Redis内存回收策略

 

若是使用Redis的时候，不合理使用内存，把什么东西都放在内存里面，又不设置过时时间，就会致使内存的堆积愈来愈大。根据28法则，除了20%的热点数据以外，剩余的80%的非热点或不怎么重要的数据都在占用内存空间，这时就要使用一种淘汰策略来释放一些内存。Redis中提供了多种内存回收策略，当内存容量不足时，为了保证程序的运行，这时就不得不淘汰内存中的一些对 象，释放这些对象占用的空间，那么选择淘汰哪些对象呢？
在redis.conf 里面有个配置策略 maxmemory-policy ，它有几个可选值：

noeviction： 默认的策略，即当内存使用达到阈值的时候，全部引发申请内存的命令都会报错；
allkeys-lru：从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰 。
适用场景： 若是咱们的应用对缓存的访问都是相对热点数据，就能够选择这个策略；
allkeys-random：随机移除某个key。
适合的场景：若是咱们的应用对于缓存key的访问几率相等，则可使用这个策略。

从已经设置了过时时间的key中去选择
volatile-random：从已设置过时时间的数据集（server.db[i].expires）中任意选择数据淘汰。
volatile-lru：从已设置过时时间的数据集（server.db[i].expires）中挑选最近最少使用的数据淘汰。
volatile-ttl：从已设置过时时间的数据集（server.db[i].expires）中挑选将要过时的数据淘汰；适合场景：这种策略使咱们能够向Redis提示哪些key更适合被淘汰，能够本身控制 。

那么怎样保证Redis里面的数据都是热点数据？
可使用LRU的淘汰策略，选择最近最少使用的数据所有淘汰掉，剩下的就是常常访问的数据，都是热点数据。

总结
实际上Redis实现的LRU并非可靠的LRU，也就是名义上咱们使用LRU算法淘汰内存数据，可是实际上被淘汰的键 并不必定是真正的最少使用的数据，这里就要权衡了，若是须要在全部的数据中搜索符合条件的数 据，那么必定会增长系统的开销，Redis是单线程的，因此耗时的操做会谨慎一些。为了在必定成本内实现相对的 LRU，早期的Redis版本是基于采样的LRU，也就是放弃了从全部数据中搜索解，改成采样空间搜索优解。Redis3.0 版本以后，Redis做者对于基于采样的LRU进行了一些优化，目的是在必定的成本范围内让结果更靠近真实的LRU。