|
副问题[/!--empirenews.page--]
我们知道Redis是基于内存的key-value数据库，由于体系的内存巨细有限，以是我们在行使Redis的时辰可以设置Redis能行使的最大的内存巨细。
1、通过设置文件设置
通过在Redis安装目次下面的redis.conf设置文件中添加以下设置配置内存巨细。
- //配置Redis最大占用内存巨细为100M
- maxmemory 100mb
redis的设置文件不必然行使的是安装目次下面的redis.conf文件，启动redis处事的时辰是可以传一个参数指定redis的设置文件的。
2、通过呼吁修改
Redis支持运行时通过呼吁动态修改内存巨细
- //配置Redis最大占用内存巨细为100M
- 127.0.0.1:6379> config set maxmemory 100mb
- //获取配置的Redis能行使的最大内存巨细
- 127.0.0.1:6379> config get maxmemory
假如不配置最大内存巨细可能配置最大内存巨细为0，在64位操纵体系下不限定内存巨细，在32位操纵体系下最多行使3GB内存
Redis的内存裁减
既然可以配置Redis最大占用内存巨细，那么设置的内存就有效完的时辰。那在内存用完的时辰，还继承往Redis内里添加数据不就没内存可用了吗？
现实上Redis界说了几种计策用来处理赏罚这种环境：
- noeviction(默认计策)：对付写哀求不再提供处事，直接返回错误（DEL哀求和部门非凡哀求除外）
- allkeys-lru：从全部key中行使LRU算法举办裁减
- volatile-lru：从配置了逾期时刻的key中行使LRU算法举办裁减
- allkeys-random：从全部key中随机裁减数据
- volatile-random：从配置了逾期时刻的key中随机裁减
- volatile-ttl：在配置了逾期时刻的key中，按照key的逾期时刻举办裁减，越早逾期的越优先被裁减
当行使volatile-lru、volatile-random、volatile-ttl这三种计策时，假如没有key可以被裁减，则和noeviction一样返回错误。
怎样获取及配置内存裁减计策
获取当前内存裁减计策：
- 127.0.0.1:6379> config get maxmemory-policy
通过设置文件配置裁减计策（修改redis.conf文件）：
- maxmemory-policy allkeys-lru
通过呼吁修改裁减计策：
- 127.0.0.1:6379> config set maxmemory-policy allkeys-lru
LRU算法
什么是LRU?
上面说到了Redis可行使最大内存行使完了，是可以行使LRU算法举办内存裁减的，那么什么是LRU算法呢？
LRU(Least Recently Used)，即最近起码行使，是一种缓存置换算法。在行使内存作为缓存的时辰，缓存的巨细一样平常是牢靠的。当缓存被占满，这个时辰继承往缓存内里添加数据，就必要裁减一部门老的数据，开释内存空间用来存储新的数据。
这个时辰就可以行使LRU算法了。其焦点头脑是：假如一个数据在最近一段时刻没有被用到，那么未来被行使到的也许性也很小，以是就可以被裁减掉。
行使java实现一个简朴的LRU算法。
- public class LRUCache<k, v> {
- //容量
- private int capacity;
- //当前有几多节点的统计
- private int count;
- //缓存节点
- private Map<k, Node<k, v>> nodeMap;
- private Node<k, v> head;
- private Node<k, v> tail;
- public LRUCache(int capacity) {
- if (capacity < 1) {
- throw new IllegalArgumentException(String.valueOf(capacity));
- }
- this.capacity = capacity;
- this.nodeMap = new HashMap<>();
- //初始化头节点和尾节点，操作哨兵模式镌汰判定头结点和尾节点为空的代码
- Node headNode = new Node(null, null);
- Node tailNode = new Node(null, null);
- headNode.next = tailNode;
- tailNode.pre = headNode;
- this.head = headNode;
- this.tail = tailNode;
- }
- public void put(k key, v value) {
- Node<k, v> node = nodeMap.get(key);
- if (node == null) {
- if (count >= capacity) {
- //先移除一个节点
- removeNode();
- }
- node = new Node<>(key, value);
- //添加节点
- addNode(node);
- } else {
- //移动节点到头节点
- moveNodeToHead(node);
- }
- }
- public Node<k, v> get(k key) {
- Node<k, v> node = nodeMap.get(key);
- if (node != null) {
- moveNodeToHead(node);
- }
- return node;
- }
- private void removeNode() {
- Node node = tail.pre;
- //从链表内里移除
- removeFromList(node);
- nodeMap.remove(node.key);
- count--;
- }
- private void removeFromList(Node<k, v> node) {
- Node pre = node.pre;
- Node next = node.next;
- pre.next = next;
- next.pre = pre;
- node.next = null;
- node.pre = null;
- }
- private void addNode(Node<k, v> node) {
- //添加节点到头部
- addToHead(node);
- nodeMap.put(node.key, node);
- count++;
- }
- private void addToHead(Node<k, v> node) {
- Node next = head.next;
- next.pre = node;
- node.next = next;
- node.pre = head;
- head.next = node;
- }
- public void moveNodeToHead(Node<k, v> node) {
- //从链表内里移除
- removeFromList(node);
- //添加节点到头部
- addToHead(node);
- }
- class Node<k, v> {
- k key;
- v value;
- Node pre;
- Node next;
- public Node(k key, v value) {
- this.key = key;
- this.value = value;
- }
- }
- }
上面这段代码实现了一个简朴的LUR算法，代码很简朴，也加了注释，细心看一下很轻易就看懂。常用缓存裁减算法（LFU、LRU、ARC、FIFO、MRU），这篇相识下。
LRU在Redis中的实现
近似LRU算法
Redis行使的是近似LRU算法，它跟通例的LRU算法还不太一样。近似LRU算法通过随机采样法裁减数据，每次随机出5（默认）个key，从内里裁减掉最近起码行使的key。
可以通过maxmemory-samples参数修改采样数目：
例：maxmemory-samples 10
maxmenory-samples设置的越大，裁减的功效越靠近于严酷的LRU算法
Redis为了实现近似LRU算法，给每个key增进了一个特殊增进了一个24bit的字段，用来存储该key最后一次被会见的时刻。
Redis3.0对近似LRU的优化
（编辑：河北网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
