Redis刪除策略的三種方法及逐出算法
一、前言
在文章開始之前，我先問大家一個問題：當我們使用指令：expire key second給一個key設(shè)置過期時間，過期時間一到，這個key對應(yīng)的過期數(shù)據(jù)真的被服務(wù)器立即刪除了嗎？答案是并不會立即刪除。知道了這個答案，就來看看Redis中如何處理過期的數(shù)據(jù)。
二、Redis中的數(shù)據(jù)特征
Redis是一種內(nèi)存級數(shù)據(jù)庫，所有數(shù)據(jù)均存放在內(nèi)存中，內(nèi)存中的數(shù)據(jù)可以通過TTL指令獲取其狀態(tài)，有三種狀態(tài)：
| 指令結(jié)果 | 狀態(tài) |
|---|---|
| XX | 具有時效性的數(shù)據(jù) |
| -1 | 永久有效的數(shù)據(jù) |
| -2 | 已經(jīng)過期的數(shù)據(jù) 或 被刪除的數(shù)據(jù) 或 未定義的數(shù)據(jù) |
三、時效性數(shù)據(jù)儲存結(jié)構(gòu)
當我們用指令設(shè)置過期數(shù)據(jù)后，數(shù)據(jù)對應(yīng)的地址會放在expires空間中，存儲方式是哈希，存儲的value是過期時間。
四、數(shù)據(jù)刪除策略
數(shù)據(jù)刪除策略目標：在內(nèi)存占用與CPU占用之間尋找一種平衡，顧此失彼都會造成整體redis性能的下降，甚至引發(fā)服務(wù)器宕機或內(nèi)存泄露
1、定時刪除
- 創(chuàng)建一個定時器，當key設(shè)置有過期時間，且過期時間到達時，由定時器任務(wù)立即執(zhí)行對鍵的刪除操作
- 優(yōu)點：節(jié)約內(nèi)存，到時就刪除，快速釋放掉不必要的內(nèi)存占用
- 缺點：CPU壓力很大，無論CPU此時負載量多高，均占用CPU，會影響redis服務(wù)器響應(yīng)時間和指令吞吐量
2、惰性刪除
- 數(shù)據(jù)到達過期時間，不做處理。等下次訪問該數(shù)據(jù)時，會調(diào)用
expireIfNeeded()函數(shù)來判斷該數(shù)據(jù)是否過期： 如果未過期，返回數(shù)據(jù)，發(fā)現(xiàn)已過期，刪除，返回不存在 - 優(yōu)點：節(jié)約CPU性能，發(fā)現(xiàn)必須刪除的時候才刪除
- 缺點：內(nèi)存壓力很大，出現(xiàn)長期占用內(nèi)存的數(shù)據(jù)
3、定期刪除
流程分析：
- Redis服務(wù)器啟動初始化時，讀取配置server.hz的值，默認為10
- 然后每秒鐘執(zhí)行10次
serverCron()方法，該方法用來檢測服務(wù)器 serverCron()方法又會調(diào)用databasesCron()方法，該方法是用來遍歷數(shù)據(jù)庫的，redis默認有16個數(shù)據(jù)庫，從第一個數(shù)據(jù)庫開始databasesCron()方法又會調(diào)用activeExpireCycle()方法，該方法會對每一個expires[*]逐一進行檢測，每次執(zhí)行250ms/server.hz；對某個expires[*]檢測時，隨機挑選W個key檢測- 如果檢測到key超時，則刪除key；如果一輪中刪除的key的數(shù)量>W25%，循環(huán)該過程；如果一輪中刪除的key的數(shù)量≤W25%，檢查下一個
expires[*]，0-15循環(huán)。其中W取值=ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP屬性值 - 如果activeExpireCycle()執(zhí)行時間到期，下次從current_db繼續(xù)向下執(zhí)行
- 參數(shù)current_db用于記錄activeExpireCycle() 進入哪個expires[*] 執(zhí)行
總結(jié)：周期性輪詢redis庫中的時效性數(shù)據(jù)，采用隨機抽取的策略，利用過期數(shù)據(jù)占比的方式控制刪除頻度- 內(nèi)存壓力不是很大，長期占用內(nèi)存的冷數(shù)據(jù)會被持續(xù)清理
五、刪除策略對比
| 定時刪除 | 節(jié)約內(nèi)存，無占用 | 不分時段占用CPU資源，頻度高 | 拿時間換空間 |
|---|---|---|---|
| 惰性刪除 | 內(nèi)存占用嚴重 | 延時執(zhí)行，CPU利用率高 | 拿空間換時間 |
| 定期刪除 | 內(nèi)存定期隨機清理 | 每秒花費固定的CPU資源維護內(nèi)存 | 隨機抽查，重點抽查 |
六、逐出算法
1、概念引入
當新數(shù)據(jù)進入redis時，如果內(nèi)存不足怎么辦？Redis使用內(nèi)存存儲數(shù)據(jù)，在執(zhí)行每一個命令前，會調(diào)用freeMemoryIfNeeded()檢測內(nèi)存是否充足。如果內(nèi)存不滿足新加入數(shù)據(jù)的最低存儲要求，redis要臨時刪除一些數(shù)據(jù)為當前指令清理存儲空間。清理數(shù)據(jù)的策略稱為逐出算法。
注意：逐出數(shù)據(jù)的過程不是100%能夠清理出足夠的可使用的內(nèi)存空間，如果不成功則反復(fù)執(zhí)行。當對所有數(shù)據(jù)嘗試完畢后，如果不能達到內(nèi)存清理的要求，將出現(xiàn)錯誤信息。
2、八種配置
檢測易失數(shù)據(jù)（可能會過期的數(shù)據(jù)集server.db[i].expires ）
| volatile-lru | 挑選最近最少使用的數(shù)據(jù)淘汰 |
|---|---|
| volatile-lfu | 挑選最近使用次數(shù)最少的數(shù)據(jù)淘汰 |
| volatile-ttl | 挑選將要過期的數(shù)據(jù)淘汰 |
| volatile-random | 任意選擇數(shù)據(jù)淘汰 |
檢測全庫數(shù)據(jù)（所有數(shù)據(jù)集server.db[i].dict ）
| allkeys-lru | 挑選最近最少使用的數(shù)據(jù)淘汰 |
|---|---|
| allkeys-lfu | 挑選最近使用次數(shù)最少的數(shù)據(jù)淘汰 |
| allkeys-random | 任意選擇數(shù)據(jù)淘汰 |
放棄數(shù)據(jù)驅(qū)逐：
| no-enviction | 禁止驅(qū)逐數(shù)據(jù)（redis4.0中默認策略） |
|---|
到此這篇關(guān)于Redis刪除策略的三種方法及逐出算法的文章就介紹到這了,更多相關(guān)Redis刪除策略內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
redis底層數(shù)據(jù)結(jié)構(gòu)之skiplist實現(xiàn)示例
這篇文章主要為大家介紹了redis底層數(shù)據(jù)結(jié)構(gòu)之skiplist實現(xiàn)示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-12-12
但有時候想在windows下折騰下Redis,那么就可以參考下面的方法了，雖然腳本之家小編以前整理了一些，發(fā)現(xiàn)這篇做的比較詳細，下載也給出來了2018-08-08
本文主要介紹了redis高可用Sentinel的使用,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2024-05-05
本文主要講解基于?Redis?的方式實現(xiàn)異步隊列，基于?Redis?的?list?實現(xiàn)隊列的方式也有多種，本文通過實例代碼給大家介紹的非常詳細，感興趣的朋友跟隨小編一起看看吧2021-12-12
面對越來越多的高并發(fā)場景，限流顯示的尤為重要，限流有許多種實現(xiàn)的方式，Redis具有很強大的功能，本文就詳細的介紹幾種方式，感興趣的可以了解一下2021-12-12
大家好，本篇文章主要講的是linux下安裝redis圖文詳細步驟，感興趣的同學(xué)趕快來看一看吧，對你有幫助的話記得收藏一下，方便下次瀏覽2021-12-12
如何提高Redis服務(wù)器的最大打開文件數(shù)限制
文章討論了如何提高Redis服務(wù)器的最大打開文件數(shù)限制,以支持高并發(fā)服務(wù),本文給大家介紹的非常詳細,感興趣的朋友跟隨小編一起看看吧2025-01-01
Redis EXISTS 命令用于檢查給定 key 是否存在，本文重點給大家介紹Redis exists命令bug分析，感興趣的朋友跟隨小編一起看看吧2022-02-02
Springboot整合Redis與數(shù)據(jù)持久化
這篇文章主要介紹了Springboot整合Redis與Redis數(shù)據(jù)持久化的操作，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-07-07
Redis+Caffeine實現(xiàn)高效兩級緩存架構(gòu)的詳細指南
在現(xiàn)代高并發(fā)系統(tǒng)中,緩存是提升系統(tǒng)性能的關(guān)鍵組件之一,本文將介紹如何結(jié)合 Redis 和 Caffeine 構(gòu)建一個高效的兩級緩存系統(tǒng),需要的小伙伴可以了解下2025-07-07