重庆小潘seo博客

当前位置:首页 > 重庆网络营销 > 小潘杂谈 >

小潘杂谈

redis数据淘汰策略详解

时间:2020-09-22 22:40:07 作者:重庆seo小潘 来源:
本文讲的是 当redis设定了最大内存之后,缓存中的数据集大小超过了一定比例,实施的淘汰策略,不是删除过期键的策略,虽然两者非常相似。(推荐:redis视频教程) 在 redis 中,允许用户设置最大使用内存大小通过配置redis.conf中的maxmemory这个值来开启内

redis数据淘汰策略详解

本文讲的是 当redis设定了最大内存之后,缓存中的数据集大小超过了一定比例,实施的淘汰策略,不是删除过期键的策略,虽然两者非常相似。(推荐:redis视频教程)

在 redis 中,允许用户设置最大使用内存大小通过配置redis.conf中的maxmemory这个值来开启内存淘汰功能,在内存限定的情况下是很有用的。

设置最大内存大小可以保证redis对外提供稳健服务。

redis 内存数据集大小上升到一定大小的时候,就会施行数据淘汰策略。redis 提供 6种数据淘汰策略通过maxmemory-policy设置策略:

volatile-lru:从已设置过期时间的数据集(server.db[i].expires)中挑选最近最少使用的数据淘汰

volatile-ttl:从已设置过期时间的数据集(server.db[i].expires)中挑选将要过期的数据淘汰

volatile-random:从已设置过期时间的数据集(server.db[i].expires)中任意选择数据淘汰

allkeys-lru:从数据集(server.db[i].dict)中挑选最近最少使用的数据淘汰

allkeys-random:从数据集(server.db[i].dict)中任意选择数据淘汰

no-enviction(驱逐):禁止驱逐数据

redis 确定驱逐某个键值对后,会删除这个数据并将这个数据变更消息发布到本地(AOF 持久化)和从机(主从连接)

LRU 数据淘汰机制

在服务器配置中保存了 lru 计数器 server.lrulock,会定时(redis 定时程序 serverCorn())更新,server.lrulock 的值是根据 server.unixtime 计算出来的。

另外,从 struct redisObject 中可以发现,每一个 redis 对象都会设置相应的 lru。可以想象的是,每一次访问数据的时候,会更新 redisObject.lru。

LRU 数据淘汰机制是这样的:在数据集中随机挑选几个键值对,取出其中 lru 最大的键值对淘汰。所以,你会发现,redis 并不是保证取得所有数据集中最近最少使用(LRU)的键值对,而只是随机挑选的几个键值对中的。// redisServer 保存了 lru 计数器struct redisServer {...unsigned lruclock:22; /* Clock incrementing every minute, for LRU */...};// 每一个 redis 对象都保存了 lru#define REDIS_LRU_CLOCK_MAX ((1<<21)-1) /* Max value of obj->lru */#define REDIS_LRU_CLOCK_RESOLUTION 10 /* LRU clock resolution in seconds */typedef struct redisObject {// 刚刚好 32 bits// 对象的类型,字符串/列表/集合/哈希表unsigned type:4;// 未使用的两个位unsigned notused:2; /* Not used */// 编码的方式,redis 为了节省空间,提供多种方式来保存一个数据// 譬如:“123456789” 会被存储为整数 123456789unsigned encoding:4;unsigned lru:22; /* lru time (relative to server.lruclock) */// 引用数int refcount;// 数据指针void *ptr;} robj;// redis 定时执行程序。联想:linux cronint serverCron(struct aeEventLoop *eventLoop, long long id, void *clientData) {....../* We have just 22 bits per object for LRU information.* So we use an (eventually wrapping) LRU clock with 10 seconds resolution.* 2^22 bits with 10 seconds resolution is more or less 1.5 years.** Note that even if this will wrap after 1.5 years it's not a problem,* everything will still work but just some object will appear younger* to Redis. But for this to happen a given object should never be touched* for 1.5 years.** Note that you can change the resolution altering the* REDIS_LRU_CLOCK_RESOLUTION define.*/updateLRUClock();......}// 更新服务器的 lru 计数器void updateLRUClock(void) {server.lruclock = (server.unixtime/REDIS_LRU_CLOCK_RESOLUTION) &REDIS_LRU_CLOCK_MAX;}TTL 数据淘汰机制

redis 数据集数据结构中保存了键值对过期时间的表,即 redisDb.expires。和 LRU 数据淘汰机制类似,TTL 数据淘汰机制是这样的:从过期时间的表中随机挑选几个键值对,取出其中 ttl 最大的键值对淘汰。

同样你会发现,redis 并不是保证取得所有过期时间的表中最快过期的键值对,而只是随机挑选的几个键值对中的。

总结

redis 每服务客户端执行一个命令的时候,会检测使用的内存是否超额。如果超额,即进行数据淘汰。// 执行命令int processCommand(redisClient *c) {......// 内存超额/* Handle the maxmemory directive.** First we try to free some memory if possible (if there are volatile* keys in the dataset). If there are not the only thing we can do* is returning an error. */if (server.maxmemory) {int retval = freeMemoryIfNeeded();if ((c->cmd->flags & REDIS_CMD_DENYOOM) && retval == REDIS_ERR) {flagTransaction(c);addReply(c, shared.oomerr);return REDIS_OK;}}......}// 如果需要,是否一些内存int freeMemoryIfNeeded(void) {size_t mem_used, mem_tofree, mem_freed;int slaves = listLength(server.slaves);// redis 从机回复空间和 AOF 内存大小不计算入 redis 内存大小/* Remove the size of slaves output buffers and AOF buffer from the* count of used memory. */mem_used = zmalloc_used_memory();// 从机回复空间大小if (slaves) {listIter li;listNode *ln;listRewind(server.slaves,&li);while((ln = listNext(&li))) {redisClient *slave = listNodeValue(ln);unsigned long obuf_bytes = getClientOutputBufferMemoryUsage(slave);if (obuf_bytes > mem_used)mem_used = 0;elsemem_used -= obuf_bytes;}}// server.aof_buf && server.aof_rewrite_buf_blocksif (server.aof_state != REDIS_AOF_OFF) {mem_used -= sdslen(server.aof_buf);mem_used -= aofRewriteBufferSize();}// 内存是否超过设置大小/* Check if we are over the memory limit. */if (mem_used <= server.maxmemory) return REDIS_OK;// redis 中可以设置内存超额策略if (server.maxmemory_policy == REDIS_MAXMEMORY_NO_EVICTION)return REDIS_ERR; /* We need to free memory, but policy forbids. *//* Compute how much memory we need to free. */mem_tofree = mem_used - server.maxmemory;mem_freed = 0;while (mem_freed < mem_tofree) {int j, k, keys_freed = 0;// 遍历所有数据集for (j = 0; j < server.dbnum; j++) {long bestval = 0; /* just to prevent warning */sds bestkey = NULL;struct dictEntry *de;redisDb *db = server.db+j;dict *dict;// 不同的策略,选择的数据集不一样if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM{dict = server.db[j].dict;} else {dict = server.db[j].expires;}// 数据集为空,继续下一个数据集if (dictSize(dict) == 0) continue;// 随机淘汰随机策略:随机挑选/* volatile-random and allkeys-random policy */if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM ||server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_RANDOM){de = dictGetRandomKey(dict);bestkey = dictGetKey(de);}// LRU 策略:挑选最近最少使用的数据/* volatile-lru and allkeys-lru policy */else if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_LRU){// server.maxmemory_samples 为随机挑选键值对次数// 随机挑选 server.maxmemory_samples个键值对,驱逐最近最少使用的数据for (k = 0; k < server.maxmemory_samples; k++) {sds thiskey;long thisval;robj *o;// 随机挑选键值对de = dictGetRandomKey(dict); // 获取键thiskey = dictGetKey(de); /* When policy is volatile-lru we need an additional lookup* to locate the real key, as dict is set to db->expires. */if (server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_LRU)de = dictFind(db->dict, thiskey);o = dictGetVal(de); // 计算数据的空闲时间thisval = estimateObjectIdleTime(o);// 当前键值空闲时间更长,则记录/* Higher idle time is better candidate for deletion */if (bestkey == NULL || thisval > bestval) {bestkey = thiskey;bestval = thisval;}}} // TTL 策略:挑选将要过期的数据/* volatile-ttl */else if (server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_TTL) {// server.maxmemory_samples 为随机挑选键值对次数// 随机挑选 server.maxmemory_samples个键值对,驱逐最快要过期的数据for (k = 0; k < server.maxmemory_samples; k++) {sds thiskey;long thisval;de = dictGetRandomKey(dict);thiskey = dictGetKey(de);thisval = (long) dictGetVal(de);/* Expire sooner (minor expire unix timestamp) is better* candidate for deletion */if (bestkey == NULL || thisval < bestval) {bestkey = thiskey;bestval = thisval;}}}// 删除选定的键值对/* Finally remove the selected key. */if (bestkey) {long long delta;robj *keyobj = createStringObject(bestkey,sdslen(bestkey));// 发布数据更新消息,主要是 AOF 持久化和从机propagateExpire(db,keyobj);// 注意, propagateExpire() 可能会导致内存的分配, propagateExpire()提前执行就是因为 redis 只计算 dbDelete() 释放的内存大小。倘若同时计算 dbDelete() 释放的内存和 propagateExpire() 分配空间的大小,与此同时假设分配空间大于释放空间,就有可能永远退不出这个循环。// 下面的代码会同时计算 dbDelete() 释放的内存和 propagateExpire() 分配空间的大小:// propagateExpire(db,keyobj);// delta = (long long) zmalloc_used_memory();// dbDelete(db,keyobj);// delta -= (long long) zmalloc_used_memory();// mem_freed += delta;//////////////////////////////////////////* We compute the amount of memory freed by dbDelete() alone.* It is possible that actually the memory needed to propagate* the DEL in AOF and replication link is greater than the one* we are freeing removing the key, but we can't account for* that otherwise we would never exit the loop.** AOF and Output buffer memory will be freed eventually so* we only care about memory used by the key space. */// 只计算 dbDelete() 释放内存的大小delta = (long long) zmalloc_used_memory();dbDelete(db,keyobj);delta -= (long long) zmalloc_used_memory();mem_freed += delta;server.stat_evictedkeys++;// 将数据的删除通知所有的订阅客户端notifyKeyspaceEvent(REDIS_NOTIFY_EVICTED, "evicted",keyobj, db->id);decrRefCount(keyobj);keys_freed++; // 将从机回复空间中的数据及时发送给从机/* When the memory to free starts to be big enough, we may* start spending so much time here that is impossible to* deliver data to the slaves fast enough, so we force the* transmission here inside the loop. */if (slaves) flushSlavesOutputBuffers();}} // 未能释放空间,且此时 redis 使用的内存大小依旧超额,失败返回if (!keys_freed) return REDIS_ERR; /* nothing to free... */}return REDIS_OK;}适用场景

下面看看几种策略的适用场景:

1、allkeys-lru: 如果我们的应用对缓存的访问符合幂律分布(也就是存在相对热点数据),或者我们不太清楚我们应用的缓存访问分布状况,我们可以选择allkeys-lru策略。

2、allkeys-random: 如果我们的应用对于缓存key的访问概率相等,则可以使用这个策略。

3、volatile-ttl: 这种策略使得我们可以向Redis提示哪些key更适合被eviction。

另外,volatile-lru策略和volatile-random策略适合我们将一个Redis实例既应用于缓存和又应用于持久化存储的时候,然而我们也可以通过使用两个Redis实例来达到相同的效果,值得一提的是将key设置过期时间实际上会消耗更多的内存,因此我们建议使用allkeys-lru策略从而更有效率的使用内存。

更多redis知识请关注redis入门教程栏目。以上就是redis数据淘汰策略详解的详细内容,更多请关注小潘博客其它相关文章!