Redis—过期删除策略和内存淘汰策略

过期删除策略

如何设置过期时间

设置 key 过期时间的命令一共有 4 个：

• expire <key> <n>：设置 key 在 n 秒后过期，比如 expire key 100 表示设置 key 在 100 秒后过期；
• pexpire <key> <n>：设置 key 在 n 毫秒后过期，比如 pexpire key2 100000 表示设置 key2 在 100000 毫秒（100 秒）后过期。
• expireat <key> <n>：设置 key 在某个时间戳（精确到秒）之后过期，比如 expireat key3 1655654400 表示 key3 在时间戳 1655654400 后过期（精确到秒）；
• pexpireat <key> <n>：设置 key 在某个时间戳（精确到毫秒）之后过期，比如 pexpireat key4 1655654400000 表示 key4 在时间戳 1655654400000 后过期（精确到毫秒）

当然，在设置字符串时，也可以同时对 key 设置过期时间，共有 3 种命令：

• set <key> <value> ex <n> ：设置键值对的时候，同时指定过期时间（精确到秒）；
• set <key> <value> px <n> ：设置键值对的时候，同时指定过期时间（精确到毫秒）；
• setex <key> <n> <valule> ：设置键值对的时候，同时指定过期时间（精确到秒）。

查看key过期时间

若查询结果为-1，则表示永不过期

ttl key

取消key过期时间

persist key

如果判定key已过期

每当我们对一个 key 设置了过期时间时，Redis 会把该 key 带上过期时间存储到一个过期字典（expires dict）中，也就是说「过期字典」保存了数据库中所有 key 的过期时间。过期字典存储在 redisDb 结构中，如下：

typedef struct redisDb {dict *dict;    /* 数据库键空间，存放着所有的键值对 */dict *expires; /* 键的过期时间 */....
} redisDb;

过期字典数据结构结构如下：

• 过期字典的 key 是一个指针，指向某个键对象；
• 过期字典的 value 是一个 long long 类型的整数，这个整数保存了 key 的过期时间；

字典实际上是哈希表，哈希表的最大好处就是让我们可以用 O(1) 的时间复杂度来快速查找。当我们查询一个 key 时，Redis 首先检查该 key 是否存在于过期字典中：

• 如果不在，则正常读取键值；
• 如果存在，则会获取该 key 的过期时间，然后与当前系统时间进行比对，如果比系统时间大，那就没有过期，否则判定该 key 已过期。

过期删除策略

定时删除

定时删除策略的做法是，在设置 key 的过期时间时，同时创建一个定时事件，当时间到达时，由事件处理器自动执行 key 的删除操作。定时删除策略的优点：

• 可以保证过期 key 会被尽快删除，也就是内存可以被尽快地释放。因此，定时删除对内存是最友好的。

定时删除策略的缺点：

• 在过期 key 比较多的情况下，删除过期 key 可能会占用相当一部分 CPU 时间，在内存不紧张但 CPU 时间紧张的情况下，将 CPU 时间用于删除和当前任务无关的过期键上，无疑会对服务器的响应时间和吞吐量造成影响。所以，定时删除策略对 CPU 不友好。

惰性删除

惰性删除策略的做法是，不主动删除过期键，每次从数据库访问 key 时，都检测 key 是否过期，如果过期则删除该 key。

惰性删除策略的优点：

• 因为每次访问时，才会检查 key 是否过期，所以此策略只会使用很少的系统资源，因此，惰性删除策略对 CPU 时间最友好。

惰性删除策略的缺点：

• 如果一个 key 已经过期，而这个 key 又仍然保留在数据库中，那么只要这个过期 key 一直没有被访问，它所占用的内存就不会释放，造成了一定的内存空间浪费。所以，惰性删除策略对内存不友好。

定期删除

定期删除策略的做法是，每隔一段时间「随机」从数据库中取出一定数量的 key 进行检查，并删除其中的过期key。

定期删除策略的优点：

• 通过限制删除操作执行的时长和频率，来减少删除操作对 CPU 的影响，同时也能删除一部分过期的数据减少了过期键对空间的无效占用。

定期删除策略的缺点：

• 内存清理方面没有定时删除效果好，同时没有惰性删除使用的系统资源少。
• 难以确定删除操作执行的时长和频率。如果执行的太频繁，定期删除策略变得和定时删除策略一样，对CPU不友好；如果执行的太少，那又和惰性删除一样了，过期 key 占用的内存不会及时得到释放。

Redis过期删除策略

Redis 选择「惰性删除+定期删除」这两种策略配和使用，以求在合理使用 CPU 时间和避免内存浪费之间取得平衡。

Redis如何实现定期删除

第一种版本

1、这个间隔检查的时间是多长呢？

在 Redis 中，默认每秒进行 10 次过期检查一次数据库，此配置可通过 Redis 的配置文件 redis.conf 进行配置，配置键为 hz 它的默认值是 hz 10。特别强调下，每次检查数据库并不是遍历过期字典中的所有 key，而是从数据库中随机抽取一定数量的 key 进行过期检查。

2、随机抽查的数量是多少呢？

我查了下源码，定期删除的实现在 expire.c 文件下的 activeExpireCycle 函数中，其中随机抽查的数量由 ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP 定义的，它是写死在代码中的，数值是 20。也就是说，数据库每轮抽查时，会随机选择 20 个 key 判断是否过期。接下来，详细说说 Redis 的定期删除的流程：

1. 从过期字典中随机抽取 20 个 key；
2. 检查这 20 个 key 是否过期，并删除已过期的 key；
3. 如果本轮检查的已过期 key 的数量，超过 5 个（20/4），也就是「已过期 key 的数量」占比「随机抽取 key 的数量」大于 25%，则继续重复步骤 1；如果已过期的 key 比例小于 25%，则停止继续删除过期 key，然后等待下一轮再检查。

可以看到，定期删除是一个循环的流程。那 Redis 为了保证定期删除不会出现循环过度，导致线程卡死现象，为此增加了定期删除循环流程的时间上限，默认不会超过 25ms。

第二种版本

1. Redis 维护了一个字典结构，用于存储键和键的过期时间。字典中的每个键都会关联一个过期时间，过期时间存储在键的值中。
2. Redis 使用一个全局变量 hz 来表示每秒执行的定时器触发次数。默认情况下，hz 的值为 10，即每秒触发定时器 10 次。
3. 每当定时器触发时，Redis 会随机选择一部分键进行检查。检查的键数量由配置参数 hz 决定。
4. 对于每个被检查的键，Redis 会检查键的过期时间是否小于当前时间。如果是，则将该键标记为过期。
5. 定期删除的过程并不会立即删除过期键。而是将过期键添加到一个待删除的链表中。
6. 当执行写操作（如 GET、SET）时，Redis 会先检查待删除链表中的键是否过期。如果过期，则将其从数据结构中删除，并释放相关资源。

内存淘汰策略

过期删除策略，是删除已过期的 key，而当 Redis 的运行内存已经超过 Redis 设置的最大内存之后，则会使用内存淘汰策略删除符合条件的 key，以此来保障 Redis 高效的运行。

如何设置Redis最大运行内存

第一种版本

在配置文件 redis.conf 中，可以通过参数 maxmemory <bytes> 来设定最大运行内存，只有在 Redis 的运行内存达到了我们设置的最大运行内存，才会触发内存淘汰策略。 不同位数的操作系统，maxmemory 的默认值是不同的：

• 在 64 位操作系统中，maxmemory 的默认值是 0，表示没有内存大小限制，那么不管用户存放多少数据到 Redis 中，Redis 也不会对可用内存进行检查，直到 Redis 实例因内存不足而崩溃也无作为。
• 在 32 位操作系统中，maxmemory 的默认值是 3G，因为 32 位的机器最大只支持 4GB 的内存，而系统本身就需要一定的内存资源来支持运行，所以 32 位操作系统限制最大 3 GB 的可用内存是非常合理的，这样可以避免因为内存不足而导致 Redis 实例崩溃。

第二种版本

在 Redis 中，可以通过配置文件或在启动 Redis 时使用命令行参数来设置最大运行内存。

1. 通过配置文件设置最大运行内存：
   • 找到 Redis 的配置文件 redis.conf。
   • 在配置文件中找到 maxmemory 参数。
   • 将 maxmemory 的值设置为期望的最大运行内存大小，单位可以是字节（例如 maxmemory 1gb）或以其他更友好的格式表示（例如 maxmemory 2GB）。
   • 保存配置文件并重新启动 Redis。
2. 通过命令行参数设置最大运行内存：
   • 在启动 Redis 时，使用 --maxmemory 参数指定最大运行内存的大小。例如 redis-server --maxmemory 1gb。
   • 启动 Redis 时，还可以使用其他相关参数，如 --maxmemory-policy 来指定内存达到上限后的策略。

需要注意的是，Redis 的最大运行内存设置的是 Redis 实例可使用的最大内存大小，但实际的内存使用情况可能会略微超过该值，因为 Redis 还需要一些内存来存储数据结构和执行内部操作。在实际应用中，应根据可用的硬件资源、数据量和性能需求来设置最大运行内存。过小的内存限制可能导致数据被淘汰或频繁的内存回收操作，而过大的内存限制可能浪费资源并导致 Redis 运行不稳定。因此，需要根据实际情况进行适当的调优。

Redis内存淘汰策略

不进行数据淘汰的策略

noeviction（Redis3.0之后，默认的内存淘汰策略） ：它表示当运行内存超过最大设置内存时，不淘汰任何数据，这时如果有新的数据写入，则会触发 OOM，但是如果没用数据写入的话，只是单纯的查询或者删除操作的话，还是可以正常工作。

进行数据淘汰的策略

针对「进行数据淘汰」这一类策略，又可以细分为「在设置了过期时间的数据中进行淘汰」和「在所有数据范围内进行淘汰」这两类策略。在设置了过期时间的数据中进行淘汰：

• volatile-random：随机淘汰设置了过期时间的任意键值；
• volatile-ttl：优先淘汰更早过期的键值。
• volatile-lru（Redis3.0 之前，默认的内存淘汰策略）：淘汰所有设置了过期时间的键值中，最久未使用的键值；
• volatile-lfu（Redis 4.0 后新增的内存淘汰策略）：淘汰所有设置了过期时间的键值中，最少使用的键值；

在所有数据范围内进行淘汰：

• allkeys-random：随机淘汰任意键值;
• allkeys-lru：淘汰整个键值中最久未使用的键值；
• allkeys-lfu（Redis 4.0 后新增的内存淘汰策略）：淘汰整个键值中最少使用的键值。

查看当前内存淘汰策略

可以使用 config get maxmemory-policy 命令，来查看当前 Redis 的内存淘汰策略，命令如下：

127.0.0.1:6379> config get maxmemory-policy
1) "maxmemory-policy"
2) "noeviction"

可以看出，当前 Redis 使用的是 noeviction 类型的内存淘汰策略，它是 Redis 3.0 之后默认使用的内存淘汰策略，表示当运行内存超过最大设置内存时，不淘汰任何数据，但新增操作会报错。

修改内存淘汰策略

设置内存淘汰策略有两种方法：

• 方式一：通过“config set maxmemory-policy <策略>”命令设置。它的优点是设置之后立即生效，不需要重启 Redis 服务，缺点是重启 Redis 之后，设置就会失效。
• 方式二：通过修改 Redis 配置文件修改，设置“maxmemory-policy <策略>”，它的优点是重启 Redis 服务后配置不会丢失，缺点是必须重启 Redis 服务，设置才能生效。

LRU和LFU算法的区别

在 Redis 中，LRU（Least Recently Used，最近最少使用）和 LFU（Least Frequently Used，最不经常使用）是两种常用的缓存淘汰算法，用于在内存不足时选择合适的键进行淘汰。

下面是 LRU 和 LFU 算法的区别：

1. LRU（最近最少使用）算法：

   • 基本原理：根据键的访问时间来选择淘汰的键。当内存不足时，选择最长时间没有被访问的键进行淘汰。
   • 实现方式：Redis 使用近似 LRU 算法（Approximated LRU），通过维护一个近似 LRU 的数据结构来追踪键的访问顺序。
   • 优点：简单易懂，适用于访问模式较为均匀的场景。
   • 缺点：不能准确地追踪访问频率，对于访问模式不均匀的场景可能会导致缓存命中率下降。

2. LFU（最不经常使用）算法：

   • 基本原理：根据键的访问频率来选择淘汰的键。当内存不足时，选择访问频率最低的键进行淘汰。
   • 实现方式：Redis 使用 LFU 算法来追踪键的访问频率。每个键维护一个访问计数器，每次访问加一，当内存不足时选择计数器最低的键进行淘汰。
   • 优点：适用于访问模式不均匀的场景，能够较好地适应热点数据的访问需求。
   • 缺点：实现复杂度较高，需要维护额外的数据结构来追踪访问频率。

需要注意的是，Redis 在实现 LRU 和 LFU 算法时，可能会使用不同的近似方法或优化策略，以平衡性能和准确性。在实际应用中，可以根据访问模式和缓存需求来选择合适的算法。有时也可以结合两种算法，根据具体的业务场景以及性能需求来进行淘汰策略的选择。

Redis如何实现LRU算法

第一种版本

Redis 使用近似 LRU（Least Recently Used，最近最少使用）算法来实现缓存淘汰策略。虽然不是严格的 LRU 算法，但它在实践中表现良好，并且具有较低的复杂度。Redis 中的 LRU 算法的实现基于以下原理：

1. Redis 维护一个有序的 LRU 数据结构，通常是一个双向链表。
2. 每个键都有一个额外的字段用于记录最近访问的时间戳或计数器。
3. 当有新的键被访问时，Redis 将该键移动到链表的头部，表示最近被访问。
4. 当需要淘汰键时，Redis 会从链表的尾部选择最久未被访问的键进行淘汰。

通过上述步骤，Redis 保持了键的访问顺序，并且可以从链表的尾部选择最久未被访问的键进行淘汰。这种近似 LRU 算法能够在大多数情况下有效地淘汰长时间未被访问的键，以腾出空间。

需要注意的是，Redis 的近似 LRU 算法并不是严格按照 LRU 的定义实现的。在实际中，为了减少复杂度和内存消耗，Redis 使用了一些近似算法和优化策略。例如，Redis 可能仅在特定的访问事件或条件下更新访问时间戳，或者限制链表的长度。这些优化可以提高性能和效率，但可能会导致略微的不准确性。

需要注意的是，Redis 的 LRU 算法是在内存中执行的，当内存不足时才会触发淘汰。如果需要持久化数据，可以考虑使用 Redis 的持久化机制（如 RDB 或 AOF）来保存数据，以防止数据丢失。

总体而言，Redis 的近似 LRU 算法在大多数情况下能够很好地满足缓存淘汰的需求，并提供了良好的性能和可靠性。

第二种版本

Redis 实现的是一种近似 LRU 算法，目的是为了更好的节约内存，它的实现方式是在 Redis 的对象结构体中添加一个额外的字段，用于记录此数据的最后一次访问时间。当 Redis 进行内存淘汰时，会使用随机采样的方式来淘汰数据，它是随机取 5 个值（此值可配置），然后淘汰最久没有使用的那个。Redis 实现的 LRU 算法的优点：

• 不用为所有的数据维护一个大链表，节省了空间占用；
• 不用在每次数据访问时都移动链表项，提升了缓存的性能；

但是 LRU 算法有一个问题，无法解决缓存污染问题，比如应用一次读取了大量的数据，而这些数据只会被读取这一次，那么这些数据会留存在 Redis 缓存中很长一段时间，造成缓存污染。

Redis如何实现LFU算法

Redis 在版本 4.0 及之后的版本中，引入了对 LFU（Least Frequently Used，最不经常使用）算法的支持，以实现缓存淘汰策略。Redis 中的 LFU 算法的实现基于以下原理：

1. Redis 维护一个全局的 LFU 数据结构，用于存储所有键的访问频率信息。
2. 对每个键，Redis 使用一个计数器来记录其访问频率。
3. 每次访问一个键时，Redis 会将该键的计数器加一。
4. 当需要淘汰键时，Redis 会选择访问频率最低的键进行淘汰。

通过上述步骤，Redis 能够追踪和更新每个键的访问频率，并选择访问频率最低的键进行淘汰。这种 LFU 算法能够在缓存中保留经常被访问的热点数据，以提高缓存命中率。

需要注意的是，Redis 的 LFU 算法是一个近似算法，实际上它使用了一个叫做 “LFU-Tiny” 的实现。这种实现方式通过将计数器分为多个时间窗口，以降低计数器的复杂度和内存消耗。在使用 LFU 算法时，可以通过以下命令来启用 LFU 算法的淘汰策略：

CONFIG SET maxmemory-policy LFU

这将设置 Redis 的最大内存策略为 LFU。需要注意的是，由于 LFU 算法需要维护频率计数器和全局数据结构，可能会导致一些额外的性能开销。因此，在选择使用 LFU 算法时，需要根据实际场景和需求权衡性能和准确性。总体而言，Redis 的 LFU 算法在大多数场景下能够提供良好的缓存淘汰效果，并提高缓存命中率。