共計(jì) 4400 個(gè)字符，預(yù)計(jì)需要花費(fèi) 11 分鐘才能閱讀完成。
這篇文章主要講解了“如何解決 Redis 內(nèi)存數(shù)據(jù)滿了導(dǎo)致宕機(jī)問題”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著丸趣 TV 小編的思路慢慢深入，一起來研究和學(xué)習(xí)“如何解決 Redis 內(nèi)存數(shù)據(jù)滿了導(dǎo)致宕機(jī)問題”吧！
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?yàn)橄到y(tǒng)的內(nèi)存大小有限，所以我們?cè)谑褂?Redis 的時(shí)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 100mbredis 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(dòng) redis 服務(wù)的時(shí)候是可以傳一個(gè)參數(shù)指定 redis 的配置文件的
2、通過命令修改
Redis 支持運(yùn)行時(shí)通過命令動(dòng)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(shí)候。那在內(nèi)存用完的時(shí)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(shí)際上 Redis 定義了幾種策略用來處理這種情況：
noeviction(默認(rèn)策略)：對(duì)于寫請(qǐng)求不再提供服務(wù)，直接返回錯(cuò)誤（DEL 請(qǐng)求和部分特殊請(qǐng)求除外）
allkeys-lru：從所有 key 中使用 LRU 算法進(jìn)行淘汰
volatile-lru：從設(shè)置了過期時(shí)間的 key 中使用 LRU 算法進(jìn)行淘汰
allkeys-random：從所有 key 中隨機(jī)淘汰數(shù)據(jù)
volatile-random：從設(shè)置了過期時(shí)間的 key 中隨機(jī)淘汰
volatile-ttl：在設(shè)置了過期時(shí)間的 key 中，根據(jù) key 的過期時(shí)間進(jìn)行淘汰，越早過期的越優(yōu)先被淘汰
當(dāng)使用 volatile-lru、volatile-random、volatile-ttl 這三種策略時(shí)，如果沒有 key 可以被淘汰，則和 noeviction 一樣返回錯(cuò)誤
如何獲取及設(shè)置內(nèi)存淘汰策略
獲取當(dāng)前內(nèi)存淘汰策略：
127.0.0.1:6379 config get maxmemory-policy 復(fù)制代碼 通過配置文件設(shè)置淘汰策略（修改 redis.conf 文件）：
maxmemory-policy allkeys-lru 復(fù)制代碼 通過命令修改淘汰策略：
127.0.0.1:6379 config set maxmemory-policy allkeys-lruLRU 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(jìn)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(shí)候，緩存的大小一般是固定的。當(dāng)緩存被占滿，這個(gè)時(shí)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(chǔ)新的數(shù)據(jù)。這個(gè)時(shí)候就可以使用 LRU 算法了。其核心思想是：如果一個(gè)數(shù)據(jù)在最近一段時(shí)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(shí)現(xiàn)一個(gè)簡(jiǎn)單的 LRU 算法
publicclassLRUCache k, v { // 容量 privateint capacity; // 當(dāng)前有多少節(jié)點(diǎn)的統(tǒng)計(jì) privateint count; // 緩存節(jié)點(diǎn) privateMap k, Node k, v nodeMap; privateNode k, v head; privateNode k, v tail; publicLRUCache(int capacity) { if(capacity 1) { thrownewIllegalArgumentException(String.valueOf(capacity)); } this.capacity = capacity; this.nodeMap = newHashMap (); // 初始化頭節(jié)點(diǎn)和尾節(jié)點(diǎn)，利用哨兵模式減少判斷頭結(jié)點(diǎn)和尾節(jié)點(diǎn)為空的代碼 Node headNode = newNode(null, null); Node tailNode = newNode(null, null); headNode.next= tailNode; tailNode.pre = headNode; this.head = headNode; this.tail = tailNode; } publicvoid put(k key, v value) { Node k, v node = nodeMap.get(key); if(node == null) { if(count = capacity) { // 先移除一個(gè)節(jié)點(diǎn) removeNode(); } node = newNode (key, value); // 添加節(jié)點(diǎn) addNode(node); } else{ // 移動(dòng)節(jié)點(diǎn)到頭節(jié)點(diǎn) moveNodeToHead(node); } } publicNode k, v get(k key) { Node k, v node = nodeMap.get(key); if(node != null) { moveNodeToHead(node); } return node; } privatevoid removeNode() { Node node = tail.pre; // 從鏈表里面移除 removeFromList(node); nodeMap.remove(node.key); count--; } privatevoid removeFromList(Node k, v node) { Node pre = node.pre; Nodenext= node.next; pre.next= next; next.pre = pre; node.next= null; node.pre = null; } privatevoid addNode(Node k, v node) { // 添加節(jié)點(diǎn)到頭部 addToHead(node); nodeMap.put(node.key, node); count++; } privatevoid addToHead(Node k, v node) { Nodenext= head.next; next.pre = node; node.next= next; node.pre = head; head.next= node; } publicvoid moveNodeToHead(Node k, v node) { // 從鏈表里面移除 removeFromList(node); // 添加節(jié)點(diǎn)到頭部 addToHead(node); } classNode k, v { k key; v value; Node pre; Nodenext; publicNode(k key, v value) { this.key = key; this.value = value; } } }上面這段代碼實(shí)現(xiàn)了一個(gè)簡(jiǎn)單的 LUR 算法，代碼很簡(jiǎn)單，也加了注釋，仔細(xì)看一下很容易就看懂。
LRU 在 Redis 中的實(shí)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(jī)采樣法淘汰數(shù)據(jù)，每次隨機(jī)出 5（默認(rèn)）個(gè) 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(yán)格的 LRU 算法
Redis 為了實(shí)現(xiàn)近似 LRU 算法，給每個(gè) key 增加了一個(gè)額外增加了一個(gè) 24bit 的字段，用來存儲(chǔ)該 key 最后一次被訪問的時(shí)間。
Redis3.0 對(duì)近似 LRU 的優(yōu)化
Redis3.0 對(duì)近似 LRU 算法進(jìn)行了一些優(yōu)化。新算法會(huì)維護(hù)一個(gè)候選池（大小為 16），池中的數(shù)據(jù)根據(jù)訪問時(shí)間進(jìn)行排序，第一次隨機(jī)選取的 key 都會(huì)放入池中，隨后每次隨機(jī)選取的 key 只有在訪問時(shí)間小于池中最小的時(shí)間才會(huì)放入池中，直到候選池被放滿。當(dāng)放滿后，如果有新的 key 需要放入，則將池中最后訪問時(shí)間最大（最近被訪問）的移除。
當(dāng)需要淘汰的時(shí)候，則直接從池中選取最近訪問時(shí)間最小（最久沒被訪問）的 key 淘汰掉就行。
LRU 算法的對(duì)比
我們可以通過一個(gè)實(shí)驗(yàn)對(duì)比各 LRU 算法的準(zhǔn)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(gè)時(shí)候就需要淘汰掉一部分的數(shù)據(jù)，如果按照嚴(yán)格的 LRU 算法，應(yīng)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(duì)比圖
你可以看到圖中有三種不同顏色的點(diǎn)：
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(yán)格的 LRU。而同樣使用 5 個(gè)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(jìn)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(gè) key 被訪問的熱度。假如你使用的是 LRU 算法，一個(gè) 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(rèn)為是熱點(diǎn)數(shù)據(jù)，不會(huì)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(huì)出現(xiàn)這種情況，因?yàn)槭褂靡淮尾⒉粫?huì)使一個(gè) key 成為熱點(diǎn)數(shù)據(jù)。
LFU 一共有兩種策略：
volatile-lfu：在設(shè)置了過期時(shí)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(diǎn)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(huì)報(bào)錯(cuò)
感謝各位的閱讀，以上就是“如何解決 Redis 內(nèi)存數(shù)據(jù)滿了導(dǎo)致宕機(jī)問題”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)如何解決 Redis 內(nèi)存數(shù)據(jù)滿了導(dǎo)致宕機(jī)問題這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是丸趣 TV，丸趣 TV 小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！
