Redis的高性能网络IO模型

Redis的高性能网络IO模型_Lucifer Zhao的博客-CSDN博客

Redis的持久化机制

Redis的持久化机制_Lucifer Zhao的博客-CSDN博客

Redis的过期策略

为了保证内存利用率，会把设置了过期时间并且过期的数据进行删除

惰性过期(被动过期): 通过key拿取数据时才判断是否过期

定期过期: 定期扫描，删除过期的数据

Redis的内存淘汰策略

数据全放在内存中，内存的容量是有限的，有可能存在一些无效的缓存（就是长时间不使用的缓存），如果没有设置过期时间，这些无效的缓存不光会占用内存，导致物理内存不够，还会降低IO性能，时间复杂度增加，所以针对这些问题，Redis一般通过以下方案解决：

设置过期时间
增加内存
设置内存淘汰策略

Redis安装好之后默认64位，内存没有最大限制，如果是32位系统，默认3GB

当内存达到上限时，设置值会报OOM错误，如下所示：

// 获取最大内存设置，如果返回0则代表没有限制，单位是byte
config get maxmemory
// 通过下面命令设置最大内存，如4G
config set maxmemory 4294967296

当内存达到上限时，可以设置LRU算法来释放无效的key

从设置了过期时间的key里扫描，以hash桶为维度扫描，最多扫20个key，一旦扫到某个hash桶必须扫完这个桶里的所有key，如果删除比例超过10%，会继续扫描并删除过期的key，但是最多扫描16次

Redis中提供了8种内存淘汰策略：

volatile-lru：针对设置了过期时间的key，使用LRU算法进行淘汰
allkeys-lru：针对所有key使用LRU算法进行淘汰
volatile-lfu：针对设置了过期时间的key，使用LFU算法进行淘汰
allkeys-lfu：针对所有key使用LFU算法进行淘汰
volatile-random: 从设置了过期时间的key中随机删除
allkeys-random: 从所有key中随机删除
volatile-ttl：删除生存时间最近的一个键
noeviction（默认策略）：不删除键，返回错误OOM，只能读取不能写入

通过修改 maxmemory-policy 配置来设置淘汰策略，默认noeviction

核心本质：选择哪些数据进行清理，选择什么方式去清理数据

LRU算法

Least Recently Used（最近很少使用）

LRU算法简单逻辑图

双向链表存放很久没有使用的key，hashmap定位某个节点，用来做索引方便查询；随机采集5个key，将5个key加入到双向链表中，链表不停滚动，根据key的使用频率进行排序，最少使用的key就会被移动到队尾从而移除。

LRU算法简单实现

public class LRUCache {private Node head = new Node();;private Node tail = new Node();;private HashMap<String, Node> nodeHashMap = new HashMap<>();;private final int capacity;//容量public LRUCache(int capacity) {this.capacity = capacity;head.next = tail;tail.prev = head;}public String get(String key) {Node node = nodeHashMap.get(key);if (null == node) {return null;}// 刷新当前key的位置，尾部是将被移除的很少使用的，头部是热点访问数据moveNodeToHead(node);return node.value;}// 在链表中移动node节点，可以先删除节点，然后重新添加private void moveNodeToHead(Node node) {removeNode(node);addNodeToHead(node);}private void removeNode(Node node) {if (node == tail) {tail = tail.prev;tail.next = null;} else if (node == head) {head = head.next;head.prev = null;} else {node.prev.next = node.next;node.next.prev = node.prev;}}private void addNodeToHead(Node node) {head.prev = node;node.next = head;node.prev = null;head = node;}public void put(String key, String value) {Node node = nodeHashMap.get(key);if (null == node) { //如果node不存在，则添加到链表if (nodeHashMap.size() >= capacity) { //如果hashmap已存数据长度大于容量，则移除尾部不常访问数据removeNode(tail); //移除尾部节点nodeHashMap.remove(tail.key); //将key从hashmap中移除}// 添加新的节点到头部node = new Node(key, value);nodeHashMap.put(key, node);addNodeToHead(node);} else { //如果存在，更新数据，并将热点数据移动到链表头部node.value = value;moveNodeToHead(node);}}class Node {private String key;private String value;Node prev;Node next;public Node() {}public Node(String key, String value) {this.key = key;this.value = value;}}
}