2022-09-06 07:57:25

缓存过期和淘汰策略

Redis性能高：
官方数据
读：110000次/s
写：81000次/s
长期使用，key会不断增加，Redis作为缓存使用，物理内存也会满
内存与硬盘交换（swap）虚拟内存，频繁IO 性能急剧下降

maxmemory

不设置的场景
Redis的key是固定的，不会增加
Redis作为DB使用，保证数据的完整性，不能淘汰，可以做集群，横向扩展缓存淘汰策略：禁止驱逐（默认）

设置的场景
Redis是作为缓存使用，不断增加Key
maxmemory ：默认为0 不限制
问题：超过物理内存后性能急剧下架，甚至崩溃
内存与硬盘交换（swap）虚拟内存，频繁IO 性能急剧下降
设置多少？
与业务有关
1个Redis实例，保证系统运行 1 G ，剩下的就都可以设置Redis
物理内存的3/4
slaver ：留出一定的内存
在redis.conf中

maxmemory 1024mb

命令：获得maxmemory数

CONFIG GET maxmemory

设置maxmemory后，当趋近maxmemory时，通过缓存淘汰策略，从内存中删除对象

expire数据结构

在Redis中可以使用expire命令设置一个键的存活时间(ttl: time to live)，过了这段时间，该键就会自动
被删除。

expire的使用

expire命令的使用方法如下：
expire key ttl(单位秒)

127.0.0.1:6379> expire name 2 #2秒失效
(integer) 1
127.0.0.1:6379> get name
(nil)
127.0.0.1:6379> set name zhangfei
OK
127.0.0.1:6379> ttl name #永久有效
(integer) -1
127.0.0.1:6379> expire name 30 #30秒失效
(integer) 1
127.0.0.1:6379> ttl name #还有24秒失效
(integer) 24
127.0.0.1:6379> ttl name #失效
(integer) -2

expire原理

typedef struct redisDb {
dict *dict;
dict *expires;
dict *blocking_keys;
dict *ready_keys;
dict *watched_keys;
int id;
} redisDb;

上面的代码是Redis 中关于数据库的结构体定义，这个结构体定义中除了 id 以外都是指向字典的指针，其中我们只看 dict 和 expires。

dict 用来维护一个 Redis 数据库中包含的所有 Key-Value 键值对，expires则用于维护一个 Redis 数据库中设置了失效时间的键(即key与失效时间的映射)。

当我们使用 expire命令设置一个key的失效时间时，Redis 首先到 dict 这个字典表中查找要设置的key是否存在，如果存在就将这个key和失效时间添加到 expires 这个字典表。

当我们使用 setex命令向系统插入数据时，Redis 首先将 Key 和 Value 添加到 dict 这个字典表中，然后将 Key 和失效时间添加到 expires 这个字典表中。

简单地总结来说就是，设置了失效时间的key和具体的失效时间全部都维护在 expires 这个字典表中

删除策略

Redis的数据删除有定时删除、惰性删除和主动删除三种方式。
Redis目前采用惰性删除+主动删除的方式。

定时删除

在设置键的过期时间的同时，创建一个定时器，让定时器在键的过期时间来临时，立即执行对键的删除
操作。
需要创建定时器，而且消耗CPU，一般不推荐使用

惰性删除

在key被访问时如果发现它已经失效，那么就删除它。
调用expireIfNeeded函数，该函数的意义是：读取数据之前先检查一下它有没有失效，如果失效了就删除它

intexpireIfNeeded(redisDb*db, robj*key){//获取主键的失效时间longlong when=getExpire(db,key);//假如失效时间为负数，说明该主键未设置失效时间（失效时间默认为-1），直接返回0if(when<0)return0;//假如Redis服务器正在从RDB文件中加载数据，暂时不进行失效主键的删除，直接返回0if(server.loading)return0;...//如果以上条件都不满足，就将主键的失效时间与当前时间进行对比，如果发现指定的主键//还未失效就直接返回0if(mstime()<= when)return0;//如果发现主键确实已经失效了，那么首先更新关于失效主键的统计个数，然后将该主键失//效的信息进行广播，最后将该主键从数据库中删除
server.stat_expiredkeys++;propagateExpire(db,key);returndbDelete(db,key);

主动删除

在redis.conf文件中可以配置主动删除策略,默认是no-enviction（不删除）

maxmemory-policy allkeys-lru

LRU

LRU (Least recently used) 最近最少使用，算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。

最常见的实现是使用一个链表保存缓存数据，详细算法实现如下

新数据插入到链表头部；
每当缓存命中（即缓存数据被访问），则将数据移到链表头部；
当链表满的时候，将链表尾部的数据丢弃。
在Java中可以使用LinkHashMap（哈希链表）去实现LRU

我们以用户信息的需求为例，来演示一下LRU算法的基本思路：
1.假设我们使用哈希链表来缓存用户信息，目前缓存了4个用户，这4个用户是按照时间顺序依次从链表右端插入的。
在这里插入图片描述

2.此时，业务方访问用户5，由于哈希链表中没有用户5的数据，我们从数据库中读取出来，插入到缓存当中。这时候，链表中最右端是最新访问到的用户5，最左端是最近最少访问的用户
在这里插入图片描述

3.接下来，业务方访问用户2，哈希链表中存在用户2的数据，我们怎么做呢？我们把用户2从它的前驱节点和后继节点之间移除，重新插入到链表最右端。这时候，链表中最右端变成了最新访问到的用户2，最左端仍然是最近最少访问的用户1

在这里插入图片描述

4.接下来，业务方请求修改用户4的信息。同样道理，我们把用户4从原来的位置移动到链表最右侧，并把用户信息的值更新。这时候，链表中最右端是最新访问到的用户4，最左端仍然是最近最少访问的用户1。
在这里插入图片描述
5.业务访问用户6，用户6在缓存里没有，需要插入到哈希链表。假设这时候缓存容量已经达到上限，必须先删除最近最少访问的数据，那么位于哈希链表最左端的用户1就会被删除掉，然后再把用户6插入到最右端

在这里插入图片描述

Redis的LRU 数据淘汰机制
在服务器配置中保存了 lru 计数器 server.lrulock，会定时（redis 定时程序 serverCorn()）更新，server.lrulock 的值是根据 server.unixtime 计算出来的。

另外，从 struct redisObject 中可以发现，每一个 redis 对象都会设置相应的 lru。可以想象的是，每一
次访问数据的时候，会更新 redisObject.lru。

LRU 数据淘汰机制是这样的：在数据集中随机挑选几个键值对，取出其中 lru 最大的键值对淘汰。
不可能遍历key 用当前时间-最近访问越大说明访问间隔时间越长

volatile-lru
从已设置过期时间的数据集（server.db[i].expires）中挑选最近最少使用的数据淘汰
allkeys-lru
从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰

LFU

LFU (Least frequently used) 最不经常使用，如果一个数据在最近一段时间内使用次数很少，那么在将来一段时间内被使用的可能性也很小
volatile-lfu
allkeys-lfu

random 随机

volatile-random
从已设置过期时间的数据集（server.db[i].expires）中任意选择数据淘汰
allkeys-random
从数据集（server.db[i].dict）中任意选择数据淘汰

ttl

volatile-ttl
从已设置过期时间的数据集（server.db[i].expires）中挑选将要过期的数据淘汰
redis 数据集数据结构中保存了键值对过期时间的表，即 redisDb.expires。
TTL 数据淘汰机制：从过期时间的表中随机挑选几个键值对，取出其中 ttl 最小的键值对淘汰。

noenviction

禁止驱逐数据，不删除默认

缓存淘汰策略的选择

allkeys-lru ：在不确定时一般采用策略。
volatile-lru ：比allkeys-lru性能差存 : 过期时间
allkeys-random ：希望请求符合平均分布(每个元素以相同的概率被访问)自己控制：
volatile-ttl 缓存穿透

案例分享：字典库失效

key-Value 业务表存 code 显示文字
将字典库，设置了maxmemory，并设置缓存淘汰策略为allkeys-lru
结果造成字典库某些字段失效，缓存击穿， DB压力剧增，差点宕机。
分析：
maxmemory设置较小，采用allkeys-lru，会对没有经常访问的字典库随机淘汰
当再次访问时会缓存击穿，请求会打到DB上。
解决方案：
1、不设置maxmemory
2、使用noenviction策略
Redis是作为DB使用的，要保证数据的完整性，所以不能删除数据。
可以将原始数据源（XML）在系统启动时一次性加载到Redis中。