【Redis学习笔记】第八章 Redis删除策略

小灰灰 2024-04-08 10:23 92阅读 0赞

#### 文章目录 ####

*  1、过期数据
 *  2、数据删除策略--针对有时效性的数据
 *  3、逐出算法---与数据是否有时效性无关

![在这里插入图片描述][5f8b36210e444a53b1fed7be668e5c5c.png]

--------------------

## 1、过期数据 ##

`Redis是一种内存级数据库，所有数据均存放在内存中，内存中的数据可以通过TTL指令获取其状态：`

*  xx某数值：具有时效性的数据
 *  \-1 ：永久有效的数据
 *  \-2 ：已经过期的数据 或 被删除的数据 或 未定义的数据

![在这里插入图片描述][822bedb5c3ff4c2fbce4914cf329934d.png]

过期数据会立即被删除吗？  
![在这里插入图片描述][fa04a0ff803a4f338c2bced2598c57c4.png]  
这与我们设置的删除策略有关（定时删除、惰性删除、定期删除）  
![在这里插入图片描述][13fdf5233fa34889b03a4dc8a872c698.png]

## 2、数据删除策略–针对有时效性的数据 ##

Redis中，具有时效性的数据的存储结构如下：  
![在这里插入图片描述][5bdd949a27d64e8ea4cec05bc81f8b89.png]

`数据删除策略，通俗的说就是CPU忙的时候别添乱，CPU不忙的时候去维护一下，把过期的处理掉。为的是在内存占用和CPU占用之间找到一种平衡`，顾此失彼则会导致Redis性能的下降甚至服务器宕机。

> 2.1 定时删除

创建一个定时器，当key设置的过期时间到了的时候，由定时器任务立即进行删除  
![在这里插入图片描述][da372c6e6d624786a431fb733665262f.png]  
![在这里插入图片描述][db5a59fdeaa14c9b925ad5fe3df0fbaa.png]

![在这里插入图片描述][93c91fb8d6974b65a8ae84bf972b146c.png]

**优点：**  
节省内存，到点就删除

**缺点：**  
CPU压力大，不管此时CPU忙不忙，到点干活儿，会影响Redis服务器的响应时间以及指令的吞吐

**总结：**  
用CPU的性能换取存储空间（用时间换空间）

> 2.2 惰性删除

数据到达过期时间也不做处理，等下次访问这个数据的时候，若未过期，则返回数据。若过期，则删除并返回不存在。

![在这里插入图片描述][6b8271b46d004f18bbde06b9d1e44fe9.png]

![在这里插入图片描述][5afb6b9d55904b8f9bbaac59589bf323.png]

**优点：**  
节省CPU性能，发现必须删除的时候才删除

**缺点：**  
内存压力大，出现长期占用内存的数据

**总结：**  
用存储空间换取CPU性能（拿空间换时间）

> 2.3 定期删除

`周期性轮询redis库中的时效性数据，采用随机抽取的策略，利用过期数据占比的方式控制删除频度.`

示意图中展示了8个redis的库，expires\[\*\]即每个库中设置有时效性的值，定期删除的实现步骤如下：  
![在这里插入图片描述][56075bc779a24aabb044d82800654783.png]

*  Redis启动服务器初始化时，读取配置文件中\#server中的 hz 的值，默认为10
 *  每秒钟执行 hz 次`serverCron()`\---->其中的`databasesCron()`负责对每个库进行轮询—>再对每个库进行activeExpireCycle()
 *  `activeExpireCycle()`对每个expires\[\*\]逐一进行检测，每次执行250ms/server.hz
 *  对每个expires\[\*\]进行检测，随机挑选其中的W个key来检测
 *  删除超时的key，如果一轮中删除的`key的数量 > W*25%`（说明这个库有时效性的数据中过期比例高，`需要重点清理`），则对这个库继续循环这两步
 *  如果一轮中删除的`key的数量 <= W*25%`，则说明这个库过期数据相对较少，去检查下一个库的expires\[\*\]，共0-15号库  
    ![在这里插入图片描述][9f76ba52fa5e4f039c737e0485eb5242.png]

注：

*  W取值=ACTIVE\_EXPIRE\_CYCLE\_LOOKUPS\_PER\_LOOP属性值
 *  参数current\_db用于记录activeExpireCycle() 进入哪个expires\[\*\] 执行，若activeExpireCycle()执行时间到期，下次从current\_db继续向下执行

**特点：**

CPU性能占用设置有峰值，检测频度可自定义设置。内存压力不是很大，长期占用内存的冷数据会被持续清理。

**总结：**

周期性抽查存储空间（随机抽查，重点抽查）

三种删除策略对比如下：

<table> 
 <thead> 
  <tr> 
   <th>策略</th> 
   <th>内存</th> 
   <th>CPU</th> 
   <th>总结</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>定时删除</td> 
   <td>节约内存，无占用</td> 
   <td>不分时段占用CPU资源，频度高</td> 
   <td>拿时间换空间</td> 
  </tr> 
  <tr> 
   <td>惰性删除</td> 
   <td>内存占用严重</td> 
   <td>延时执行，CPU利用率高</td> 
   <td>拿空间换时间</td> 
  </tr> 
  <tr> 
   <td>定期删除</td> 
   <td>内存定期随机清理</td> 
   <td>每秒花费固定的CPU资源维护内存</td> 
   <td>随机抽查、重点抽查</td> 
  </tr> 
 </tbody> 
</table>

## 3、逐出算法—与数据是否有时效性无关 ##

**3.1 概念**

> Redis使用内存存储数据，在执行每一个命令前，会调用`freeMemoryIfNeeded()`检测内存是否充足。如果内存不满足新加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理存储空间。清理数据的策略称为逐出算法

**注：**  
逐出数据后，若还没清理出足够的空间，则反复执行，当所有数据尝试完毕后，还没达到要求的空间，则抛错：  
![在这里插入图片描述][763c1a3d320f4b70a329a35c744f44a2.png]  
  
  
**3.2 配置文件中的相关参数**

*  maxmemory  
    最大可使用内存，占用物理内存的比例，默认为0，表示不限制
 *  maxmemory-samples  
    每次选取的待删除的数据的个数。逐出算法选数据并不是全盘扫描，而是随机获取。这个值过小，则导致每次逐出算法反复执行，过大则导致严重的性能消耗
 *  maxmemory-policy  
    达到最大内存后的，对被挑选出来的数据进行删除的策略

`maxmemory-policy可选`：

*  检测易失数据（可能会过期的数据集server.db\[i\].expires ）  
    ① volatile-lru：挑选最近最少使用的数据淘汰, Least Recently Used  
    ② volatile-lfu：挑选最近使用次数最少的数据淘汰, Least Frequently Used  
    ③ volatile-ttl：挑选将要过期的数据淘汰  
    ④ volatile-random：任意选择数据淘汰  
    ![在这里插入图片描述][da607a8392f24d4ea68a3485c21526a5.png]  
    通俗的说：`LRU就是最近好几天没来上班的人，LFU就是来上班了但是用处很少的人`  
      
    
 *  检测全库数据（所有数据集server.db\[i\].dict ）  
    ⑤ allkeys-lru：挑选最近最少使用的数据淘汰  
    ⑥ allkeys-lfu：挑选最近使用次数最少的数据淘汰  
    ⑦ allkeys-random：任意选择数据淘汰
 *  放弃数据驱逐  
    ⑧ no-enviction（驱逐）：  
    禁止驱逐数据（redis4.0中默认策略），会引发错误OOM（Out Of Memory）

以上八种策略的选择：

使用info指令，查询缓存 hit 和 miss （命中和丢失）的次数，根据业务需求调优Redis配置

![在这里插入图片描述][3827aa290081437e9a532045e2f6d8a9.png]

[5f8b36210e444a53b1fed7be668e5c5c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/9f701fe2126946f2a0be6056f2faa330.png
[822bedb5c3ff4c2fbce4914cf329934d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/dcbd6f66efac438a846c34a78358afdb.png
[fa04a0ff803a4f338c2bced2598c57c4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/020fb387820f4f45b1199a931dd21b13.png
[13fdf5233fa34889b03a4dc8a872c698.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/e3233bf245224dc9a7112b27f9b05b2e.png
[5bdd949a27d64e8ea4cec05bc81f8b89.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/4b2b04f180884e119493da776e92d9bc.png
[da372c6e6d624786a431fb733665262f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/9ef5d07b213b4c458deff3f7ea98e9d0.png
[db5a59fdeaa14c9b925ad5fe3df0fbaa.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/614733a1ade9415c9b2c7941391c4240.png
[93c91fb8d6974b65a8ae84bf972b146c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/c918b864c64948e9b1994121feaa35ff.png
[6b8271b46d004f18bbde06b9d1e44fe9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/f98712591a104849b1018bde495f6e53.png
[5afb6b9d55904b8f9bbaac59589bf323.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/86d3c1ce66c44bcf82a2ca77c157fa21.png
[56075bc779a24aabb044d82800654783.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/f4290d95ca3042b987f5dc974f703cc6.png
[9f76ba52fa5e4f039c737e0485eb5242.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/1b785894b7e8492fa38b7786e40c68a0.png
[763c1a3d320f4b70a329a35c744f44a2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/e9dcfc9abb834dd69d2f9b0dc9ee270f.png
[da607a8392f24d4ea68a3485c21526a5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/47c5ead022594909ad798cc1098b0a9a.png
[3827aa290081437e9a532045e2f6d8a9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/d0e07581e5404c0b8ef192949f7e9725.png