但按LFU算法应换页面3(十分钟内,页面3只使用了一次)


可见LRU关键是看页面最后一次被使用到发生调度的时间长短,而LFU关键是看一定时间段内页面被使用的频率!


有哪些?


  • noeviction:不会驱逐任何key,表示及时内存达到上限也不进行置换,所有能引起内存增加的命令都会返回error
  • allkeys-lru:对所有key使用lru算法进行删除,优先删除掉最近最不经常使用的key,用以保存新数据
  • volatile-lru:对所有设置了过期时间的key使用lru算法进行删除
  • allkeys-random:对所有key随机删除
  • volatile-random:对所有设置了过期时间的key随机删除
  • volatile-ttl:删除马上过期的key
  • allkeys-lfu:对所有key使用lfu算法进行删除
  • volatile-lfu:对所有设置了过期时间的key使用lfu算法进行删除


目录
相关文章
|
8月前
|
缓存 负载均衡 监控
135_负载均衡:Redis缓存 - 提高缓存命中率的配置与最佳实践
在现代大型语言模型(LLM)部署架构中,缓存系统扮演着至关重要的角色。随着LLM应用规模的不断扩大和用户需求的持续增长,如何构建高效、可靠的缓存架构成为系统性能优化的核心挑战。Redis作为业界领先的内存数据库,因其高性能、丰富的数据结构和灵活的配置选项,已成为LLM部署中首选的缓存解决方案。
862 25
|
9月前
|
存储 缓存 NoSQL
Redis专题-实战篇二-商户查询缓存
本文介绍了缓存的基本概念、应用场景及实现方式,涵盖Redis缓存设计、缓存更新策略、缓存穿透问题及其解决方案。重点讲解了缓存空对象与布隆过滤器的使用,并通过代码示例演示了商铺查询的缓存优化实践。
381 1
Redis专题-实战篇二-商户查询缓存
|
8月前
|
缓存 运维 监控
Redis 7.0 高性能缓存架构设计与优化
🌟蒋星熠Jaxonic,技术宇宙中的星际旅人。深耕Redis 7.0高性能缓存架构,探索函数化编程、多层缓存、集群优化与分片消息系统,用代码在二进制星河中谱写极客诗篇。
1640 3
|
9月前
|
存储 缓存 NoSQL
工作 10 年!Redis 内存淘汰策略 LRU 和传统 LRU 差异,还傻傻分不清
小富带你深入解析Redis内存淘汰机制:LRU与LFU算法原理、实现方式及核心区别。揭秘Redis为何采用“近似LRU”,LFU如何解决频率老化问题,并结合实际场景教你如何选择合适策略,提升缓存命中率。
1311 3
|
9月前
|
缓存 NoSQL 关系型数据库
Redis缓存和分布式锁
Redis 是一种高性能的键值存储系统,广泛用于缓存、消息队列和内存数据库。其典型应用包括缓解关系型数据库压力,通过缓存热点数据提高查询效率,支持高并发访问。此外,Redis 还可用于实现分布式锁,解决分布式系统中的资源竞争问题。文章还探讨了缓存的更新策略、缓存穿透与雪崩的解决方案,以及 Redlock 算法等关键技术。
|
缓存 NoSQL 关系型数据库
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
|
缓存 NoSQL Java
Redis+Caffeine构建高性能二级缓存
大家好,我是摘星。今天为大家带来的是Redis+Caffeine构建高性能二级缓存,废话不多说直接开始~
1659 0
|
消息中间件 缓存 NoSQL
基于Spring Data Redis与RabbitMQ实现字符串缓存和计数功能(数据同步)
总的来说,借助Spring Data Redis和RabbitMQ,我们可以轻松实现字符串缓存和计数的功能。而关键的部分不过是一些"厨房的套路",一旦你掌握了这些套路,那么你就像厨师一样可以准备出一道道饕餮美食了。通过这种方式促进数据处理效率无疑将大大提高我们的生产力。
390 32
|
缓存 NoSQL Java
Redis:现代服务端开发的缓存基石与电商实践-优雅草卓伊凡
Redis:现代服务端开发的缓存基石与电商实践-优雅草卓伊凡
335 5
Redis:现代服务端开发的缓存基石与电商实践-优雅草卓伊凡
|
存储 缓存 NoSQL
解决Redis缓存数据类型丢失问题
解决Redis缓存数据类型丢失问题
628 85