Redis缓存的淘汰策略是什么

这篇文章主要讲解了“redis缓存的淘汰策略是什么”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Redis缓存的淘汰策略是什么”吧！

专业从事成都网站建设、网站制作,高端网站制作设计,小程序设计,网站推广的成都做网站的公司。优秀技术团队竭力真诚服务，采用H5网站设计+CSS3前端渲染技术，响应式网站设计，让网站在手机、平板、PC、微信下都能呈现。建站过程建立专项小组，与您实时在线互动，随时提供解决方案，畅聊想法和感受。

Redis（Remote Dictionary Server )，即远程字典服务，是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。【相关推荐：Redis视频教程】

它具备以下的特征：

• 基于内存运行，具备高性能的特点

• 支持分布式，理论上可以无限拓展

• key-value 存储结构，查询高效

• 提供多种开发语言 API， 容易和现有的业务系统集成。

通常在业务系统种用作分布式缓存，集中式 Session 存储， 分布式锁等运用场景。

不管是本地缓存还是分布式缓存，为了保证较高性能，都是使用内存来保存数据，由于成本和内存限制，当存储的数据超过缓存容量时，需要对缓存的数据进行剔除。 一般的剔除策略有 FIFO 淘汰最早数据、LRU 剔除最近最少使用、和 LFU 剔除最近使用频率最低的数据几种策略。

Redis 缓存淘汰策略触发

在生产环境中我们是不允许 redis 出现 swap 行为的。所以一般会限制最大的使用内存，redis 提供了配置参数 maxmemory 来规定最大的使用内存。

以下配置均为合法：

maxmemory 1000KB 
maxmemory 100MB 
maxmemory 1GB 
maxmemory 0  # 表示不做限制，一般不会用

redis.conf 配置文件如下

8 种 Redis 缓存策略

• volatile-lru 设定超时时间的数据中，删除最不常用的数据；

• allkeys-lru 查询所有的key 中最不常使用的数据进行删除，这是应用最广泛的策略；

• volatile-random 在已经设定了超时的数据中随机删除；

• allkeys-random 查询所有的 key 之后随机删除；

• volatile-ttl 查询全部设定超时时间的数据，追后马上排序，将马上将要过期的数据进行删除操作；

• noeviction (默认) 如果设置为该属性，则不会进行删除操作，如果内存溢出则报错返回；

• volatile-lfu 从所有配置了过期的时间的键中驱逐使用频率最少的键；

• allkeys-lfu 从所有键中驱逐使用频率最少的键；

Redis 种的 LRU 与 LFU 算法

LRU 算法

Redis LRU 算法不是一个精确的实现。这意味着 Redis 无法选择最佳的驱逐候选者，即过去访问次数最多的访问。相反，它会尝试运行 LRU 算法的近似值，方法是对少量密钥进行采样，然后逐出采样密钥中最好的（具有最早访问时间）的密钥。

然而，从 Redis 3.0 开始，该算法得到了改进，也可以选择一些好的候选者进行驱逐。这提高了算法的性能，使其能够更接近真实 LRU 算法的行为。

Redis LRU 算法的重要之处在于，您可以通过更改样本数量来调整算法的精度，以检查每次驱逐。此参数由以下配置指令控制：

maxmemory-samples 5

Redis 之所以不使用真正的 LRU 实现，是因为它需要更多的内存。然而，对于使用 Redis 的应用程序，近似值实际上是等效的。下面是Redis使用的LRU近似与真实LRU的对比图。

生成上述图表的测试使用给定数量的键填充了 Redis 服务器。从第一个到最后一个访问密钥，因此第一个密钥是使用 LRU 算法驱逐的最佳候选者。后来又添加了 50% 的密钥，以强制驱逐一半的旧密钥。

您可以在图中看到三种点，形成三个不同的带。

• 浅灰色带是被驱逐的对象。

• 灰色带是未被驱逐的对象。

• 绿色带是添加的对象。

在理论上的 LRU 实现中，我们预计在旧密钥中，前半部分将过期。Redis LRU 算法只会在概率上使旧密钥过期。

LRU 只是一个模型，用于预测给定密钥在未来被访问的可能性。此外，如果您的数据访问模式非常类似于幂律，则大多数访问将位于 LRU 近似算法能够很好处理的键集中。

缺点：可能会存在一定时间内大量的冷数数据被访问产生大量的热点数据

LFU 算法

从 Redis 4.0 开始，可以使用新的最不常用驱逐模式。这种模式在某些情况下可能会更好（提供更好的命中率/未命中率），因为使用 LFU Redis 会尝试跟踪项目的访问频率，因此很少使用的项目会被驱逐，而经常使用的项目有更高的机会留在记忆中。

如果您认为在 LRU，最近访问过但实际上几乎从未被请求过的项目不会过期，因此风险是驱逐将来有更高机会被请求的密钥。LFU 没有这个问题，一般应该更好地适应不同的访问模式。

配置LFU模式，可以使用以下策略：

• volatile-lfu 在具有过期集的键中使用近似 LFU 驱逐。

• allkeys-lfu 使用近似 LFU 驱逐任何密钥。

LFU 类似于 LRU：它使用一个概率计数器，称为莫里斯计数器，以便仅使用每个对象的几位来估计对象访问频率，并结合衰减周期，以便计数器随着时间的推移而减少：在某些时候，我们不再希望将密钥视为经常访问的密钥，即使它们过去是这样，以便算法可以适应访问模式的转变。

这些信息的采样与 LRU 发生的情况类似（如本文档的前一部分所述），以便选择驱逐的候选人。

然而，与 LRU 不同的是，LFU 具有某些可调参数：例如，如果不再访问频繁项，它的排名应该以多快的速度降低？还可以调整 Morris 计数器范围，以便更好地使算法适应特定用例。

默认情况下，Redis 4.0 配置为：

• 在大约一百万个请求时使计数器饱和。

• 每一分钟衰减一次计数器。

这些应该是合理的值并经过实验测试，但用户可能希望使用这些配置设置以选择最佳值。

有关如何调整这些参数的说明可以redis.conf在源代码分发的示例文件中找到，但简单地说，它们是：

lfu-log-factor 10 
lfu-decay-time 1

衰减时间是显而易见的，它是计数器应该衰减的分钟数，当采样并发现它比该值更旧时。一个特殊值0意味着：每次扫描时总是衰减计数器，很少有用。

计数器对数因子会改变需要多少次命中才能使频率计数器饱和，这恰好在 0-255 的范围内。系数越高，需要越多的访问以达到最大值。根据下表，系数越低，低访问计数器的分辨率越好：

+--------+------------+------------+------------+------------+------------+
| factor | 100 hits   | 1000 hits  | 100K hits  | 1M hits    | 10M hits   |
+--------+------------+------------+------------+------------+------------+
| 0      | 104        | 255        | 255        | 255        | 255        |
+--------+------------+------------+------------+------------+------------+
| 1      | 18         | 49         | 255        | 255        | 255        |
+--------+------------+------------+------------+------------+------------+
| 10     | 10         | 18         | 142        | 255        | 255        |
+--------+------------+------------+------------+------------+------------+
| 100    | 8          | 11         | 49         | 143        | 255        |
+--------+------------+------------+------------+------------+------------+

淘汰最近一段时间被访问次数最少的数据，以次数作为参考。

缺点：

1. 最近加入的数据常常容易被剔除，因为其起始方法次数比较少，

2. 如果频率时间度量为 1 个小时，则平均一天每个小时内访问频率 1000 的热点数据可能会被 2个小时的一段时间访问的频率为 1001 的数据剔除掉。可能会出现一些临界值的数据。

缓存策略设置建议

建议：了解Redis 的淘汰策略之后，在平时使用尽量主动设置/更新 key 的 expire 时间主动剔除不活跃的旧数据， 有助于提升查询性能

感谢各位的阅读，以上就是“Redis缓存的淘汰策略是什么”的内容了，经过本文的学习后，相信大家对Redis缓存的淘汰策略是什么这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！