redis——内存满了应该怎么办？

我们的redis使用的是内存空间来存储数据的，但是内存空间毕竟有限，随着我们存储数据的不断增长，当超过了我们的内存大小时，即在redis中设置的缓存大小（maxmeory 4GB），redis会怎么处理呢？今天就来聊聊redis的缓存淘汰策略。

一、redis的缓存淘汰策略

在redis中，一种有8种对应的缓存淘汰策略

根据是否进行数据淘汰可以分为：不淘汰的数据策略（noeviction）和7种淘汰数据策略。

在淘汰的数据策略中，又可以根据淘汰数据的样本分为：在设置了过期时间的数据中进行淘汰数据的四种策略（volatile-ttl，volatile-radom，volatile-lru，volatile-lfu）和在全部数据中进行数据淘汰的三种策略（allkeys-radmom、allkeys-lru、allkeys-lfu）

volatile-ttl：表示在设置可过期时间的键值对中，根据过期时间的先后进行淘汰数据，越早被过期的数据，越先被淘汰。

volatile-random：从名字可以看出来，就是在设置了过期时间的键值对中，随机淘汰数据。

volatile-lru：会根据lru算法进行数据的淘汰

volatile-lfu：会根据lfu算法进行数据的淘汰

allkeys-random：在全部的键值对数据中，进行数据的随机淘汰。

allkeys-lru：在全部的键值对数据中，根据lru算法进行数据的淘汰。

allkeys-lfu：在全部的键值对数据中，根据lfu算法进行数据的淘汰。

二、LRU算法机制

LRU算法的全称叫做Least Recently Used,也就是最近最少使用原则来进行数据的淘汰算法。其原理就是，会将数据放入到一个链表中，当链表中的某个元素被访问时，这个元素就被会提到链表的前面，其他元素，默认向后移动；当这个时候我们想缓存中新增一个元素时，也会被增加到链表的头部，那么尾部的最后一个元素就被淘汰了。

lru的实现思想就是：就是刚被访问的数据，在接下来的时间里，更容易被再次访问，而一段时间没有被访问的数据，之后也不会再次访问。但是要将redis的全部数据都放入这样一个链表中的话，redis的数据被频繁访问时，需要不停的移动链表的位置，降低redis的性能，所以redis对LRU算法进行了优化。

在redis中，会给每个数据记录一个最近访问的时间戳（记录在RedisObject的lru字段中），当需要进行数据淘汰时，redis就随机筛选出N个数据放入到候选集合中去，然后比较这N个数据中的lru的值，最小的就会被淘汰。当再次需要淘汰数据时，这个时候筛选数据放入到第一次创建的淘汰集合中，那么这次筛选就不在是随机筛选，而是能进入候选集合的数据的 lru 字段值必须小于候选集合中最小的 lru 值，然后再次将最小的lru的值的数据进行淘汰。其中N的配置项为：

三、LFU算法机制

LFU（Least frequently used）称为最近使用最少的数据将被淘汰，redis在就是在LRU的基础上增加一个次数统计。其步骤就是根据数据的访问次数进行筛选，淘汰访问次数少的数据，如果访问次数相同，在根据访问时间进行比较，淘汰访问时间久远的数据。redis中的实现方式：就是在RedisObject的字段lru上，拆分为两个部分

ldt值：lru字段的前16bit位，还是用来表示时间戳。

counter值：lru字段的后8bit位，用来表示数据的访问次数。

当 LFU 策略筛选数据时，Redis 会在候选集合中，根据数据 lru 字段的后 8bit 选择访问次数最少的数据进行淘汰。当访问次数相同时，再根据 lru 字段的前 16bit 值大小，选择访问时间最久远的数据进行淘汰。但是8个bit位，最大只能记录255的值，但是redis中的数据，有时候会被访问成千上万次，那么这个问题如何进行解决呢？

redis对计数进行了优化，并不是数据被访问一次，counter就会被加1，而是遵循如下规则：

当数据被访问一次时，首先用计数器当前的值乘以配置项lfu_log_factor再加1，再取倒数得到一个p值

然后把这个p值和一个取值范围在（0,1）的一个随机数r，进行比大小，只有p值大于r时，counter的值才会被加一

#redis部分源码展示

其中 baseval是计数器的当前值。计数器的默认初始值为5（由代码中的 LFU_INIT_VAL 常量设置），并不是为0，这样可以避免数据刚进入缓存，就因为访问次数少而被立即淘汰。

当lfu_log_factor取不同的值时，实际访问次数下，counter的值的变化情况：

在实际的使用场景中，还会有这样一种情况，某些数据可能一开始会被大量的访问，但是过了时间段后，就不会再被访问，如果这个时候counter的值很大，就算后续不会被访问，也就不会被redis进行数据淘汰。针对这种情况，在redis中，设计了counter的衰减策略。其实现就是根据lfu_decay_time的配置值，来控制访问次数的衰减。其流程如下：

lfu会计算当前时间和数据最近一次访问的时间差值，并将这个差值换算为分钟单位。

然后在将这个差值除以lfu_decay_time值，得到的就是我们需要减去的值

然后再讲counter的值减去这个值

这样就可以保证在一段时间后，可以淘汰这部分数据。

四、redis的淘汰策略怎么选

存在即合理，每种淘汰策略都会有自己的使用场景，我们在设置redis的淘汰策略的时候，就需要结合自己的业务场景去定制化的配置。下面就是我给的一些建议：

可以优先将淘汰策略设置为allkeys-lru，这样可以充分利用lru算法的特性，把最近访问的数据都留在缓存中，长时间没有访问的数据给淘汰掉。

如果业务中的访问数据，没有冷热数据之分，数据的访问时间相差不大，可以采用allkeys-lru策略。

如果在业务中，有需要置顶数据，可以不给置顶数据设置过期时间，然后采用volatile-lru策略来实现。

如果在业务中，有一些定时任务的数据，过了这个时间段后，基本就不会访问的数据，可以采用allkeys-lfu算法。