REDIS16_LRU算法概述查看默认内存默认是如何删除数据缓存淘汰策略
Posted 所得皆惊喜
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了REDIS16_LRU算法概述查看默认内存默认是如何删除数据缓存淘汰策略相关的知识，希望对你有一定的参考价值。
文章目录
①. LRU算法概述
-
①. LRU是Least Recently Used的缩写,即最近最少使用,是一种常用的页面置换算法,选择最近最久未使用的数据给予淘汰 (leetcode-cn.com/problems/lru-cache)
-
③. 设计思想
- 所谓缓存,必须要有读+写两个操作,按照命中率考虑,写操作+读操作时间复杂度都需要为O(1)
- 特征要求:
必须要有顺序之分,一区分最近使用的和很久没有使用的数据排序
写和读操作一次搞定
如果容量坑位满了要删除最不长用的数据,每次信访问还要把心得数据插入到对头
- ④. 使用LinkHashMap实现LRU算法,LinkedHashMap的注释中写明了: LinkedHashMap非常适合用来构建 LRU 缓存
public class LRUCacheDemo <k,V>extends LinkedHashMap<k,V>
/**
* 缓存坑位
*/
private int capacity;
public LRUCacheDemo(int capacity)
/**
* @param initialCapacity the initial capacity
* @param loadFactor the load factor
* @param accessOrder the ordering mode - <tt>true</tt> for
* access-order, <tt>false</tt> for insertion-order
*/
super(capacity,0.75F,true);
this.capacity=capacity;
@Override
protected boolean removeEldestEntry(Map.Entry<k, V> eldest)
return super.size() > capacity;
public static void main(String[] args)
LRUCacheDemo lruCacheDemo = new LRUCacheDemo(3);
lruCacheDemo.put(1,"a");
lruCacheDemo.put(2,"b");
lruCacheDemo.put(3,"c");
// [1,2,3]
System.out.println(lruCacheDemo.keySet());
// [2,3,4]
lruCacheDemo.put(4,"d");
System.out.println(lruCacheDemo.keySet());
// [2,4,3]
lruCacheDemo.put(3,"c");
System.out.println(lruCacheDemo.keySet());
// [2,4,3]
lruCacheDemo.put(3,"c");
System.out.println(lruCacheDemo.keySet());
// [4,3,5]
lruCacheDemo.put(5,"c");
System.out.println(lruCacheDemo.keySet());
- ⑤. 完全自己手写
public class LRUSelfCacheDemo
// map 负责查找,构建一个虚拟的双向链表,它里面装的就是一个个 Node 节点,作为数据载体
// 1.构造一个node节点作为数据载体
class Node<K, V>
K key;
V value;
Node<K, V> prev;
Node<K, V> next;
public Node()
this.prev = this.next = null;
public Node(K key, V value)
this.key = key;
this.value = value;
this.prev = this.next = null;
// 2.构建一个虚拟的双向链表,,里面安放的就是我们的Node
class DoubleLinkedList<K, V>
Node<K, V> head;
Node<K, V> tail;
public DoubleLinkedList()
head = new Node<>();
tail = new Node<>();
head.next = tail;
tail.prev = head;
// 3.添加到头
public void addHead(Node<K, V> node)
node.next = head.next;
node.prev = head;
head.next.prev = node;
head.next = node;
// 4.删除节点
public void removeNode(Node<K, V> node)
node.next.prev = node.prev;
node.prev.next = node.next;
node.prev = null;
node.next = null;
// 5.获得最后一个节点
public Node getLast()
return tail.prev;
private int cacheSize;
Map<Integer, Node<Integer, Integer>> map;
DoubleLinkedList<Integer, Integer> doubleLinkedList;
public LRUSelfCacheDemo(int cacheSize)
this.cacheSize = cacheSize;//坑位
map = new HashMap<>();//查找
doubleLinkedList = new DoubleLinkedList<>();
public int get(int key)
if (!map.containsKey(key))
return -1;
Node<Integer, Integer> node = map.get(key);
doubleLinkedList.removeNode(node);
doubleLinkedList.addHead(node);
return node.value;
public void put(int key, int value)
if (map.containsKey(key)) //update
Node<Integer, Integer> node = map.get(key);
node.value = value;
map.put(key, node);
doubleLinkedList.removeNode(node);
doubleLinkedList.addHead(node);
else
if (map.size() == cacheSize) //坑位满了
Node<Integer, Integer> lastNode = doubleLinkedList.getLast();
map.remove(lastNode.key);
doubleLinkedList.removeNode(lastNode);
//新增一个
Node<Integer, Integer> newNode = new Node<>(key, value);
map.put(key, newNode);
doubleLinkedList.addHead(newNode);
public static void main(String[] args)
LRUSelfCacheDemo lruCacheDemo = new LRUSelfCacheDemo(3);
lruCacheDemo.put(1, 1);
lruCacheDemo.put(2, 2);
lruCacheDemo.put(3, 3);
System.out.println(lruCacheDemo.map.keySet());
lruCacheDemo.put(4, 1);
System.out.println(lruCacheDemo.map.keySet());
lruCacheDemo.put(3, 1);
System.out.println(lruCacheDemo.map.keySet());
lruCacheDemo.put(3, 1);
System.out.println(lruCacheDemo.map.keySet());
lruCacheDemo.put(3, 1);
System.out.println(lruCacheDemo.map.keySet());
lruCacheDemo.put(5, 1);
System.out.println(lruCacheDemo.map.keySet());
②. 查看默认内存
-
①. 查看Redis最大占用内存:打开redis配置文件,设置maxmemory参数,maxmemory是bytes字节类型,注意转换
-
②. redis默认内存多少可以用？
如果不设置最大内存大小或者设置最大内存大小为0,在64位操作系统下不限制内存大小,在32位操作系统下最多使用3GB -
③. 一般生产上你如何配置？
一般推荐Redis设置内存为最大物理内存的四分之三(和hashMap默认的负载因子0.75一致) -
④. 通过修改文件配置[1]
-
⑤. 通过命令修改[2]
-
⑥. 什么命令查看redis内存使用情况?
info memory
- ⑦. 如果Redis内存使用超出了设置的最大值会怎样？
③. 如何删除数据
- ①. 立即删除
- Redis不可能时时刻刻遍历所有被设置了生存时间的key,来检测数据是否已经到达过期时间,然后对它进行删除
- 立即删除能保证内存中数据的最大新鲜度,因为它保证过期键值会在过期后马上被删除,其所占用的内存也会随之释放。但是立即删除对cpu是最不友好的。因为删除操作会占用cpu的时间,如果刚好碰上了cpu很忙的时候,比如正在做交集或排序等计算的时候,就会给cpu造成额外的压力,让CPU心累,时时需要删除,忙死
- 这会产生大量的性能消耗,同时也会影响数据的读取操作
- 总结:对CPU不友好,用处理器性能换取存储空间 (拿时间换空间)
- ②. 惰性删除
- 数据到达过期时间,不做处理。等下次访问该数据时,如果未过期,返回数据,如果未过期,返回数据
- 惰性删除策略的缺点是,它对内存是最不友好的
- 在使用惰性删除策略时,如果数据库中有非常多的过期键,而这些过期键又恰好没有被访问到的话,那么它们也许永远也不会被删除(除非用户手动执行FLUSHDB),我们甚至可以将这种情况看作是一种内存泄漏–无用的垃圾数据占用了大量的内存,而服务器却不会自己去释放它们,这对于运行状态非常依赖于内存的Redis服务器来说,肯定不是一个好消息
- 总结:对memory不友好,用存储空间换取处理器性能(拿空间换时间)
- ③. 定期删除
- 定期删除策略是前两种策略的折中
- 定期删除策略每隔一段时间执行一次删除过期键操作,并通过限制删除操作执行的时长和频率来减少删除操作对CPU时间的影响
- 定期删除策略的难点是确定删除操作执行的时长和频率:如果删除操作执行得太频繁,或者执行的时间太长,定期删除策略就会退化成立即删除策略,以至于将CPU时间过多地消耗在删除过期键上面。如果删除操作执行得太少,或者执行的时间太短,定期删除策略又会和惰性删除束略一样,出现浪费内存的情况。因此,如果采用定期删除策略的话,服务器必须根据情况,合理地设置删除操作的执行时长和执行频率
- ④. 总结下对于惰性删除和定期删除时
- 定期删除时,从来没有被抽查到
- 惰性删除时,也从来没有被点中使用过
- 引入redis缓存淘汰策略登场
④. 缓存淘汰策略
- ①. 有哪些(redis6.0.8版本) - 这个是要背下来的各位网友
- noeviction: 不会驱逐任何key,农村满了就报错
- allkeys-lru: 对所有key使用LRU算法进行删除
- volatile-lru: 对所有设置了过期时间的key使用LRU算法进行删除
- allkeys-random: 对所有key随机删除
- volatile-random: 对所有设置了过期时间的key随机删除
- volatile-ttl: 删除马上要过期的key
- allkeys-lfu: 对所有key使用LFU算法进行删除
- volatile-lfu: 对所有设置了过期时间的key使用LFU算法进行删除
- ②. 总结上面8种模式:2 * 4 得8、2个维度(过期键中筛选、所有键中筛选)、4个方面(LRU、LFU、random、ttl)、8个选项
- LRU:最近最少使用(最长时间)淘汰算法(Least Recently Used)。LRU是淘汰最长时间没有被使用的页面
- LFU:最不经常使用(最少次)淘汰算法(Least Frequently Used)。LFU是淘汰一段时间内,使用次数最少的页面
- ③. 工作中使用的是哪种:maxmemory-policy allkey-lru
以上是关于REDIS16_LRU算法概述查看默认内存默认是如何删除数据缓存淘汰策略的主要内容，如果未能解决你的问题，请参考以下文章