当前位置: 首页 > article >正文

Redis 的内存淘汰策略详解

内存淘汰策略配置方式

要配置 Redis 的内存淘汰策略,可以通过修改 Redis 配置文件 redis.conf 或者在运行时通过命令行直接设置。以下是配置淘汰策略的两种方法:

方法 1:修改 redis.conf 配置文件

  1. 找到并打开 Redis 的配置文件 redis.conf。这个文件通常位于 Redis 安装目录下。

  2. 找到 maxmemorymaxmemory-policy 选项。默认情况下,这些选项可能被注释掉了(前面有 # 号)。去掉注释符号,然后根据需要修改它们的值。

    # 设置最大可用内存大小
    maxmemory 256mb
    
    # 设置内存淘汰策略
    maxmemory-policy allkeys-lru
    
    • maxmemory:指定 Redis 实例可使用的最大内存。可以使用绝对字节数(如 256000000)或简洁格式(如 256mb1gb 等)。
    • maxmemory-policy:指定 Redis 使用的淘汰策略。可以设置为以下值:
      • noeviction
      • allkeys-lru
      • volatile-lru
      • allkeys-random
      • volatile-random
      • volatile-ttl
      • allkeys-lfu
      • volatile-lfu
  3. 保存并关闭文件,然后重启 Redis 服务使配置生效。

方法 2:使用命令行在运行时配置

Redis 允许通过命令行在运行时进行配置更改,这些更改是临时的,重启 Redis 后会失效。如果要永久生效,请使用方法 1。

  1. 通过 CONFIG SET 命令设置最大内存和淘汰策略

    redis-cli CONFIG SET maxmemory 256mb
    redis-cli CONFIG SET maxmemory-policy allkeys-lru
    
    这样会立即应用新的内存限制和淘汰策略。
    
  2. 检查设置是否成功

    使用 CONFIG GET 命令查看当前配置:

    redis-cli CONFIG GET maxmemory
    redis-cli CONFIG GET maxmemory-policy
    

    输出应该显示你刚才设置的内存和策略值。
     

内存淘汰策略配置项

1. noeviction

  • 描述:不进行任何数据淘汰。当内存达到限制时,任何新的写操作(包括插入和更新)都会报错,返回 (error) OOM command not allowed when used memory > 'maxmemory'
  • 适用场景:适合于对数据完整性要求高,不能丢失任何数据的场景。此策略适用于缓存非常重要的数据,且在达到内存上限时,可以接受应用报错。

2. allkeys-lru (Least Recently Used)

  • 描述:从所有键中移除最近最少使用的键。
  • 适用场景:适合做缓存系统,数据的使用频率遵循二八法则(即 20% 的数据被频繁使用,80% 的数据不常使用)。LRU 策略通过移除那些很久没有使用的键来为新数据腾出空间,保证频繁使用的数据得以保留。
  • 优点:能够智能地清除过期或不常访问的数据,维护热点数据。
  • 缺点:如果访问模式变化较大,可能会导致非热点数据被频繁移除和重新加载,影响性能。

3. volatile-lru

  • 描述:从设置了过期时间的键中移除最近最少使用的键。
  • 适用场景:适用于将 Redis 部分作为缓存使用,且只希望淘汰那些有过期时间的缓存数据,而保留永久存储的数据。
  • 优点:只淘汰设置了过期时间的键,保护了永久存在的数据。
  • 缺点:如果设置了过期时间的键很少,那么效果与 noeviction 相似,可能会导致内存耗尽时频繁报错。

4. allkeys-random

  • 描述:从所有键中随机移除一个键。
  • 适用场景:适合缓存数据时,对数据的使用频率没有明显的倾向性(即没有特别的热点数据)。
  • 优点:实现简单,避免了复杂的淘汰策略计算。
  • 缺点:可能会随机移除一些热点数据,不适合需要智能淘汰的数据场景。

5. volatile-random

  • 描述:从设置了过期时间的键中随机移除一个键。
  • 适用场景:类似于 volatile-lru,但在淘汰策略上更简单和粗糙。适合缓存数据但没有使用频率倾向的场景。
  • 优点:简单易实现,适用于不关心具体被移除数据的场景。
  • 缺点:可能移除一些仍有用的数据,不够智能。

6. volatile-ttl (Time to Live)

  • 描述:从设置了过期时间的键中移除即将过期的键(优先移除 TTL 最短的键)。
  • 适用场景:适用于缓存场景,并且希望首先淘汰即将过期的数据。
  • 优点:尽量减少存储的无效数据,提高缓存的利用率。
  • 缺点:如果设置了过期时间的键都很重要,仍然会导致重要数据的被移除。

7. volatile-lfu (Least Frequently Used)

  • 描述:从设置了过期时间的键中移除最不常使用的键(即使用频率最低的键)。
  • 适用场景:适合希望淘汰那些不常访问的数据的场景,但只在设置了过期时间的数据中进行淘汰。
  • 优点:能较好地保留热点数据,只淘汰冷数据。
  • 缺点:需要额外的内存和计算来维护访问频率计数。

8. allkeys-lfu

  • 描述:从所有键中移除最不常使用的键。
  • 适用场景:适合所有数据需要通过访问频率进行管理和淘汰的场景。
  • 优点:相比 LRU 能更好地表示实际使用情况,因为 LFU 关注的是使用频率而不是时间。
  • 缺点:实现复杂,需要额外的内存开销来记录访问频率。

选择策略的考量因素

选择 Redis 内存淘汰策略时需要考虑以下几个因素:

  1. 数据类型和使用场景:根据数据是否有过期时间,是否重要,是否需要频繁访问来选择不同的策略。
  2. 性能要求:一些策略如 LRU 和 LFU 需要维护额外的数据结构,会有一定的性能开销。
  3. 内存分配:在内存有限的情况下,选择合适的策略能有效利用有限的内存资源,减少不必要的数据交换。

http://www.kler.cn/news/293481.html

相关文章:

  • 电机驱动及编码器测速(基于STM32F103C8T6HAL库)
  • ARM32开发——GD32F4 DMA功能查询
  • windows手工杀毒-寻找可疑进程之线程
  • 如何在Selenium中使用Chrome DevTools进行交互
  • python的sqlalchemy使用@contextmanager来定义上下文管理器
  • shell脚本编程(正则表达式与grep +awk+sed+expect详解)
  • OpenCV中的颜色映射函数
  • [pytorch] --- pytorch基础之损失函数与反向传播
  • VUE3父子组件传参
  • Requests库对session的支持
  • PHP 项目流水线部署与错误问题解决
  • U盘数据危机应对:详解文件或目录损坏无法读取的恢复之道
  • SpringMVC启动与请求处理流程解析
  • 将网页保存为PDF---不分页
  • GIT | git提交注释自动添加信息头
  • echarts动态切换数据渲染(vue3 + echarts)
  • 5G移动网络运维实验(训)室解决方案
  • 逻辑回归与线性回归的目标函数和应用场景比较
  • 坐牢第三十六天(QT)
  • iOS——Block与内存管理
  • Kafka 实战演练:创建、配置与测试 Kafka全面教程
  • 《Python爬虫逆向实战》加密方法远程调用(RPC)
  • TRIZ在充电桩安全中的应用探究
  • Java 入门指南:Java 并发编程 —— Fork/Join 框架 实现任务的拆分与合并
  • 探索PDF的奥秘:pdfrw库的神奇之旅
  • 2024,中国服务器操作系统迎云智主升浪
  • 鸿蒙开发5.0【高级图表实现】 解决方案
  • c++的类和对象
  • vue-seamless-scroll(二)点击事件
  • 为什么深度学习用GPU而不是CPU