LRU淘汰策略执行过程

1 介绍

Redis无论是惰性删除还是定期删除，都可能存在删除不尽的情况，无法删除完全，比如每次删除完过期的 key 还是超过 25%，且这些 key 再也不会被客户端访问。
这样的话，定期删除和堕性删除可能都彻底的清理掉。如果这种情况长时间持续下去，可能会导致内存耗尽，所以Redis必须有一个完善的内存淘汰机制来保障。这就是我们这一篇的重点，Redis内存自动淘汰机制。

2 Redis内存淘汰策略

在 redis 中总共由8种淘汰策略，默认的淘汰策略是 noeviction。

noeviction不淘汰策略(默认)
淘汰数据策略	设置过期时间的淘汰策略	valatile-random	随机淘汰算法
		volatile-ttl	淘汰失效时间最短的key
		volatile-lru	删除最近最少使用的key
		volatile-lfu	删除访问次数最少的key
	所有数据的淘汰策略	allkeys-lru	删除最近最少使用的key（全部）
		allkeys-lfu	删除访问次数最少的key（全部）
		allkey-random	随机淘汰算法（全部）

2.1 设置过期时间的淘汰策略

volatile-ttl、volatile-random、volatile-lru、volatile-lfu 这4种策略淘汰的数据范围为设置了过期时间的数据。

2.2 所有 key 的淘汰策略

allkeys-lru、allkeys-random、allkeys-lfu 这3种淘汰策略无论是否设置了过期时间，内存不足时都会进行淘汰。
也就是说无论它的过期时间到没到，都有可能被删除。

3 LRU淘汰策略执行过程

这边以LRU算法为例子讲解，它的全称是 Least Rencently Used，即将最近最久未使用的算法进行数据淘汰。
我们这边以图例来讲解，整个过程如下：

• 首先设置一个淘汰池（一个链表），假设默认大小是16，里面的数据采用末尾淘汰制。如图中
  • MRU：表示链表的表头，代表着最近最常被访问的数据；
  • LRU：表示链表的表尾，代表最近最不常使用的数据。
• 如果淘汰池中的数据被访问，则会被移动到 MRU 端，其他位置的数据则相应往后移动一位
• 每次指令操作的时候，自旋会判断当前内存是否满足指令所需要的内存
• 如果当前内存不能满足，会从淘汰池中的尾部拿取一个最适合淘汰的数据
  • 取样模式（配置 maxmemory-samples属性）从Redis中获取随机的取样数据，避免一次性读取All Key性能慢
  • 在取样的数据中，根据淘汰算法 找到最适合淘汰的数据
• 将需要淘汰的数据从Redis删除，并且从淘汰池移除

这边注意，LRU 更新和新增数据都发生在链表首，删除数据都发生在链表尾。
水果 Orange 跟 Pitaya 被访问，被移动到MRU端，新增的Mango也被插入到MRU端。而最末端的Olive则被删除。

4 算法实现

以下是使用Go语言实现Redis LRU淘汰过程的示例代码，代码注释很清楚：

package main  import (  "container/list"  "fmt"  "time"  
)  type Redis struct {  data map[string]*list.Element // 存储缓存项的键和值，以及它们在LRU链表中的位置  lru *list.List // LRU链表  
}  type cacheItem struct {  key   string  value string  // 记录该缓存项最后一次被访问的时间  lastAccess time.Time  
}  func NewRedis() *Redis {  return &Redis{  data: make(map[string]*list.Element),  lru: list.New(),  }  
}  func (r *Redis) Get(key string) (string, bool) {  // 从LRU链表中查找缓存项  if elem, ok := r.data[key]; ok {  // 将该缓存项移动到链表头部，表示最近被访问过  r.lru.MoveToFront(elem)  // 更新缓存项的最后访问时间  item := elem.Value.(*cacheItem)  item.lastAccess = time.Now()  return item.value, true  }  return "", false  
}  func (r *Redis) Set(key string, value string) {  // 从LRU链表中查找缓存项  if elem, ok := r.data[key]; ok {  // 如果缓存项存在，更新其值和最后访问时间，并将其移动到链表头部  item := elem.Value.(*cacheItem)  item.value = value  item.lastAccess = time.Now()  r.lru.MoveToFront(elem)  return  }  // 如果缓存项不存在，创建新的缓存项并将其添加到LRU链表头部  item := &cacheItem{  key:    key,  value:  value,  lastAccess: time.Now(),  }  elem := r.lru.PushFront(item)  r.data[key] = elem  // 如果缓存空间已满，执行LRU淘汰操作  for r.lru.Len() > maxItems {  // 从链表尾部查找最久未被访问的缓存项  elem := r.lru.Back()  item := elem.Value.(*cacheItem)  // 如果该缓存项的过期时间已到达，则从链表中删除该缓存项  if item.lastAccess.Add(expireTime).Before(time.Now()) {  r.lru.Remove(elem)  delete(r.data, item.key)  } else {  // 否则，只从链表中删除该缓存项  r.lru.Remove(elem)  }  }  
}

在这个示例中，我们使用了一个map来存储缓存项的键和值，以及它们在LRU链表中的位置。我们使用了一个LRU链表来存储缓存项，并按照访问时间将它们排序。在Get方法中，我们从LRU链表中查找缓存项，并将其移动到链表头部，表示最近被访问过。在Set方法中，如果缓存项已存在，我们更新其值和最后访问时间，并将其移动到链表头部；如果缓存项不存在，我们创建新的缓存项并将其添加到LRU链表头部。如果缓存空间已满，我们执行LRU淘汰操作，从链表尾部查找最久未被访问的缓存项，并从链表中删除它。注意，我们还检查了缓存项的过期时间，如果该缓存项已过期，则也会从链表中删除它。