Redis系列19：LRU内存淘汰算法分析

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
- MRU：表示链表的表头，代表着最近最常被访问的数据；
- LRU：表示链表的表尾，代表最近最不常使用的数据。
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
- 取样模式（配置 maxmemory-samples属性）从Redis中获取随机的取样数据，避免一次性读取All Key性能慢
- 在取样的数据中，根据淘汰算法找到最适合淘汰的数据
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。

4 算法实现

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。

5 总结

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

深入浅出MySQL - 架构与执行