面試被問：Redis內(nèi)存滿了怎么辦？
Redis占用內(nèi)存大小
我們知道Redis是基于內(nèi)存的key-value數(shù)據(jù)庫，因為系統(tǒng)的內(nèi)存大小有限，所以我們在使用Redis的時候可以配置Redis能使用的最大的內(nèi)存大小。
1、通過配置文件配置
通過在Redis安裝目錄下面的redis.conf配置文件中添加以下配置設(shè)置內(nèi)存大小
- //設(shè)置Redis最大占用內(nèi)存大小為100M
- maxmemory 100mb
redis的配置文件不一定使用的是安裝目錄下面的redis.conf文件，啟動redis服務的時候是可以傳一個參數(shù)指定redis的配置文件的
2、通過命令修改
Redis支持運行時通過命令動態(tài)修改內(nèi)存大小
- //設(shè)置Redis最大占用內(nèi)存大小為100M
- 127.0.0.1:6379> config set maxmemory 100mb
- //獲取設(shè)置的Redis能使用的最大內(nèi)存大小
- 127.0.0.1:6379> config get maxmemory
如果不設(shè)置最大內(nèi)存大小或者設(shè)置最大內(nèi)存大小為0，在64位操作系統(tǒng)下不限制內(nèi)存大小，在32位操作系統(tǒng)下最多使用3GB內(nèi)存
Redis的內(nèi)存淘汰
既然可以設(shè)置Redis最大占用內(nèi)存大小，那么配置的內(nèi)存就有用完的時候。那在內(nèi)存用完的時候，還繼續(xù)往Redis里面添加數(shù)據(jù)不就沒內(nèi)存可用了嗎？
實際上Redis定義了幾種策略用來處理這種情況：
- noeviction(默認策略)：對于寫請求不再提供服務，直接返回錯誤（DEL請求和部分特殊請求除外）
- allkeys-lru：從所有key中使用LRU算法進行淘汰
- volatile-lru：從設(shè)置了過期時間的key中使用LRU算法進行淘汰
- allkeys-random：從所有key中隨機淘汰數(shù)據(jù)
- volatile-random：從設(shè)置了過期時間的key中隨機淘汰
- volatile-ttl：在設(shè)置了過期時間的key中，根據(jù)key的過期時間進行淘汰，越早過期的越優(yōu)先被淘汰
當使用volatile-lru、volatile-random、volatile-ttl這三種策略時，如果沒有key可以被淘汰，則和noeviction一樣返回錯誤
如何獲取及設(shè)置內(nèi)存淘汰策略
獲取當前內(nèi)存淘汰策略：
- 127.0.0.1:6379> config get maxmemory-policy
通過配置文件設(shè)置淘汰策略（修改redis.conf文件）：
- maxmemory-policy allkeys-lru
通過命令修改淘汰策略：
- 127.0.0.1:6379> config set maxmemory-policy allkeys-lru
LRU算法
什么是LRU?
上面說到了Redis可使用最大內(nèi)存使用完了，是可以使用LRU算法進行內(nèi)存淘汰的，那么什么是LRU算法呢？
LRU(Least Recently Used)，即最近最少使用，是一種緩存置換算法。
在使用內(nèi)存作為緩存的時候，緩存的大小一般是固定的。當緩存被占滿，這個時候繼續(xù)往緩存里面添加數(shù)據(jù)，就需要淘汰一部分老的數(shù)據(jù)，釋放內(nèi)存空間用來存儲新的數(shù)據(jù)。
這個時候就可以使用LRU算法了。其核心思想是：如果一個數(shù)據(jù)在最近一段時間沒有被用到，那么將來被使用到的可能性也很小，所以就可以被淘汰掉。
使用java實現(xiàn)一個簡單的LRU算法
- public class LRUCache<k, v> {
- //容量
- private int capacity;
- //當前有多少節(jié)點的統(tǒng)計
- private int count;
- //緩存節(jié)點
- private Map<k, node> nodeMap;
- private Node head;
- private Node tail;
- public LRUCache(int capacity) {
- if (capacity < 1) {
- throw new IllegalArgumentException(String.valueOf(capacity));
- }
- this.capacity = capacity;
- this.nodeMap = new HashMap<>();
- //初始化頭節(jié)點和尾節(jié)點，利用哨兵模式減少判斷頭結(jié)點和尾節(jié)點為空的代碼
- Node headNode = new Node(null, null);
- Node tailNode = new Node(null, null);
- headNode.next = tailNode;
- tailNode.pre = headNode;
- this.head = headNode;
- this.tail = tailNode;
- }
- public void put(k key, v value) {
- Node node = nodeMap.get(key);
- if (node == null) {
- if (count >= capacity) {
- //先移除一個節(jié)點
- removeNode();
- }
- node = new Node<>(key, value);
- //添加節(jié)點
- addNode(node);
- } else {
- //移動節(jié)點到頭節(jié)點
- moveNodeToHead(node);
- }
- }
- public Node get(k key) {
- Node node = nodeMap.get(key);
- if (node != null) {
- moveNodeToHead(node);
- }
- return node;
- }
- private void removeNode() {
- Node node = tail.pre;
- //從鏈表里面移除
- removeFromList(node);
- nodeMap.remove(node.key);
- count--;
- }
- private void removeFromList(Node node) {
- Node pre = node.pre;
- Node next = node.next;
- pre.next = next;
- next.pre = pre;
- node.next = null;
- node.pre = null;
- }
- private void addNode(Node node) {
- //添加節(jié)點到頭部
- addToHead(node);
- nodeMap.put(node.key, node);
- count++;
- }
- private void addToHead(Node node) {
- Node next = head.next;
- next.pre = node;
- node.next = next;
- node.pre = head;
- head.next = node;
- }
- public void moveNodeToHead(Node node) {
- //從鏈表里面移除
- removeFromList(node);
- //添加節(jié)點到頭部
- addToHead(node);
- }
- class Node<k, v> {
- k key;
- v value;
- Node pre;
- Node next;
- public Node(k key, v value) {
- this.key = key;
- this.value = value;
- }
- }
- }
上面這段代碼實現(xiàn)了一個簡單的LUR算法，代碼很簡單，也加了注釋，仔細看一下很容易就看懂。
LRU在Redis中的實現(xiàn)
近似LRU算法
Redis使用的是近似LRU算法，它跟常規(guī)的LRU算法還不太一樣。
近似LRU算法通過隨機采樣法淘汰數(shù)據(jù)，每次隨機出5（默認）個key，從里面淘汰掉最近最少使用的key。
可以通過maxmemory-samples參數(shù)修改采樣數(shù)量：例：maxmemory-samples 10 maxmenory-samples配置的越大，淘汰的結(jié)果越接近于嚴格的LRU算法
Redis為了實現(xiàn)近似LRU算法，給每個key增加了一個額外增加了一個24bit的字段，用來存儲該key最后一次被訪問的時間。
Redis3.0對近似LRU的優(yōu)化
Redis3.0對近似LRU算法進行了一些優(yōu)化。新算法會維護一個候選池（大小為16），池中的數(shù)據(jù)根據(jù)訪問時間進行排序，第一次隨機選取的key都會放入池中
隨后每次隨機選取的key只有在訪問時間小于池中最小的時間才會放入池中，直到候選池被放滿。
當放滿后，如果有新的key需要放入，則將池中最后訪問時間最大（最近被訪問）的移除。
當需要淘汰的時候，則直接從池中選取最近訪問時間最?。ㄗ罹脹]被訪問）的key淘汰掉就行。
LRU算法的對比
我們可以通過一個實驗對比各LRU算法的準確率，先往Redis里面添加一定數(shù)量的數(shù)據(jù)n，使Redis可用內(nèi)存用完，再往Redis里面添加n/2的新數(shù)據(jù)，這個時候就需要淘汰掉一部分的數(shù)據(jù)
如果按照嚴格的LRU算法，應該淘汰掉的是最先加入的n/2的數(shù)據(jù)。
生成如下各LRU算法的對比圖（圖片來源）：
你可以看到圖中有三種不同顏色的點：
- 淺灰色是被淘汰的數(shù)據(jù)
- 灰色是沒有被淘汰掉的老數(shù)據(jù)
- 綠色是新加入的數(shù)據(jù)
我們能看到Redis3.0采樣數(shù)是10生成的圖最接近于嚴格的LRU。而同樣使用5個采樣數(shù)，Redis3.0也要優(yōu)于Redis2.8。
LFU算法
LFU算法是Redis4.0里面新加的一種淘汰策略。它的全稱是Least Frequently Used
它的核心思想是根據(jù)key的最近被訪問的頻率進行淘汰，很少被訪問的優(yōu)先被淘汰，被訪問的多的則被留下來。
LFU算法能更好的表示一個key被訪問的熱度。假如你使用的是LRU算法，一個key很久沒有被訪問到，只剛剛是偶爾被訪問了一次，那么它就被認為是熱點數(shù)據(jù)，不會被淘汰，而有些key將來是很有可能被訪問到的則被淘汰了。
如果使用LFU算法則不會出現(xiàn)這種情況，因為使用一次并不會使一個key成為熱點數(shù)據(jù)。
LFU一共有兩種策略：
- volatile-lfu：在設(shè)置了過期時間的key中使用LFU算法淘汰key
- allkeys-lfu：在所有的key中使用LFU算法淘汰數(shù)據(jù)
設(shè)置使用這兩種淘汰策略跟前面講的一樣，不過要注意的一點是這兩周策略只能在Redis4.0及以上設(shè)置，如果在Redis4.0以下設(shè)置會報錯
問題
最后留一個小問題，可能有的人注意到了，我在文中并沒有解釋為什么Redis使用近似LRU算法而不使用準確的LRU算法。
關(guān)于這個問題，大家可以打開腦洞思考一下，一起討論學習。
