面试官问:Redis 数据过多导致内存占满,会宕机吗?如何内存回收? |
您所在的位置:网站首页 › redis内存设置多少合适 › 面试官问:Redis 数据过多导致内存占满,会宕机吗?如何内存回收? |
>>号外:关注“Java精选”公众号,菜单栏->聚合->干货分享,回复关键词领取视频资料、开源项目。 Redis占用内存大小我们知道Redis是基于内存的key-value数据库,因为系统的内存大小有限,所以我们在使用Redis的时候可以配置Redis能使用的最大的内存大小。 1、通过配置文件配置通过在Redis安装目录下面的redis.conf配置文件中添加以下配置设置内存大小 //设置Redis最大占用内存大小为100M maxmemory 100mbredis的配置文件不一定使用的是安装目录下面的redis.conf文件,启动redis服务的时候是可以传一个参数指定redis的配置文件的 2、通过命令修改Redis支持运行时通过命令动态修改内存大小 //设置Redis最大占用内存大小为100M 127.0.0.1:6379> config set maxmemory 100mb //获取设置的Redis能使用的最大内存大小 127.0.0.1:6379> config get maxmemory如果不设置最大内存大小或者设置最大内存大小为0,在64位操作系统下不限制内存大小,在32位操作系统下最多使用3GB内存 Redis的内存淘汰既然可以设置Redis最大占用内存大小,那么配置的内存就有用完的时候。那在内存用完的时候,还继续往Redis里面添加数据不就没内存可用了吗? 实际上Redis定义了几种策略用来处理这种情况: noeviction(默认策略):对于写请求不再提供服务,直接返回错误(DEL请求和部分特殊请求除外) allkeys-lru:从所有key中使用LRU算法进行淘汰 volatile-lru:从设置了过期时间的key中使用LRU算法进行淘汰 allkeys-random:从所有key中随机淘汰数据 volatile-random:从设置了过期时间的key中随机淘汰 volatile-ttl: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 当使用volatile-lru、volatile-random、volatile-ttl这三种策略时,如果没有key可以被淘汰,则和noeviction一样返回错误 如何获取及设置内存淘汰策略获取当前内存淘汰策略: 127.0.0.1:6379> config get maxmemory-policy通过配置文件设置淘汰策略(修改redis.conf文件): maxmemory-policy allkeys-lru通过命令修改淘汰策略: 127.0.0.1:6379> config set maxmemory-policy allkeys-lru LRU算法 什么是LRU?上面说到了Redis可使用最大内存使用完了,是可以使用LRU算法进行内存淘汰的,那么什么是LRU算法呢? LRU(Least Recently Used),即最近最少使用,是一种缓存置换算法。在使用内存作为缓存的时候,缓存的大小一般是固定的。当缓存被占满,这个时候继续往缓存里面添加数据,就需要淘汰一部分老的数据,释放内存空间用来存储新的数据。这个时候就可以使用LRU算法了。其核心思想是:如果一个数据在最近一段时间没有被用到,那么将来被使用到的可能性也很小,所以就可以被淘汰掉。 使用java实现一个简单的LRU算法 public class LRUCache { //容量 private int capacity; //当前有多少节点的统计 private int count; //缓存节点 private Map nodeMap; private Node head; private Node tail; public LRUCache(int capacity) { if (capacity < 1) { throw new IllegalArgumentException(String.valueOf(capacity)); } this.capacity = capacity; this.nodeMap = new HashMap(); //初始化头节点和尾节点,利用哨兵模式减少判断头结点和尾节点为空的代码 Node headNode = new Node(null, null); Node tailNode = new Node(null, null); headNode.next = tailNode; tailNode.pre = headNode; this.head = headNode; this.tail = tailNode; } public void put(k key, v value) { Node node = nodeMap.get(key); if (node == null) { if (count >= capacity) { //先移除一个节点 removeNode(); } node = new Node(key, value); //添加节点 addNode(node); } else { //移动节点到头节点 moveNodeToHead(node); } } public Node get(k key) { Node node = nodeMap.get(key); if (node != null) { moveNodeToHead(node); } return node; } private void removeNode() { Node node = tail.pre; //从链表里面移除 removeFromList(node); nodeMap.remove(node.key); count--; } private void removeFromList(Node node) { Node pre = node.pre; Node next = node.next; pre.next = next; next.pre = pre; node.next = null; node.pre = null; } private void addNode(Node node) { //添加节点到头部 addToHead(node); nodeMap.put(node.key, node); count++; } private void addToHead(Node node) { Node next = head.next; next.pre = node; node.next = next; node.pre = head; head.next = node; } public void moveNodeToHead(Node node) { //从链表里面移除 removeFromList(node); //添加节点到头部 addToHead(node); } class Node { k key; v value; Node pre; Node next; public Node(k key, v value) { this.key = key; this.value = value; } } }上面这段代码实现了一个简单的LUR算法,代码很简单,也加了注释,仔细看一下很容易就看懂。 LRU在Redis中的实现 近似LRU算法Redis使用的是近似LRU算法,它跟常规的LRU算法还不太一样。近似LRU算法通过随机采样法淘汰数据,每次随机出5(默认)个key,从里面淘汰掉最近最少使用的key。 可以通过maxmemory-samples参数修改采样数量:例:maxmemory-samples 10 maxmenory-samples配置的越大,淘汰的结果越接近于严格的LRU算法 Redis为了实现近似LRU算法,给每个key增加了一个额外增加了一个24bit的字段,用来存储该key最后一次被访问的时间。 Redis3.0对近似LRU的优化Redis3.0对近似LRU算法进行了一些优化。新算法会维护一个候选池(大小为16),池中的数据根据访问时间进行排序,第一次随机选取的key都会放入池中,随后每次随机选取的key只有在访问时间小于池中最小的时间才会放入池中,直到候选池被放满。当放满后,如果有新的key需要放入,则将池中最后访问时间最大(最近被访问)的移除。 当需要淘汰的时候,则直接从池中选取最近访问时间最小(最久没被访问)的key淘汰掉就行。 LRU算法的对比我们可以通过一个实验对比各LRU算法的准确率,先往Redis里面添加一定数量的数据n,使Redis可用内存用完,再往Redis里面添加n/2的新数据,这个时候就需要淘汰掉一部分的数据,如果按照严格的LRU算法,应该淘汰掉的是最先加入的n/2的数据。生成如下各LRU算法的对比图(图片来源): https://segmentfault.com/a/1190000017555834 你可以看到图中有三种不同颜色的点: 浅灰色是被淘汰的数据 灰色是没有被淘汰掉的老数据 绿色是新加入的数据 我们能看到Redis3.0采样数是10生成的图最接近于严格的LRU。而同样使用5个采样数,Redis3.0也要优于Redis2.8。 LFU算法LFU算法是Redis4.0里面新加的一种淘汰策略。它的全称是Least Frequently Used,它的核心思想是根据key的最近被访问的频率进行淘汰,很少被访问的优先被淘汰,被访问的多的则被留下来。 LFU算法能更好的表示一个key被访问的热度。假如你使用的是LRU算法,一个key很久没有被访问到,只刚刚是偶尔被访问了一次,那么它就被认为是热点数据,不会被淘汰,而有些key将来是很有可能被访问到的则被淘汰了。如果使用LFU算法则不会出现这种情况,因为使用一次并不会使一个key成为热点数据。 LFU一共有两种策略: volatile-lfu:在设置了过期时间的key中使用LFU算法淘汰key allkeys-lfu:在所有的key中使用LFU算法淘汰数据 设置使用这两种淘汰策略跟前面讲的一样,不过要注意的一点是这两周策略只能在Redis4.0及以上设置,如果在Redis4.0以下设置会报错 问题最后留一个小问题,可能有的人注意到了,我在文中并没有解释为什么Redis使用近似LRU算法而不使用准确的LRU算法,可以在评论区给出你的答案,大家一起讨论学习。 参考文献https://segmentfault.com/a/1190000017555834https://segmentfault.com/a/1190000016743562https://redis.io/topics/lru-cache 作者:千山qianshan juejin.cn/post/6844903927037558792 往期精选 点击标题可跳转 MySQL 中误删表数据,如何快速恢复丢失的数据? 如何重构千行“又臭又长”的类,IntelliJ IDEA 几分钟搞定,真牛逼! 为什么阿里巴巴禁止使用 Executors 创建线程池,而是通过 ThreadPoolExecutor 方式? 面试官:RabbitMQ 如何保障消息 100% 投递成功、消息幂等性? 面试官:说一说 MySQL 与 PostgreSQL 的区别,如何技术选型? Spring 循环依赖,源码详细分析,真的必须要三级缓存吗? 为什么 MySQL 不建议使用 NULL 作为列默认值? 为什么放弃使用 Hibernate、JPA、Mybatis 数据持久化框架,最终选择 JDBCTemplate! Spring Cloud+OAuth2+Spring Security+Redis 实现微服务统一认证授权,附源码 Java 中 Switch 是如何支持 String 字符串?为什么不支持 long 类型? 为什么阿里巴巴禁止开发人员 boolean 类型变量使用 isXXX 来命名? 点个赞,就知道你“在看”! |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |