redis資料淘汰策略

在 redis 中，允許使用者設定最大使用記憶體大小 server.maxmemory，在記憶體限定的情況下是很有用的。譬如，在一台 8g 機子上部署了 4 個 redis 服務點，每乙個服務點分配 1.5g 的記憶體大小，減少記憶體緊張的情況，由此獲取更為穩健的服務。

redis 記憶體資料集大小上公升到一定大小的時候，就會施行資料淘汰策略。redis 提供 6種資料淘汰策略：

volatile-lru：從已設定過期時間的資料集（server.db[i].expires）中挑選最近最少使用的資料淘汰

volatile-ttl：從已設定過期時間的資料集（server.db[i].expires）中挑選將要過期的資料淘汰

volatile-random：從已設定過期時間的資料集（server.db[i].expires）中任意選擇資料淘汰

allkeys-lru：從資料集（server.db[i].dict）中挑選最近最少使用的資料淘汰

allkeys-random：從資料集（server.db[i].dict）中任意選擇資料淘汰

no-enviction（驅逐）：禁止驅逐資料

redis 確定驅逐某個鍵值對後，會刪除這個資料並，並將這個資料變更訊息發布到本地（aof 持久化）和從機（主從連線）。

在伺服器配置中儲存了 lru 計數器 server.lrulock，會定時（redis 定時程式 servercorn()）更新，server.lrulock 的值是根據 server.unixtime 計算出來的。

另外，從 struct redisobject 中可以發現，每乙個 redis 物件都會設定相應的 lru。可以想象的是，每一次訪問資料的時候，會更新 redisobject.lru。

lru 資料淘汰機制是這樣的：在資料集中隨機挑選幾個鍵值對，取出其中 lru 最大的鍵值對淘汰。所以，你會發現，redis 並不是保證取得所有資料集中最近最少使用（lru）的鍵值對，而只是隨機挑選的幾個鍵值對中的。

// redisserver 儲存了 lru 計數器
struct redisserver ;
// 每乙個 redis 物件都儲存了 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  robj;
// redis 定時執行程式。聯想：linux cron
int servercron(struct aeeventloop *eventloop, long long id, void *clientdata) 
// 更新伺服器的 lru 計數器
void updatelruclock(void)

redis 資料集資料結構中儲存了鍵值對過期時間的表，即 redisdb.expires。和 lru 資料淘汰機制類似，ttl 資料淘汰機制是這樣的：從過期時間的表中隨機挑選幾個鍵值對，取出其中 ttl 最大的鍵值對淘汰。同樣你會發現，redis 並不是保證取得所有過期時間的表中最快過期的鍵值對，而只是隨機挑選的幾個鍵值對中的。

redis 每服務客戶端執行乙個命令的時候，會檢測使用的記憶體是否超額。如果超額，即進行資料淘汰。

// 執行命令
int processcommand(redisclient *c) 
}......
}// 如果需要，是否一些記憶體
int freememoryifneeded(void) 
}// server.aof_buf && server.aof_rewrite_buf_blocks
if (server.aof_state != redis_aof_off) 
// 記憶體是否超過設定大小
/* check if we are over the memory limit. */
if (mem_used <= server.maxmemory) return redis_ok;
// redis 中可以設定記憶體超額策略
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)  else 
// 資料集為空，繼續下乙個資料集
if (dictsize(dict) == 0) continue;
// 隨機淘汰隨機策略：隨機挑選
/* volatile-random and allkeys-random policy */
if (server.maxmemory_policy == redis_maxmemory_allkeys_random ||
server.maxmemory_policy == redis_maxmemory_volatile_random)
// lru 策略：挑選最近最少使用的資料
/* volatile-lru and allkeys-lru policy */
else if (server.maxmemory_policy == redis_maxmemory_allkeys_lru ||
server.maxmemory_policy == redis_maxmemory_volatile_lru)}}
// ttl 策略：挑選將要過期的資料
/* volatile-ttl */
else if (server.maxmemory_policy == redis_maxmemory_volatile_ttl) }}
// 刪除選定的鍵值對
/* finally remove the selected key. */
if (bestkey) 
}// 未能釋放空間，且此時 redis 使用的記憶體大小依舊超額，失敗返回
if (!keys_freed) return redis_err; /* nothing to free... */
}return redis_ok;
}

redis資料淘汰策略

redis資料淘汰策略

redis資料淘汰策略

Redis 資料淘汰策略

相關推薦