Redis（五）–内存淘汰机制（涉及到过期策略）

这个博客的内容包括以下几个点：
1.redis内存淘汰机制
2.若有大量的key需要设置同一时间过期，一般需要注意什么？
3.过期键删除策略
4.redis如何保证数据都是热点数据

一、redis内存淘汰机制

1，概念：

内存淘汰机制：redis配置文件可以设置maxmemory，内存的最大使用量，达到限度会执行内存淘汰机制（也就是，redis用作缓存时，若内存空间用满，就会自动驱逐老的数据）

2，redis中的内存淘汰机制：

• 没有配置时，默认为no-evication。
• volatile为前缀的策略：都是从已过期的数据集中进行淘汰
• allkeys为前缀的策略：都是面向所有的key进行淘汰
• LRU（least recently used）：最近最少用到的
• LFU（least frequently used）：最不常用的
• 他们的触发条件都是redis使用内存达到阈值时

3，淘汰策略的内部实现：

• 客户端执行一个命令，导致redis中的数据增加，占用更多的内存
• redis检查内存使用量，若超出maxmemory限制，根据策略清除部分key
• 继续执行下一条命令，以此类推

在这个过程中内存的使用量会不断地达到limit值，然后超过，然后删除部分key（使用量又降到limit以下，这样循环）

若某个命令导致大量内存占用（比如通过新key保存一个很大的set），在一段时间内，可能内存的使用量会明显超过maxmemory限制。

这里涉及到一道题：

若有大量的key需要设置同一时间过期，一般需要注意什么？

若有大量的key过期时间设置的过程中，到过期的那个时间点，redis可能会出现短暂的卡顿现象。一般需要在时间上加一个随机值，使得过期时间分散一些…

因为这个淘汰机制中会涉及到过期键的一个删除的策略，接下来就来写一写：

二、过期键删除策略：

1，过期删除策略：

redis数据库键的过期时间都保存在过期字典中，根据系统时间和存活时间判断是否过期。

redis有三种不同的删除策略：

• 1，定时删除：实现方式，创建定时器。（在设置键的过期时间的同时，创建一个定时器，让定时器在键的过期时间来临时，立即执行对键的删除操作）

• 2，惰性删除：每次获取键时，检查是否过期。（键过期了就过期了，不管。每次从dict字典中按key取值时，先检查此key是否已经过期，如果过期了就删除它，并返回nil，如果没过期，就返回键值。）

• 3，定期删除：每隔一段时间，对数据库进行一次检查，删除过期键，由算法决定删除多少过期键和检查多少数据库。

2，优缺点：

• 1，定时删除，对内存友好（通过使用定时器，定时删除策略可以保证过期键会尽可能快地被删除，并释放过期键所占用的内存），但是对cpu很不友好（因为删除操作会占用cpu的时间，如果刚好碰上了cpu很忙的时候，比如正在做交集或排序等计算的时候，就会给cpu造成额外的压力）

• 2，惰性删除，对cpu友好（程序只会在取出键时才对键进行过期检查，这可以保证删除过期键的操作只会在非做不可的情况下进行，并且删除的目标仅限于当前处理的键，这个策略不会在删除其他无关的过期键上花费任何CPU时间），对内存很不友好（如果一个键已经过期了，而这个键又仍然保留在数据库中，那么只要这个过期键不被删除，它所占用的内存就不会释放）

• 3，定期删除，是两种折中，但是，如果删除太频繁，将退化为定时删除，如果删除次数太少，将退化为惰性删除。

其实定期删除的难点是确定删除操作的时长和频率。

如果删除操作太频繁，或者执行的时间太长，定期删除策略就会退化成定时删除策略，以至于将CPU时间过多地消耗在删除过期键上面。
如果删除操作执行的太少，或者执行的时间太短，定期删除策略又会和惰性删除策略一样，出现浪费内存的情况。

因此，如果采用定期删除策略的话，服务器必须根据情况，合理地设置删除操作的执行时长和频率。

3，Redis使用的策略：

redis使用的过期键值删除策略是：惰性删除加上定期删除，两者配合使用，服务器可以很好的在合理利用CPU时间和避免浪费内存空间之间取得平衡。

三、redis如何保证数据都是热点数据

这个为什么要放到这里来写，因为这个也涉及到过期策略这个知识点。

如何保证redis中的数据都是热点数据？redis内存数据集达到一定的大小的时候，就会实现数据淘汰策略，内存中的淘汰机制的初衷就是为了 更好的使用内存。

1，先设置redis过期策略：

当设置一个key的时候，一般会给这个key设置一个过期时间（expire time），当时间到了，可以采用定期删除+惰性删除。

2，但是定期删除漏掉了很多过期key，然后又没及时去做查询，也没有走惰性删除。

此时，可能会有大量的过期的key堆积在内存中，导致内存块耗尽。这时候走内存淘汰机制。（上面写的。）

3，以上保证了删除过期+留出内存空间，但又如何确保数据是最热门的数据？

其解决方案：

（1）、热点数据排序（点击次数）：既然是热门数据，那么就需要有排序，使用redis中的zset数据类型是很自然的想法，数据中的某个唯一字段作为zset中的value，而点击次数作为score，记为click_zset，这样就可以选出做热门的数据，而数据直接用hashmap存储。

（2）、热点数据时间（近期访问）：既然只能存比如说1w条数据且需要是热门数据，那么点击次数是一方面，时效也是一方面，如何保证？=====>可以另起一个zset，数据的字段为value，而每次点击时更新当前时间戳为其score，记为time_zset，这样就可以记录时间。在后台跑一个任务，间隔一定时间段删除两个zset中长时间没有发生点击事件的键，并删除hash数据，为产生的新数据腾出数据空间。

（3）、处理新热点数据：若有空间，则保存到自己的hashmap，并将key存到两个zset中，若没有空间时，就应该在click_zset中取出点击次数排在最前的第1w位后面的键，删除对应的hash数据，然后看这1w个score的值，然后把key放入到zset中即可。