redis内存配置以及相关策略 |
您所在的位置：网站首页 › 怎么增加服务器内存 › redis内存配置以及相关策略 |
|
redis占用内存大小
redis是基于内存的的key-value数据库，由于系统内存大小有限，我们在使用redis时可以通过配置使用redis最大的内存大小。 redis内存配置 通过配置文件配置，在redis.conf配置文件中添加一下配置配置内存大小 //设置Redis最大占用内存大小为100M maxmemory 100mb 通过命令修改，在redis服务动态运行时，通过命令进行配置 [root@iz2zeggjr0d8kt5ik151rdz bin]# redis-cli 127.0.0.1:6379> ping PONG //设置Redis最大占用内存大小为100M 127.0.0.1:6379> config set maxmemory 100mb OK //获取设置的Redis能使用的最大内存大小 127.0.0.1:6379> config get maxmemory 1) "maxmemory" 2) "104857600" 127.0.0.1:6379> redis内存策略通过设置redis的内存设置，可以有效配置redis内存大小。既然redis内存大小可以配置，那么内存用完时，redis是如何往里面添加数据的呢？ 一般来说，redis通过以下策略来处理这种情况： 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 获取设置redis内存策略 获取当前内存淘汰策略 127.0.0.1:6379> config get maxmemory-policy 1) "maxmemory-policy" 2) "noeviction" 通过配置文件设置内存淘汰策略 maxmemory-policy allkeys-lru 通过命令动态配置内存淘汰策略 127.0.0.1:6379> config set maxmemory-policy allkeys-lru OK 127.0.0.1:6379> config get maxmemory-policy 1) "maxmemory-policy" 2) "allkeys-lru" 127.0.0.1:6379> LRU算法当redis内存使用完后，是可以使用LRU算法进行淘汰的。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。 import javax.sound.midi.Soundbank; import java.util.HashMap; import java.util.Map; public class LRUCache { // 容量 private int capacity; // 当前多少节点的统计 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(); // 初始化头结点和尾结点，利用哨兵模式减少判断头部节点和尾部节点为空的代码 Node headNode = new Node(null, null); Node tailNode = new Node(null, null); headNode.next = tailNode; tailNode.pre = headNode; this.head = headNode; this.tail = tailNode; } private void removeNode(){ Node node = tail.pre; //从链表移除 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++; } public 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){ //从链表里面删除 removeFromList(node); //添加节点到头部 addToHead(node); } 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 Nodeget(k key){ Node node = nodeMap.get(key); if(node != null){ moveNodeToHead(node); } return node; } static class Node{ k key; v value; Node pre; Node next; public Node(k key, v value){ this.key = key; this.value =value; } } } LRU算法在redis中的使用redis中使用近似LRU算法：通过随机取样法进行淘汰，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 在redis中为了实现近似的LRU算法，给每个key额外添加了一个24bit的字段，用来存储改key最后一次访问时间。 redis3.0对近似LRU算法的优化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。 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keyallkeys-lfu：在所有的key中使用LFU算法淘汰数据 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |