共计 3488 个字符，预计需要花费 9 分钟才能阅读完成。
Redis 最为罕用的是拿来做缓存，而 Redis 之所以这么快的起因之一是搭上了内存那纳秒级别的处理速度来存储数据，极大晋升了应用服务的性能。（从用户角度翻译过去就是这玩意反馈快了）
然而，凡是技术总有它的局限性，例如在计算机中内存空间远比磁盘空间要小得多，而且内存比磁盘贵。所以咱们要是把数据都放内存，显然是一件老本高，性价很低的事件。
所以更多的是采取让 Redis 寄存热数据，从统计上来说，在大部分业务场景中，按二八定律，是 20% 的数据奉献了的访问量和拜访频率可能靠近或超过 80%（当然总有局部例外）。
然而，内存空间大小就这么多，随着业务缓存数据量一直增多，不可避免就会将无限的内存空间不小心给占满。
那 Redis 是怎么解决缓存占满内存的？
咱们先来看 Java，应用 Java 都晓得，Java 是运行在 JVM 上的，而 JVM 的一大亮点就是领有不必让 C 或 C ++ 的同学一样去关怀内存回收状况，也就是垃圾回收机制。Redis 也有本人的内存回收机制，然而绝对 JVM 来说，Redis 要 ” 简略 ” 一些，因为 Redis 内存回收机制次要两个方面的策略。
Redis 内存回收机制策略
Redis 删除过期键策略
惰性删除：
顾名思义，惰性删除并不被动做任何操作，而是当客户端读取到设置了超时的键时，如果曾经超过过期工夫就会删除。然而很显著的问题就是当过期键始终没有拜访到而及时删除，那么就会导致不能让内存及时开释。
定时删除：
定时删除实际上就是在 Redis 外部开启了一个定时工作，通过默认每秒定时的运行多少次和按键过期比例以及快慢的速率模式去回收键。
除了删除过期键策略当然还远不够，所以就进一步通过算法来筛选数据淘汰的淘汰策略。
Redis 淘汰策略然而不论后面的删除过期键策略，还是淘汰策略目标自身都是来避免内存溢出的这一点。Redis 淘汰策略提供了 8 种淘汰策略，Redis4.0 实现了 6 种淘汰策略，4.0 之后又减少了 2 种策略，所以 Redis 有 8 种淘汰策略。能够分成两类：不淘汰数据的策略，仅有 noeviction 一种。会淘汰数据的有 7 种策略。咱们这里次要关注淘汰数据的 7 种策略，这 7 种细看能够再次归成两类：会在所有数据中淘汰的：allkeys-lru、allkeys-random、allkeys-lfu 会在设置过期工夫数据中淘汰的：volatile-lru、volatile-random、volatile-ttl、volatile-lfu 小伙伴们，我把熬夜整顿的思维导图放在这了。
Redis 淘汰策略详解默认状况，当 Redis 的内存超过 maxmemory 时，noeviction 是作为默认策略的，并不会淘汰任何数据。在 Redis 缓存一旦被占满之后的写申请都不会再解决，会间接的返回谬误。接下来是 allkeys-lru、allkeys-random、allkeys-lfu 四种淘汰策略。它们会在设置过期工夫的数据中进行淘汰，所以它们筛选的数据范畴都在设置了过期键上。当数据过期时，即便缓存没有写满也会被淘汰删除。volatile-ttl：依据键的 ttl（生存工夫值），删除设置过期工夫最近的键，先过期的被先删除。volatile-random：random 也就是随机，设置了过期的 key 会随机的删除。volatile-lru：在设置过期工夫的 key，应用 LRU 算法筛选淘汰键。volatile-lfu：在设置过期工夫的 key，应用 LFU 算法筛选淘汰键。allkeys-lru、allkeys-random、allkeys-lfu 前缀都带着 all 这三种淘汰策略的淘汰数据范畴包含了所有的键值，范畴是所有键值就是无论是否设置过期工夫都会进行淘汰。allkeys-random：在所有键中随机淘汰数据。allkeys-lru：在所有键中应用 LRU 算法筛选数据。allkeys-lfu：在所有键中应用 lfu 算法筛选数据。不论是 ttl 还是 random 算法规定是比较简单，而次要 lru 和 lfu 算法也不简单，让咱们一起看看。LRU（Least Recently Used）LRU（Least Recently Used）是最近起码应用准则，是将最近最不罕用应用的数据进行筛选，最近不常应用的淘汰，最近常应用的数据留在缓存。具体怎么筛选能够看上面的例子，假如在一块无限的空间里，最近拜访会被移到顶端，最近没拜访到的会移到末端，也就是 LRU 端。当空间被占满时，此时刚好有新增的数据时，就会把 LRU 端的开端 key 替换淘汰掉。
你看 LRU 算法是不是很有用户体验“如果有数据最近被拜访过，那么再被拜访的几率也会很高”那如果要去实现 LRU 算法，天然就须要有撑持它的数据结构，此时就能够应用链表，用链表来寄存所有缓存数据。不过只应用链表，会有问题，那就是当面临数据量大的状况，链表的挪动也会显得蠢笨而带来耗时，进而影响 Redis 性能。Redis 天然不会放过这个能够优化的机会，所以 Redis 在 LRU 算法上动手脚。所以在一开始就记录每个数据最近一次被拜访的工夫戳。之后当 Redis 筹备淘汰数据时，首先第一次随机的选出 N 个数据，而后将其作为候选汇合，最初比拟这 N 个数据携带的 lru 字段，最小的会从缓存中被淘汰。Redis 提供 maxmemory-samples 的配置参数，让 Redis 选出数据作为候选数据集。当面临淘汰数据，Redis 须要筛选数据，那么就会进到首次创立的淘汰候选汇合。筛选规范是：进入候选汇合的数据 lru 属性值必须小于候选汇合中最小的 lru 值。当有新数据进入候选数据集后，如果候选数据集中的数据个数达到了 maxmemory-samples，Redis 就把候选数据集中 lru 字段值最小的数据淘汰进来。你看这样一来 Redis 缓存就能够不必为一直增多的数据保护一个也一直增大的大链表，省去每次数据拜访都挪动链表的开销，缓存的性能就能失去晋升。LFU（Least Frequently Used）LFU（Least Frequently Used）是最近起码频率应用，楞一看 LFU 缓存策略跟 LRU 很类似，类似就对了，因为 LFU 就是在 LRU 的策略根底上优化进去的缓存策略。LFU 不同与 LRU 的是 LFU 把 LRU 原来的 24bit 的 lru 字段拆分成 Idt 值和 counter 值两局部。其中 Idt 是 lru 字段的前 16bit 示意拜访工夫戳。counter 值是 lru 字段的后 8bit 也就是示意拜访次数。LFU 算法用的是拜访频次递增和拜访频次衰减两种形式。拜访频次递增是通过 counter 来递增，然而它所能示意的最大值只有 255，所以采纳了更优的计数形式。每当数据被拜访时，计数器值乘以 lfu_log_factor 再加 1，取其倒数，失去 p 值；之后 p 值和取值范畴 0 和 1 之间的随机数 r 比大小，当 p 值大于 r 值，计数器才加 1.1/(baseval * lfu_log_factor + 1)Redis 官网 提供的一张表，当 lfu_log_factor 取不同值，不同拜访次数，计数器值的变动状况。
从表中能够看到，lfu_log_factor 取值为 1，拜访次数 100k 时，counter 值就到顶 255，没法辨别拜访次数。当 lfu_log_factor 取值为 100 时，拜访次数 10M，counter 值达到 255，此时，拜访次数小于 10M 的不同数据都能够通过 counter 值辨别进去。拜访频次衰减 Redis 实现 LFU 策略时，除了拜访频次递增，还设计了一个衰减机制。因为从上可知，counter 始终递增会达到顶 255，而且纯正的递增不能反馈一个 key 的热度，所以 key 如果一段时间不被拜访，counter 也须要对应缩小。递加的速度由 lfu-decay-time 配置项管制 counter 的递加速度，默认值 1 示意如果 N 分钟没有拜访，那么 counter 减 N。总结咱们围绕 Redis 是怎么解决缓存占满内存开展了 Redis 的内存回收策略，Redis 的内存回收策略有两个方面，删除过期键策略和淘汰策略，然而不论是删除过期键策略还是淘汰策略目标都是来管制避免内存溢出。在淘汰策略中，Redis4.0 实现了 6 种淘汰策略，4.0 之后又减少了 2 种策略，所以 Redis 一共有 8 种淘汰策略。其中最为次要的 LRU 和 LFU 算法策略。LFU 是在 LRU 的根底上的策略，然而 LFU 并不是用来替换 LRU；它们各自的数据筛选侧重点不同，前者 LRU 策略偏重数据时效性，而后者 LFU 偏重拜访频次。敌人们，到这就靠近序幕了。感兴趣的敌人能够在 3A 服务器上部署环境尝试一下。