redis数据淘汰策略介绍

本文讲的是 当redis设定了最大内存之后，缓存中的数据集大小超过了一定比例，实施的淘汰策略，不是删除过期键的策略，虽然两者非常相似。

在 redis 中，允许用户设置最大使用内存大小通过配置redis.conf中的maxmemory这个值来开启内存淘汰功能，在内存限定的情况下是很有用的。

设置最大内存大小可以保证redis对外提供稳健服务。

推荐：redis教程

redis 内存数据集大小上升到一定大小的时候，就会施行数据淘汰策略。redis 提供 6种数据淘汰策略通过maxmemory-policy设置策略：

volatile-lru：从已设置过期时间的数据集（server.db[i].expires）中挑选最近最少使用的数据淘汰

volatile-ttl：从已设置过期时间的数据集（server.db[i].expires）中挑选将要过期的数据淘汰

volatile-random：从已设置过期时间的数据集（server.db[i].expires）中任意选择数据淘汰

allkeys-lru：从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰

allkeys-random：从数据集（server.db[i].dict）中任意选择数据淘汰

no-enviction（驱逐）：禁止驱逐数据

redis 确定驱逐某个键值对后，会删除这个数据并将这个数据变更消息发布到本地（AOF 持久化）和从机（主从连接）

LRU 数据淘汰机制

在服务器配置中保存了 lru 计数器 server.lrulock，会定时（redis 定时程序 serverCorn()）更新，server.lrulock 的值是根据 server.unixtime 计算出来的。

另外，从 struct redisObject 中可以发现，每一个 redis 对象都会设置相应的 lru。可以想象的是，每一次访问数据的时候，会更新 redisObject.lru。

LRU 数据淘汰机制是这样的：在数据集中随机挑选几个键值对，取出其中 lru 最大的键值对淘汰。所以，你会发现，redis 并不是保证取得所有数据集中最近最少使用（LRU）的键值对，而只是随机挑选的几个键值对中的。

// redisServer 保存了 lru 计数器  struct redisServer {  ...  unsigned lruclock:22; /* Clock incrementing every minute, for LRU */  ...  };     // 每一个 redis 对象都保存了 lru  #define REDIS_LRU_CLOCK_MAX ((1<<21)-1) /* Max value of obj->lru */  #define REDIS_LRU_CLOCK_RESOLUTION 10 /* LRU clock resolution in seconds */  typedef struct redisObject {  // 刚刚好 32 bits     // 对象的类型，字符串/列表/集合/哈希表  unsigned type:4;  // 未使用的两个位  unsigned notused:2; /* Not used */  // 编码的方式，redis 为了节省空间，提供多种方式来保存一个数据  // 譬如：“123456789” 会被存储为整数 123456789  unsigned encoding:4;  unsigned lru:22; /* lru time (relative to server.lruclock) */     // 引用数  int refcount;     // 数据指针  void *ptr;  } robj;     // redis 定时执行程序。联想：linux cron  int serverCron(struct aeEventLoop *eventLoop, long long id, void *clientData) {  ......  /* We have just 22 bits per object for LRU information.  * So we use an (eventually wrapping) LRU clock with 10 seconds resolution.  * 2^22 bits with 10 seconds resolution is more or less 1.5 years.  *  * Note that even if this will wrap after 1.5 years it's not a problem,  * everything will still work but just some object will appear younger  * to Redis. But for this to happen a given object should never be touched  * for 1.5 years.  *  * Note that you can change the resolution altering the  * REDIS_LRU_CLOCK_RESOLUTION define.  */  updateLRUClock();  ......  }     // 更新服务器的 lru 计数器  void updateLRUClock(void) {  server.lruclock = (server.unixtime/REDIS_LRU_CLOCK_RESOLUTION) &  REDIS_LRU_CLOCK_MAX;  }

TTL 数据淘汰机制

redis 数据集数据结构中保存了键值对过期时间的表，即 redisDb.expires。和 LRU 数据淘汰机制类似，TTL 数据淘汰机制是这样的：从过期时间的表中随机挑选几个键值对，取出其中 ttl 最大的键值对淘汰。同样你会发现，redis 并不是保证取得所有过期时间的表中最快过期的键值对，而只是随机挑选的几个键值对中的。

总结

redis 每服务客户端执行一个命令的时候，会检测使用的内存是否超额。如果超额，即进行数据淘汰。

// 执行命令  int processCommand(redisClient *c) {  ......  // 内存超额  /* Handle the maxmemory directive.  *  * First we try to free some memory if possible (if there are volatile  * keys in the dataset). If there are not the only thing we can do  * is returning an error. */  if (server.maxmemory) {  int retval = freeMemoryIfNeeded();  if ((c->cmd->flags & REDIS_CMD_DENYOOM) && retval == REDIS_ERR) {  flagTransaction(c);  addReply(c, shared.oomerr);  return REDIS_OK;  }  }  ......  }     // 如果需要，是否一些内存  int freeMemoryIfNeeded(void) {  size_t mem_used, mem_tofree, mem_freed;  int slaves = listLength(server.slaves);     // redis 从机回复空间和 AOF 内存大小不计算入 redis 内存大小  /* Remove the size of slaves output buffers and AOF buffer from the  * count of used memory. */  mem_used = zmalloc_used_memory();     // 从机回复空间大小  if (slaves) {  listIter li;  listNode *ln;     listRewind(server.slaves,&li);  while((ln = listNext(&li))) {  redisClient *slave = listNodeValue(ln);  unsigned long obuf_bytes = getClientOutputBufferMemoryUsage(slave);  if (obuf_bytes > mem_used)  mem_used = 0;  else  mem_used -= obuf_bytes;  }  }  // server.aof_buf && server.aof_rewrite_buf_blocks  if (server.aof_state != REDIS_AOF_OFF) {  mem_used -= sdslen(server.aof_buf);  mem_used -= aofRewriteBufferSize();  }     // 内存是否超过设置大小  /* Check if we are over the memory limit. */  if (mem_used <= server.maxmemory) return REDIS_OK;     // redis 中可以设置内存超额策略  if (server.maxmemory_policy == REDIS_MAXMEMORY_NO_EVICTION)  return REDIS_ERR; /* We need to free memory, but policy forbids. */     /* Compute how much memory we need to free. */  mem_tofree = mem_used - server.maxmemory;  mem_freed = 0;  while (mem_freed < mem_tofree) {  int j, k, keys_freed = 0;     // 遍历所有数据集  for (j = 0; j < server.dbnum; j++) {  long bestval = 0; /* just to prevent warning */  sds bestkey = NULL;  struct dictEntry *de;  redisDb *db = server.db+j;  dict *dict;     // 不同的策略，选择的数据集不一样  if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||  server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM)  {  dict = server.db[j].dict;  } else {  dict = server.db[j].expires;  }     // 数据集为空，继续下一个数据集  if (dictSize(dict) == 0) continue;     // 随机淘汰随机策略：随机挑选  /* volatile-random and allkeys-random policy */  if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM ||  server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_RANDOM)  {  de = dictGetRandomKey(dict);  bestkey = dictGetKey(de);  }     // LRU 策略：挑选最近最少使用的数据  /* volatile-lru and allkeys-lru policy */  else if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||  server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_LRU)  {  // server.maxmemory_samples 为随机挑选键值对次数  // 随机挑选 server.maxmemory_samples个键值对，驱逐最近最少使用的数据  for (k = 0; k < server.maxmemory_samples; k++) {  sds thiskey;  long thisval;  robj *o;     // 随机挑选键值对  de = dictGetRandomKey(dict);     // 获取键  thiskey = dictGetKey(de);     /* When policy is volatile-lru we need an additional lookup  * to locate the real key, as dict is set to db->expires. */  if (server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_LRU)  de = dictFind(db->dict, thiskey);  o = dictGetVal(de);     // 计算数据的空闲时间  thisval = estimateObjectIdleTime(o);     // 当前键值空闲时间更长，则记录  /* Higher idle time is better candidate for deletion */  if (bestkey == NULL || thisval > bestval) {  bestkey = thiskey;  bestval = thisval;  }  }  }     // TTL 策略：挑选将要过期的数据  /* volatile-ttl */  else if (server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_TTL) {  // server.maxmemory_samples 为随机挑选键值对次数  // 随机挑选 server.maxmemory_samples个键值对，驱逐最快要过期的数据  for (k = 0; k < server.maxmemory_samples; k++) {  sds thiskey;  long thisval;     de = dictGetRandomKey(dict);  thiskey = dictGetKey(de);  thisval = (long) dictGetVal(de);     /* Expire sooner (minor expire unix timestamp) is better  * candidate for deletion */  if (bestkey == NULL || thisval < bestval) {  bestkey = thiskey;  bestval = thisval;  }  }  }     // 删除选定的键值对  /* Finally remove the selected key. */  if (bestkey) {  long long delta;     robj *keyobj = createStringObject(bestkey,sdslen(bestkey));     // 发布数据更新消息，主要是 AOF 持久化和从机  propagateExpire(db,keyobj);     // 注意， propagateExpire() 可能会导致内存的分配， propagateExpire()  提前执行就是因为 redis 只计算 dbDelete() 释放的内存大小。倘若同时计算 dbDelete() 释放的内存  和 propagateExpire() 分配空间的大小，与此同时假设分配空间大于释放空间，就有可能永远退不出这个循环。  // 下面的代码会同时计算 dbDelete() 释放的内存和 propagateExpire() 分配空间的大小：  // propagateExpire(db,keyobj);  // delta = (long long) zmalloc_used_memory();  // dbDelete(db,keyobj);  // delta -= (long long) zmalloc_used_memory();  // mem_freed += delta;  /////////////////////////////////////////     /* We compute the amount of memory freed by dbDelete() alone.  * It is possible that actually the memory needed to propagate  * the DEL in AOF and replication link is greater than the one  * we are freeing removing the key, but we can't account for  * that otherwise we would never exit the loop.  *  * AOF and Output buffer memory will be freed eventually so  * we only care about memory used by the key space. */  // 只计算 dbDelete() 释放内存的大小  delta = (long long) zmalloc_used_memory();  dbDelete(db,keyobj);  delta -= (long long) zmalloc_used_memory();  mem_freed += delta;     server.stat_evictedkeys++;     // 将数据的删除通知所有的订阅客户端  notifyKeyspaceEvent(REDIS_NOTIFY_EVICTED, "evicted",  keyobj, db->id);  decrRefCount(keyobj);  keys_freed++;     // 将从机回复空间中的数据及时发送给从机  /* When the memory to free starts to be big enough, we may  * start spending so much time here that is impossible to  * deliver data to the slaves fast enough, so we force the  * transmission here inside the loop. */  if (slaves) flushSlavesOutputBuffers();  }  }     // 未能释放空间，且此时 redis 使用的内存大小依旧超额，失败返回  if (!keys_freed) return REDIS_ERR; /* nothing to free... */  }  return REDIS_OK;  }

适用场景

下面看看几种策略的适用场景：

allkeys-lru： 如果我们的应用对缓存的访问符合幂律分布（也就是存在相对热点数据），或者我们不太清楚我们应用的缓存访问分布状况，我们可以选择allkeys-lru策略。

allkeys-random： 如果我们的应用对于缓存key的访问概率相等，则可以使用这个策略。

volatile-ttl： 这种策略使得我们可以向Redis提示哪些key更适合被eviction。

另外，volatile-lru策略和volatile-random策略适合我们将一个Redis实例既应用于缓存和又应用于持久化存储的时候，然而我们也可以通过使用两个Redis实例来达到相同的效果，值得一提的是将key设置过期时间实际上会消耗