Redis的内存淘汰策略- volatile-lru

2024-08-31 10:36

本文主要是介绍Redis的内存淘汰策略- volatile-lru,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

`volatile-lru` 策略简介

在 `volatile-lru` 策略下,当 Redis 的内存使用达到配置的上限(`maxmemory`)时,它会优先删除那些设置了过期时间的键,并且选择最近最少使用的键进行删除。LRU 算法的核心思想是,优先删除那些最近没有被访问的数据,以腾出内存空间给新数据或更常用的数据。

这种策略适用于以下场景:
- 需要优先删除临时数据的场景。
- 应用中存在大量临时数据,并希望保留那些经常访问的临时数据。
- 数据的访问频率不均匀,有明显的热点数据。

 思路与实现

1. **配置 Redis 的内存淘汰策略为 `volatile-lru`**:
   - 在 Redis 配置文件中设置 `maxmemory` 和 `maxmemory-policy` 参数。
   
2. **实现 Java 程序**:
   - 使用 Jedis(Redis 的 Java 客户端库)连接 Redis。
   - 插入带有过期时间的数据,模拟达到内存上限。
   - 演示当内存达到上限时,Redis 如何根据 `volatile-lru` 策略删除那些最近最少使用的临时键。

3. **展示 `volatile-lru` 淘汰机制**:
   - 插入不同 TTL 的数据。
   - 通过多次访问某些键,让它们成为热点数据。
   - 插入新数据,直到内存不足,观察哪些临时数据(设置了 TTL)被删除。

代码实现

 1. 添加依赖

确保您的项目包含 Jedis 依赖。对于 Maven 项目,在 `pom.xml` 中添加以下依赖项:


<dependency><groupId>redis.clients</groupId><artifactId>jedis</artifactId><version>4.3.1</version>
</dependency>

2. 配置 Redis

在 Redis 配置文件 `redis.conf` 中,确保设置内存上限和 `volatile-lru` 策略:


maxmemory 100mb  # 设置最大内存为 100MB
maxmemory-policy volatile-lru  # 设置淘汰策略为 volatile-lru

 代码示例

下面是 Java 代码,使用 Jedis 连接 Redis 并演示 `volatile-lru` 策略的效果。


import redis.clients.jedis.Jedis;
import redis.clients.jedis.exceptions.JedisDataException;public class RedisVolatileLRUExample {// Redis 连接配置private static final String REDIS_HOST = "localhost";private static final int REDIS_PORT = 6379;// 数据生成配置private static final int INITIAL_LOAD = 150000; // 初始插入数据数量private static final int TEST_LOAD = 50000;     // 测试插入数据数量private static final String VALUE_PREFIX = "value_"; // 数据前缀public static void main(String[] args) {// 初始化 Redis 连接Jedis jedis = new Jedis(REDIS_HOST, REDIS_PORT);try {// 检查当前的内存淘汰策略String maxMemoryPolicy = jedis.configGet("maxmemory-policy").get(1);System.out.println("当前 Redis 的内存淘汰策略: " + maxMemoryPolicy);if (!"volatile-lru".equals(maxMemoryPolicy)) {System.out.println("警告: 当前内存淘汰策略不是 volatile-lru,可能需要修改 redis.conf 文件。");return;}System.out.println("开始插入初始数据...");// 1. 初始加载数据,模拟大量数据插入,每个键都有不同的过期时间for (int i = 0; i < INITIAL_LOAD; i++) {String key = "key_" + i;String value = VALUE_PREFIX + i;int ttl = (i % 300) + 1; // 设置 TTL 为 1 到 300 秒之间的随机数jedis.setex(key, ttl, value); // 仅设置了过期时间的键将被考虑if (i % 10000 == 0) {System.out.println("已插入初始数据 " + i + " 条");}}System.out.println("初始数据插入完成。");// 2. 访问部分键,使其成为热点数据System.out.println("访问部分数据,使其成为热点数据...");for (int i = 0; i < 100000; i++) {String key = "key_" + (i % 100); // 反复访问前100个键jedis.get(key);}System.out.println("热点数据访问完成。");// 3. 插入更多数据,超过内存上限,触发 LRU 淘汰机制System.out.println("插入更多数据以触发 LRU 淘汰...");for (int i = INITIAL_LOAD; i < INITIAL_LOAD + TEST_LOAD; i++) {String key = "key_" + i;String value = VALUE_PREFIX + i;int ttl = (i % 300) + 1; // 设置 TTL 为 1 到 300 秒之间的随机数try {jedis.setex(key, ttl, value);} catch (JedisDataException e) {if (e.getMessage().contains("OOM")) {System.out.println("内存不足!无法插入更多数据。写操作被拒绝: " + key);break;} else {throw e; // 其他异常抛出}}if (i % 10000 == 0) {System.out.println("已插入测试数据 " + i + " 条");}}// 4. 验证哪些数据被淘汰System.out.println("验证哪些数据被淘汰...");int missCount = 0;for (int i = 0; i < INITIAL_LOAD; i++) {String key = "key_" + i;String value = jedis.get(key);if (value == null) {missCount++;}}System.out.println("初始数据中被 LRU 策略淘汰的键数量: " + missCount);} finally {// 关闭 Redis 连接jedis.close();}}
}

代码解释

1. **初始化 Redis 连接**:
   - 使用 Jedis 连接到本地 Redis 实例。

2. **检查内存淘汰策略**:
   - 使用 `jedis.configGet("maxmemory-policy")` 获取当前内存淘汰策略,确保其为 `volatile-lru`。

3. **插入初始数据**:
   - 使用一个 `for` 循环向 Redis 插入 15 万条数据,模拟达到内存上限的场景。
   - 每个键都有不同的 TTL(1 到 300 秒之间的随机数),以便模拟不同的存活时间。

4. **访问热点数据**:
   - 通过循环访问前 100 个键,使这些键成为热点数据。这样可以确保这些键不被 LRU 淘汰策略删除。

5. **插入更多数据以触发 LRU 淘汰机制**:
   - 继续插入额外的 5 万条数据,这将导致 Redis 达到内存上限并触发 `volatile-lru` 淘汰策略。Redis 会自动删除最近最少使用的临时键来释放内存。

6. **验证哪些数据被淘汰**:
   - 遍历初始插入的 15 万条数据,统计哪些键被 `volatile-lru` 策略淘汰。结果表明,较早插入且未被频繁访问的数据更可能被淘汰。

 运行代码并观察结果

在运行上述 Java 代码后,Redis 将插入大量数据。一旦内存达到配置的上限,Redis 将根据 `volatile-lru` 策略自动删除最近最少使用的临时键。这时,您可以观察到热点数据(即频繁访问的数据)仍然保留在内存中,而冷数据(即很少或从未访问的数据)被删除。

 `volatile-lru` 策略的优势和限制

优势

1. **优化缓存性能**:`volatile-lru` 策略根据数据的访问频率来淘汰临时数据,确保高频访问的临时数据留在内存中。
2. **减少内存占用**:该策略有效地管理内存占用,自动

删除不常用的临时数据,适合内存资源有限的环境。
3. **保护永久数据**:只会删除那些设置了 TTL 的键,因此持久存储的数据不会受到影响。

限制

1. **依赖数据的访问模式**:如果数据的访问模式不明显或者变化频繁,可能会导致误删。
2. **计算开销**:LRU 算法需要额外的计算资源来跟踪每个键的访问时间,可能会导致性能开销。

配置和调优

为了有效利用 `volatile-lru` 策略,您可以在 Redis 配置文件中进行适当设置:

- **设置合适的 `maxmemory`**:根据实际应用的内存需求和服务器的物理内存,合理设置 `maxmemory` 参数。
- **合理设置键的 TTL**:确保对每个键设置合理的 TTL 值,根据应用场景的不同,动态调整数据的存活时间。
- **监控内存使用情况**:通过 Redis 的 `INFO` 命令或其他监控工具,定期监控 Redis 的内存使用情况,确保内存管理策略的有效性。

总结

   Redis 的 `volatile-lru` 内存淘汰策略是一种基于 LRU(Least Recently Used,最近最少使用)算法的内存管理策略。该策略会在 Redis 内存达到上限时,从设置了过期时间(TTL, Time-To-Live)的键中选择最近最少使用的键进行删除。这种策略可以有效地管理临时数据,优先保留那些经常被访问的临时数据,而删除那些不常用的临时数据。

    Redis的内存淘汰策略之一是volatile-lru(Least Recently Used)。这种策略主要针对设置了过期时间的键(即有限时的键),它会优先淘汰最近最少使用的键。

当Redis的内存达到上限时,它会开始检查键是否过期,如果发现某些键过期了,那么就会考虑淘汰它们。在考虑淘汰的键时,Redis会优先选择最近最少使用(LRU)的键。

这种策略的优点是能够保证尽量淘汰不常使用的键,从而释放更多的内存空间给常用的键使用。同时,这种策略也不会对键的过期时间造成影响,即使一个键的过期时间即将到期,也不会因此提升其优先级。

然而,volatile-lru策略也有一些缺点。首先,它只能针对有限时的键进行淘汰,而对于永久有效的键则无效。其次,它无法根据键的价值进行淘汰,即使某些键很少使用,但如果它们存储的数据很有价值,那么这些键也可能被错误地淘汰。

volatile-lru策略是一种简单且高效的内存淘汰策略,适用于对于有限时键的场景。但在某些情况下,可能需要考虑使用其他的淘汰策略来更好地满足应用需求。

这篇关于Redis的内存淘汰策略- volatile-lru的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1123658

相关文章

NameNode内存生产配置

Hadoop2.x 系列,配置 NameNode 内存 NameNode 内存默认 2000m ,如果服务器内存 4G , NameNode 内存可以配置 3g 。在 hadoop-env.sh 文件中配置如下。 HADOOP_NAMENODE_OPTS=-Xmx3072m Hadoop3.x 系列,配置 Nam

在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

1. 单例模式(Singleton Pattern) 确保一个类只有一个实例,并提供一个全局访问点。 示例代码: class Singleton {constructor() {if (Singleton.instance) {return Singleton.instance;}Singleton.instance = this;this.data = [];}addData(value)

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

两个月冲刺软考——访问位与修改位的题型(淘汰哪一页);内聚的类型;关于码制的知识点;地址映射的相关内容

1.访问位与修改位的题型(淘汰哪一页) 访问位:为1时表示在内存期间被访问过,为0时表示未被访问;修改位:为1时表示该页面自从被装入内存后被修改过,为0时表示未修改过。 置换页面时,最先置换访问位和修改位为00的,其次是01(没被访问但被修改过)的,之后是10(被访问了但没被修改过),最后是11。 2.内聚的类型 功能内聚:完成一个单一功能,各个部分协同工作,缺一不可。 顺序内聚:

JVM内存调优原则及几种JVM内存调优方法

JVM内存调优原则及几种JVM内存调优方法 1、堆大小设置。 2、回收器选择。   1、在对JVM内存调优的时候不能只看操作系统级别Java进程所占用的内存,这个数值不能准确的反应堆内存的真实占用情况,因为GC过后这个值是不会变化的,因此内存调优的时候要更多地使用JDK提供的内存查看工具,比如JConsole和Java VisualVM。   2、对JVM内存的系统级的调优主要的目的是减少

JVM 常见异常及内存诊断

栈内存溢出 栈内存大小设置:-Xss size 默认除了window以外的所有操作系统默认情况大小为 1MB,window 的默认大小依赖于虚拟机内存。 栈帧过多导致栈内存溢出 下述示例代码,由于递归深度没有限制且没有设置出口,每次方法的调用都会产生一个栈帧导致了创建的栈帧过多,而导致内存溢出(StackOverflowError)。 示例代码: 运行结果: 栈帧过大导致栈内存

关键字synchronized、volatile的比较

关键字volatile是线程同步的轻量级实现,所以volatile性能肯定比synchronized要好,并且volatile只能修饰于变量,而synchronized可以修饰方法,以及代码块。随着JDK新版本的发布,synchronized关键字的执行效率上得到很大提升,在开发中使用synchronized关键字的比率还是比较大的。多线程访问volatile不会发生阻塞,而synchronize

Redis中使用布隆过滤器解决缓存穿透问题

一、缓存穿透(失效)问题 缓存穿透是指查询一个一定不存在的数据,由于缓存中没有命中,会去数据库中查询,而数据库中也没有该数据,并且每次查询都不会命中缓存,从而每次请求都直接打到了数据库上,这会给数据库带来巨大压力。 二、布隆过滤器原理 布隆过滤器(Bloom Filter)是一种空间效率很高的随机数据结构,它利用多个不同的哈希函数将一个元素映射到一个位数组中的多个位置,并将这些位置的值置

理解java虚拟机内存收集

学习《深入理解Java虚拟机》时个人的理解笔记 1、为什么要去了解垃圾收集和内存回收技术? 当需要排查各种内存溢出、内存泄漏问题时,当垃圾收集成为系统达到更高并发量的瓶颈时,我们就必须对这些“自动化”的技术实施必要的监控和调节。 2、“哲学三问”内存收集 what?when?how? 那些内存需要回收?什么时候回收?如何回收? 这是一个整体的问题,确定了什么状态的内存可以

NGINX轻松管理10万长连接 --- 基于2GB内存的CentOS 6.5 x86-64

转自:http://blog.chinaunix.net/xmlrpc.php?r=blog/article&uid=190176&id=4234854 一 前言 当管理大量连接时,特别是只有少量活跃连接,NGINX有比较好的CPU和RAM利用率,如今是多终端保持在线的时代,更能让NGINX发挥这个优点。本文做一个简单测试,NGINX在一个普通PC虚拟机上维护100k的HTTP