Redis内存回收

一、Redis内存回收策略

回收策略	描述
noeviction	当到达内存限制时返回错误。当客户端尝试执行命令时会导致更多内存占用(大多数写命令，除了 DEL 和一些例外)
allkeys-lru	回收最近最少使用(LRU)的键，为新数据腾出空间
volatile-lru	回收最近最少使用(LRU)的键，但是只回收有设置过期的键，为新数据腾出空间
allkeys-random	回收随机的键，为新数据腾出空间
volatile-random	回收随机的键，但是只回收有设置过期的键，为新数据腾出空间
volatile-ttl	回收有设置过期的键，尝试先回收离 TTL 最短时间的键，为新数据腾出空间

二、LRU原理

      LRU（Least recently used，最近最少使用），选择最近一段时间内，最久未使用的对象将其淘汰。

三、LRU经典实现算法 

1. 新数据插入到链表头部；

2. 每当缓存命中（即缓存数据被访问），则将数据移到链表头部；

3. 当链表满的时候，将链表尾部的数据丢弃。

四、JDK中LinkedHashMap实现LRU（HashMap+双向链表）

       LinkedHashMap的实现原理和HashMap并没有本质区别,下图中除去红色的虚连接线,其结构就是典型的HashMap.

和HashMap的不同的是,其Entry节点中,增加了两个指针:befor和after,用来维护双向链表结构.

带有accessOrder的构造函数，accessOrder为false，按照插入的顺序进行排序，accessOrder为true，按照访问的顺序进行排序

public LinkedHashMap(int initialCapacity,float loadFactor,boolean accessOrder) {

super(initialCapacity, loadFactor);
this.accessOrder = accessOrder;

}

利用LinkedHashMap实现LRU的简单例子：

 

class LRUCache<K,V> extends LinkedHashMap<K,V>{

private int capacity;
private static final long serialVersionUID = 1L;

 

LRUCache(int capacity){
super(16,0.75f,true);
this.capacity=capacity;
}

@Override
public boolean removeEldestEntry(Map.Entry<K, V> eldest){ 
return size()>capacity;
}

}

五、Redis 实现的LRU算法

       Redis 的 LRU 算法不是一个精确的实现，是近似的 LRU 算法。通过采样一小部分键，然后在采样键中回收最适合(拥有最久访问时间)的那个。

       采样的个数可以通过如下配置文件修改：

          maxmemory-samples 5

       1）redis的内存回收如下图所示：