【93期】经典面试题——Redis 内存满了怎么办?

本人花费半年的时间总结的《Java面试指南》已拿腾讯等大厂offer,已开源在github ,欢迎star!

转载声明:转载请注明出处,本技术博客是本人原创文章

本文GitHub https://github.com/OUYANGSIHAI/JavaInterview 已收录,这是我花了6个月总结的一线大厂Java面试总结,本人已拿大厂offer,欢迎star

原文链接:blog.ouyangsihai.cn >> 【93期】经典面试题——Redis 内存满了怎么办?

点击上方“Java面试题精选”,关注公众号

面试刷图,查缺补漏

号外:****往期面试题,10篇为一个单位归置到本公众号菜单栏-面试题,有需要的欢迎翻阅.

Redis占用内存大小

我们知道Redis是基于内存的key-value数据库,因为系统的内存大小有限,所以我们在使用Redis的时候可以配置Redis能使用的最大的内存大小。

1、通过配置文件配置

通过在Redis安装目录下面的redis.conf配置文件中添加以下配置设置内存大小


//设置Redis最大占用内存大小为100M
maxmemory 100mb

redis的配置文件不一定使用的是安装目录下面的redis.conf文件,启动redis服务的时候是可以传一个参数指定redis的配置文件的

2、通过命令修改

Redis支持运行时通过命令动态修改内存大小


//设置Redis最大占用内存大小为100M
127.0.0.1:6379 config set maxmemory 100mb
//获取设置的Redis能使用的最大内存大小
127.0.0.1:6379 config get maxmemory

如果不设置最大内存大小或者设置最大内存大小为0,在64位操作系统下不限制内存大小,在32位操作系统下最多使用3GB内存

Redis的内存淘汰

既然可以设置Redis最大占用内存大小,那么配置的内存就有用完的时候。那在内存用完的时候,还继续往Redis里面添加数据不就没内存可用了吗?

实际上Redis定义了几种策略用来处理这种情况:

  • noeviction(默认策略):对于写请求不再提供服务,直接返回错误(DEL请求和部分特殊请求除外)
  • allkeys-lru:从所有key中使用LRU算法进行淘汰
  • volatile-lru:从设置了过期时间的key中使用LRU算法进行淘汰
  • allkeys-random:从所有key中随机淘汰数据
  • volatile-random:从设置了过期时间的key中随机淘汰
  • volatile-ttl:在设置了过期时间的key中,根据key的过期时间进行淘汰,越早过期的越优先被淘汰
  • 当使用volatile-lru、volatile-random、volatile-ttl这三种策略时,如果没有key可以被淘汰,则和noeviction一样返回错误

    如何获取及设置内存淘汰策略

    获取当前内存淘汰策略:

    
    127.0.0.1:6379 config get maxmemory-policy
    

    通过配置文件设置淘汰策略(修改redis.conf文件):

    
    maxmemory-policy allkeys-lru
    

    通过命令修改淘汰策略:

    
    127.0.0.1:6379 config set maxmemory-policy allkeys-lru
    

    LRU算法

    什么是LRU?

    上面说到了Redis可使用最大内存使用完了,是可以使用LRU算法进行内存淘汰的,那么什么是LRU算法呢?

    LRU(Least Recently Used),即最近最少使用,是一种缓存置换算法。在使用内存作为缓存的时候,缓存的大小一般是固定的。当缓存被占满,这个时候继续往缓存里面添加数据,就需要淘汰一部分老的数据,释放内存空间用来存储新的数据。

    这个时候就可以使用LRU算法了。其核心思想是:如果一个数据在最近一段时间没有被用到,那么将来被使用到的可能性也很小,所以就可以被淘汰掉。

    使用java实现一个简单的LRU算法

    
    public class LRUCachek, v {
        //容量
        private int capacity;
        //当前有多少节点的统计
        private int count;
        //缓存节点
        private Mapk, Nodek, v nodeMap;
        private Nodek, v head;
        private Nodek, v tail;
    
        public LRUCache(int capacity) {
            if (capacity  1) {
                throw new IllegalArgumentException(String.valueOf(capacity));
            }
            this.capacity = capacity;
            this.nodeMap = new HashMap();
            //初始化头节点和尾节点,利用哨兵模式减少判断头结点和尾节点为空的代码
            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) {
            Nodek, v node = nodeMap.get(key);
            if (node == null) {
                if (count = capacity) {
                    //先移除一个节点
                    removeNode();
                }
                node = new Node(key, value);
                //添加节点
                addNode(node);
            } else {
                //移动节点到头节点
                moveNodeToHead(node);
            }
        }
    
        public Nodek, v get(k key) {
            Nodek, v node = nodeMap.get(key);
            if (node != null) {
                moveNodeToHead(node);
            }
            return node;
        }
    
        private void removeNode() {
            Node node = tail.pre;
            //从链表里面移除
            removeFromList(node);
            nodeMap.remove(node.key);
            count--;
        }
    
        private void removeFromList(Nodek, v node) {
            Node pre = node.pre;
            Node next = node.next;
    
            pre.next = next;
            next.pre = pre;
    
            node.next = null;
            node.pre = null;
        }
    
        private void addNode(Nodek, v node) {
            //添加节点到头部
            addToHead(node);
            nodeMap.put(node.key, node);
            count++;
        }
    
        private void addToHead(Nodek, v node) {
            Node next = head.next;
            next.pre = node;
            node.next = next;
            node.pre = head;
            head.next = node;
        }
    
        public void moveNodeToHead(Nodek, v node) {
            //从链表里面移除
            removeFromList(node);
            //添加节点到头部
            addToHead(node);
        }
    
        class Nodek, v {
            k key;
            v value;
            Node pre;
            Node next;
    
            public Node(k key, v value) {
                this.key = key;
                this.value = value;
            }
        }
    }
    

    上面这段代码实现了一个简单的LUR算法,代码很简单,也加了注释,仔细看一下很容易就看懂。

    LRU在Redis中的实现

    近似LRU算法

    Redis使用的是近似LRU算法,它跟常规的LRU算法还不太一样。近似LRU算法通过随机采样法淘汰数据,每次随机出5(默认)个key,从里面淘汰掉最近最少使用的key。

    可以通过maxmemory-samples参数修改采样数量:

    例: maxmemory-samples 10

    maxmenory-samples配置的越大,淘汰的结果越接近于严格的LRU算法

    Redis为了实现近似LRU算法,给每个key增加了一个额外增加了一个24bit的字段,用来存储该key最后一次被访问的时间。

    Redis3.0对近似LRU的优化

    Redis3.0对近似LRU算法进行了一些优化。新算法会维护一个候选池(大小为16),池中的数据根据访问时间进行排序,第一次随机选取的key都会放入池中,随后每次随机选取的key只有在访问时间小于池中最小的时间才会放入池中,直到候选池被放满。当放满后,如果有新的key需要放入,则将池中最后访问时间最大(最近被访问)的移除。

    当需要淘汰的时候,则直接从池中选取最近访问时间最小(最久没被访问)的key淘汰掉就行。

    LRU算法的对比

    我们可以通过一个实验对比各LRU算法的准确率,先往Redis里面添加一定数量的数据n,使Redis可用内存用完,再往Redis里面添加n/2的新数据,这个时候就需要淘汰掉一部分的数据,如果按照严格的LRU算法,应该淘汰掉的是最先加入的n/2的数据。

    生成如下各LRU算法的对比图

    【93期】经典面试题:Redis 内存满了怎么办?

    图片来源:segmentfault.com/a/1190000017555834

    你可以看到图中有三种不同颜色的点:

  • 浅灰色是被淘汰的数据
  • 灰色是没有被淘汰掉的老数据
  • 绿色是新加入的数据
  • 我们能看到Redis3.0采样数是10生成的图最接近于严格的LRU。而同样使用5个采样数,Redis3.0也要优于Redis2.8。

    LFU算法

    LFU算法是Redis4.0里面新加的一种淘汰策略。它的全称是Least Frequently Used,它的核心思想是根据key的最近被访问的频率进行淘汰,很少被访问的优先被淘汰,被访问的多的则被留下来。

    LFU算法能更好的表示一个key被访问的热度。假如你使用的是LRU算法,一个key很久没有被访问到,只刚刚是偶尔被访问了一次,那么它就被认为是热点数据,不会被淘汰,而有些key将来是很有可能被访问到的则被淘汰了。如果使用LFU算法则不会出现这种情况,因为使用一次并不会使一个key成为热点数据。

    LFU一共有两种策略:

  • volatile-lfu:在设置了过期时间的key中使用LFU算法淘汰key
  • allkeys-lfu:在所有的key中使用LFU算法淘汰数据
  • 设置使用这两种淘汰策略跟前面讲的一样,不过要注意的一点是这两周策略只能在Redis4.0及以上设置,如果在Redis4.0以下设置会报错

    问题

    最后留一个小问题,可能有的人注意到了,我在文中并没有解释为什么Redis使用近似LRU算法而不使用准确的LRU算法,可以在评论区给出你的答案,大家一起讨论学习。

    参考文献

    https://redis.io/topics/lru-cache https://segmentfault.com/a/1190000016743562 https://segmentfault.com/a/1190000017555834

    来源:juejin.im/post/5d674ac2e51d4557ca7fdd70

    最近五期

    与其在网上拼命找题?** 不如马上关注我们~**

    【93期】经典面试题:Redis 内存满了怎么办?

    原文始发于微信公众号(Java面试题精选):

    本人花费半年的时间总结的《Java面试指南》已拿腾讯等大厂offer,已开源在github ,欢迎star!

    转载声明:转载请注明出处,本技术博客是本人原创文章

    本文GitHub https://github.com/OUYANGSIHAI/JavaInterview 已收录,这是我花了6个月总结的一线大厂Java面试总结,本人已拿大厂offer,欢迎star

    原文链接:blog.ouyangsihai.cn >> 【93期】经典面试题——Redis 内存满了怎么办?


     上一篇
    【91期】面试官——Spring 用了哪些设计模式?说三种即可 【91期】面试官——Spring 用了哪些设计模式?说三种即可
    点击上方“Java面试题精选”,关注公众号 面试刷图,查缺补漏 号外:****往期面试题,10篇为一个单位归置到本公众号菜单栏-面试题,有需要的欢迎翻阅. 来源网络,整理:芋道源码 1. 策略模式 2. 工厂方法模式 3. Bui
    2021-04-05
    下一篇 
    【94期】面试官——熟悉Redis吗,项目中你是如何对Redis内存进行优化的 【94期】面试官——熟悉Redis吗,项目中你是如何对Redis内存进行优化的
    点击上方“Java面试题精选”,关注公众号 面试刷图,查缺补漏 号外:****往期面试题,10篇为一个单位归置到本公众号菜单栏-面试题,有需要的欢迎翻阅. 对于redis来说,什么是最重要的? 毋庸置疑,是内存。 一、reids 内存分析r
    2021-04-05