Redis系列10:HyperLogLog实现海量数据基数统计
上一期我们介绍了 Redis系列18:过期数据的删除策略 ,但是无论是惰性删除还是定期删除,都可能存在删除不尽的情况,无法删除完全,比如每次删除完过期的 key 还是超过 25%,且这些 key 再也不会被客户端访问。
这样的话,定期删除和堕性删除可能都彻底的清理掉。如果这种情况长时间持续下去,可能会导致内存耗尽,所以Redis必须有一个完善的内存淘汰机制来保障。这就是我们这一篇的重点,Redis内存自动淘汰机制。
在 redis 中总共由8种淘汰策略,默认的淘汰策略是 noeviction。
noeviction不淘汰策略(默认)
淘汰数据策略
设置过期时间的淘汰策略
valatile-random
随机淘汰算法
volatile-ttl
淘汰失效时间最短的key
volatile-lru
删除最近最少使用的key
volatile-lfu
删除访问次数最少的key
所有数据的淘汰策略
allkeys-lru
删除最近最少使用的key(全部)
allkeys-lfu
删除访问次数最少的key(全部)
allkey-random
随机淘汰算法(全部)
volatile-ttl、volatile-random、volatile-lru、volatile-lfu 这4种策略淘汰的数据范围为设置了过期时间的数据。
allkeys-lru、allkeys-random、allkeys-lfu 这3种淘汰策略无论是否设置了过期时间,内存不足时都会进行淘汰。
也就是说无论它的过期时间到没到,都有可能被删除。
这边以LRU算法为例子讲解,它的全称是 Least Rencently Used,即将最近最久未使用的算法进行数据淘汰。
我们这边以图例来讲解,整个过程如下:
首先设置一个淘汰池(一个链表),假设默认大小是16,里面的数据采用末尾淘汰制。如图中
如果淘汰池中的数据被访问,则会被移动到 MRU 端,其他位置的数据则相应往后移动一位
每次指令操作的时候,自旋会判断当前内存是否满足指令所需要的内存
如果当前内存不能满足,会从淘汰池中的尾部拿取一个最适合淘汰的数据
将需要淘汰的数据从Redis删除,并且从淘汰池移除
这边注意,LRU 更新和新增数据都发生在链表首,删除数据都发生在链表尾。
水果 Orange 跟 Pitaya 被访问,被移动到MRU端,新增的Mango也被插入到MRU端。而最末端的Olive则被删除。
以下是使用Go语言实现Redis LRU淘汰过程的示例代码,代码注释很清楚:
package main
import (
"container/list"
"fmt"
"time"
)
type Redis struct {
data map[string]*list.Element // 存储缓存项的键和值,以及它们在LRU链表中的位置
lru *list.List // LRU链表
}
type cacheItem struct {
key string
value string
// 记录该缓存项最后一次被访问的时间
lastAccess time.Time
}
func NewRedis() *Redis {
return &Redis{
data: make(map[string]*list.Element),
lru: list.New(),
}
}
func (r *Redis) Get(key string) (string, bool) {
// 从LRU链表中查找缓存项
if elem, ok := r.data[key]; ok {
// 将该缓存项移动到链表头部,表示最近被访问过
r.lru.MoveToFront(elem)
// 更新缓存项的最后访问时间
item := elem.Value.(*cacheItem)
item.lastAccess = time.Now()
return item.value, true
}
return "", false
}
func (r *Redis) Set(key string, value string) {
// 从LRU链表中查找缓存项
if elem, ok := r.data[key]; ok {
// 如果缓存项存在,更新其值和最后访问时间,并将其移动到链表头部
item := elem.Value.(*cacheItem)
item.value = value
item.lastAccess = time.Now()
r.lru.MoveToFront(elem)
return
}
// 如果缓存项不存在,创建新的缓存项并将其添加到LRU链表头部
item := &cacheItem{
key: key,
value: value,
lastAccess: time.Now(),
}
elem := r.lru.PushFront(item)
r.data[key] = elem
// 如果缓存空间已满,执行LRU淘汰操作
for r.lru.Len() > maxItems {
// 从链表尾部查找最久未被访问的缓存项
elem := r.lru.Back()
item := elem.Value.(*cacheItem)
// 如果该缓存项的过期时间已到达,则从链表中删除该缓存项
if item.lastAccess.Add(expireTime).Before(time.Now()) {
r.lru.Remove(elem)
delete(r.data, item.key)
} else {
// 否则,只从链表中删除该缓存项
r.lru.Remove(elem)
}
}
}
在这个示例中,我们使用了一个map来存储缓存项的键和值,以及它们在LRU链表中的位置。我们使用了一个LRU链表来存储缓存项,并按照访问时间将它们排序。在Get方法中,我们从LRU链表中查找缓存项,并将其移动到链表头部,表示最近被访问过。在Set方法中,如果缓存项已存在,我们更新其值和最后访问时间,并将其移动到链表头部;如果缓存项不存在,我们创建新的缓存项并将其添加到LRU链表头部。如果缓存空间已满,我们执行LRU淘汰操作,从链表尾部查找最久未被访问的缓存项,并从链表中删除它。注意,我们还检查了缓存项的过期时间,如果该缓存项已过期,则也会从链表中删除它。
第4小节基本来自baidu文心一言的组织,非常感谢。
这一篇我们介绍了Redis的几种内存淘汰策略,并且详细分析了LRU算法的实现原理。下一篇我们分析下 LFU 算法。
手机扫一扫
移动阅读更方便
你可能感兴趣的文章