深入理解redis删除策略和淘汰策略
作者：柚子饼干
1、redis的删除策略
Redis 是一种内存级数据库，数据都存在内存中，但是针对于已经过期的数据，reids 不 会立刻删除只是会存储在 expires 中，当执行删除策略的时候，才会从 expires 中寻找对应的数据存储的地址，在存储空间中找到对应的数据进行删除。数据删除其实就是内存和 CPU 占用之间寻找平衡，CPU 才能去处理事情，针对过期数据，要进行删除的时候，一般有三种策略
2、三种删除策略
(1)、定时删除
顾名思义，给Key设置一个时间，时间到了，定时器任务立即执行删除，相当于消 耗 CPU 来减少内存使用，拿时间换空间。
优点：节约内存，到时就删除，快速释放掉不必要的内存占用 缺点：CPU 压力大，无论 CPU 此时负载量多高，都会去占用 CPU 进行 key 的删除 操作，会影响 Redis 服务器响应时间和吞吐量，是一种比较低效的方式 结论：用 CPU 性能换取内存空间，时间换空间
(2)、惰性删除
就是说，数据到达过期时间的时候，先不做处理，等到下次访问数据的时候，进行访问， 如未过期，返回数据，如过期，则删除。这就相当于节约了 CPU 但占用了内存，拿空间换 时间。
优点：不占用 CPU 节约 CPU 性能，只在获取访问 key 的时候才判断是否过期，过期 则删除，只会删除当前获取的这一个 key，其他的 key 还是保持原样
缺点：内存占用大，如果一直没有获取它，那么数据就会长期占用内存空间，当有大量 的 key 没有被使用到，也造成了大量内存浪费，对内存数据库来说，也不太友好 结论：空间换时间
(3）、定期删除
前面说的两种方案 1.时间换空间，2.空间换时间都是两个极端方法，为避免前面方案带 来的问题，Redis 引入了定期删除策略(是他们的一个比较折中的方案)周期性轮询 Redis 库中的时效性数据，采取随机抽取的策略，利用过期数据占比的方式控制删除频度。在 Redis 服务器初始化时，读取 server.hz 的值，默认值为 10。定时轮询服务器，每秒钟执行 server.hz 次 serverCron() 函数。databaseCron() 在后台轮询处理 16 个 redis 数据库的操作，如这里的过期key 的处理activeExpireCycle()，对每个数据库的 expire 空间进行检测，每次执行250ms/server.hz 随机选取一批 expire 空间的 key（redis 有 16 个数据库，从 0 号数据库开始—15号数据库） 删除这批 key 中已过期的。如果这批 key 中已过期的占比超过 25%，那么再重复执行步骤一。（循环到小于 25%结束当前数据库的删除）如果这批 key 中已过期的占比 ≤ 25%，检测下一个数据库的 expire 空间（current_db++） 用 info 命令查看相关配置参数
每秒钟执行 hz 次 serverCron(),对服务器进行定时轮询
3、三种策略对比
1:定时删除: 节约内存，无占用， 不分时段占用 CPU 资源， 频度高，拿时间换空间
2:惰性删除: 内存占用严重 延时执行， CPU 利用率高拿空间换时间
3:定期删除: 内存定期随机清理 每秒花费固定的 CPU 资源维护内存 随机抽查，重点抽查
4、淘汰/逐出策略
在 Redis 中经常会进行数据的增删查改操作，那么如果在添加数据的时候遇到了内存不足，该怎么办？在前面用的删除策略可以避免出现这种情况吗？ 实际上，在前面所说的删除策略，它针对的是 expire 命令进行的操作，也就是说那些具有时效性的数据（已经过期，并且还在占用内存的数据） 针对那些并没有过期，或者是内存中的数据没有一个带有有效期，全是永久性数据，这时候删除策略就不起作用了，所以这个时候内存满了我们再去插入数据到内存是怎么做？那就需要用到淘汰策略了。
redis 执行命令之前，都会用 freeMemoryIfNeeded()方法，检测这次内存是否充足，如果不满足加入新数据，则会执行淘汰策略（淘汰未过期的数据）
(1)、淘汰策略分类
检测带有时效性的数据进行淘汰（一般是有定时，会过期的数据的）
volatile-lru：挑选最近最少使用的数据淘汰
volatile-lfu：挑选最近使用次数最少的数据淘汰
volatile-ttl：挑选将要过期的数据淘汰
volatile-random：任意选择数据淘汰
检测全库的数据进行淘汰
allkeys-lru：挑选最近最少使用的数据淘汰
allkeLyRs-lfu：挑选最近使用次数最少的数据淘汰
allkeys-random：任意选择数据淘汰，相当于随机
到此这篇关于深入理解redis删除策略和淘汰策略的文章就介绍到这了,更多相关redis删除策略和淘汰策略内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！