面试官问：Redis 内存满了怎么办？我想不到！

た入场券 2021-08-19 14:00 391阅读 0赞

点击上方 [Java后端][Java]，选择 设为星标

优质文章，及时送达

![format_png][]

来源：https://tinyurl.com/y6qctca6

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 复制代码

> 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 复制代码

> 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** #####

publicclassLRUCache<k, v> { //容量 
       
        privateint capacity; //当前有多少节点的统计 privateint count; //缓存节点 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 = 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) { //先移除一个节点 removeNode(); } node = newNode<>(key, value); //添加节点 addNode(node); } else{ //移动节点到头节点 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; //从链表里面移除 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) { //添加节点到头部 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) { //从链表里面移除 removeFromList(node); //添加节点到头部 addToHead(node); } classNode<k, v> { k key; v value; Node pre; Nodenext; publicNode(k key, v value) { this.key = key; this.value = value; } } } 复制代码

> 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（\[图片来源\]![format_png 1][]

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。

来源：https://tinyurl.com/y6qctca6
       
        【END】 如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「web_resource」，关注后回复「进群」或者扫描下方二维码即可进入无广告交流群。 ↓扫描二维码进群↓ 
       
        推荐阅读  1. 一文掌握 Redis 常用知识点 - 图文结合 2. 面试官：讲一下 Mybatis 初始化原理 3. 我们再来聊一聊 Java 的单例吧 4.  我采访了一位 Pornhub 工程师 5.  团队开发中 Git 最佳实践 喜欢文章，点个在看

[Java]: https://blog.csdn.net/qq_37217713/article/details/101445094
[format_png]: /images/20210731/8793b611fb284f3fabd3216ab64cc95b.png
[format_png 1]: /images/20210731/1d1f763845194b64acfdfff5582d74d3.png