redis系列11--redis的LRU缓存清除算法讲解以及相关配置

最新推荐文章于 2025-10-27 06:55:37 发布
转载 最新推荐文章于 2025-10-27 06:55:37 发布 · 618 阅读 · 0

目录

1、LRU算法概述

2、缓存清理设置

3、缓存清理的流程

4、redis的LRU近似算法

1、LRU算法概述

redis默认情况下就是使用LRU策略的，因为内存是有限的，但是如果你不断地往redis里面写入数据，那肯定是没法存放下所有的数据在内存的

所以redis默认情况下，当内存中写入的数据很满之后，就会使用LRU算法清理掉部分内存中的数据，腾出一些空间来，然后让新的数据写入redis缓存中

LRU：Least Recently Used，最近最少使用算法

将最近一段时间内，最少使用的一些数据，给干掉。比如说有一个key，在最近1个小时内，只被访问了一次; 还有一个key在最近1个小时内，被访问了1万次

这个时候比如你要将部分数据给清理掉，你会选择清理哪些数据啊？肯定是那个在最近小时内被访问了1万次的数据

2、缓存清理设置

redis.conf

maxmemory，设置redis用来存放数据的最大的内存大小，一旦超出这个内存大小之后，就会立即使用LRU算法清理掉部分数据

如果用LRU，那么就是将最近最少使用的数据从缓存中清除出去

对于64 bit的机器，如果maxmemory设置为0，那么就默认不限制内存的使用，直到耗尽机器中所有的内存为止; 但是对于32 bit的机器，有一个隐式的闲置就是3GB

maxmemory-policy，可以设置内存达到最大闲置后，采取什么策略来处理

（1）noeviction: 如果内存使用达到了maxmemory，client还要继续写入数据，那么就直接报错给客户端
（2）allkeys-lru: 就是我们常说的LRU算法，移除掉最近最少使用的那些keys对应的数据
（3）volatile-lru: 也是采取LRU算法，但是仅仅针对那些设置了指定存活时间（TTL）的key才会清理掉
（4）allkeys-random: 随机选择一些key来删除掉
（5）volatile-random: 随机选择一些设置了TTL的key来删除掉
（6）volatile-ttl: 移除掉部分keys，选择那些TTL时间比较短的keys

在redis里面，写入key-value对的时候，是可以设置TTL，存活时间，比如你设置了60s。那么一个key-value对，在60s之后就会自动被删除

redis的使用，各种数据结构，list，set，等等

allkeys-lru

这边拓展一下思路，对技术的研究，一旦将一些技术研究的比较透彻之后，就喜欢横向对比底层的一些原理

storm，科普一下

玩儿大数据的人搞得，领域，实时计算领域，storm

storm有很多的流分组的一些策略，按shuffle分组，global全局分组，direct直接分组，fields按字段值hash后分组

分组策略也很多，但是，真正公司里99%的场景下，使用的也就是shuffle和fields，两种策略

redis，给了这么多种乱七八糟的缓存清理的算法，其实真正常用的可能也就那么一两种，allkeys-lru是最常用的

3、缓存清理的流程

（1）客户端执行数据写入操作
（2）redis server接收到写入操作之后，检查maxmemory的限制，如果超过了限制，那么就根据对应的policy清理掉部分数据
（3）写入操作完成执行

4、redis的LRU近似算法

科普一个相对来说稍微高级一丢丢的知识点

redis采取的是LRU近似算法，也就是对keys进行采样，然后在采样结果中进行数据清理

redis 3.0开始，在LRU近似算法中引入了pool机制，表现可以跟真正的LRU算法相当，但是还是有所差距的，不过这样可以减少内存的消耗

redis LRU算法，是采样之后再做LRU清理的，跟真正的、传统、全量的LRU算法是不太一样的

maxmemory-samples，比如5，可以设置采样的大小，如果设置为10，那么效果会更好，不过也会耗费更多的CPU资源
 

吃透Redis（八）：缓存淘汰篇-LRU算法
吃透Java
08-16 3310
近似 LRU 算法并没有使用耗时耗空间的链表，而是使用了固定大小的待淘汰数据集合，每次随机选择一些 key 加入待淘汰数据集合中。最后，再按照待淘汰集合中 key 的空闲时间长度，删除空闲时间最长的 key。这样一来，Redis 就近似实现了 LRU 算法的效果了...
Redis学习笔记（四）--Redis配置文件详解
Scr1Pt的博客
10-20 1112
本文详细介绍了Redis的配置文件各项参数与作用，为作者在学习Redis时的笔记，特此比记录，以便后续学习中能够查漏补缺。
Redis的LRU缓存清除算法以及相关配置使用
09-07 380
场景：　　如果你不断的写入数据，当数据写入的量超过了redis能承受的范围之后，该怎么办？redis是会在数据达到一定程度之后，超过了一个最大的限度之后，就会将数据进行一定的清理，从内存中清理掉一些数据，只有清理掉一些数据之后，才能将新的数据写入内存中1、LRU算法概述　　redis默认情况下就是使用LRU策略的，因为内存是有限的，但是如果你不断地往redis里面写入数据，那肯定是没法存...
Java 实现LRU 算法（缓存清除经典算法）
时光钟摆
07-19 1927
目录 LinkedHashMap 源码解析 Java 实现LRU算法 LRU：Last Recent Used 最近最少使用 算法。 是一种常见的缓存清除算法。被广泛应用在各种缓存中间件比如Redis 中。 比较常见的实现是LinkedHashMap LinkedHashMap 源码解析 可以理解，它的主要特点是： 1.这是一个链表。 2.每次插入一个数据都放在最头部，之前的数据...
Redis（87）Redis缓存的LRU淘汰策略如何配置？
qq_43012298的博客
10-27 373
摘要： 配置Redis的LRU淘汰策略需三步：1）在redis.conf中设置maxmemory限制内存（如256MB）；2）通过maxmemory-policy选择策略（推荐allkeys-lru）；3）使用Jedis等客户端验证配置，如动态设置参数、模拟键访问及触发淘汰。通过INFO命令监控内存和命中率，持续优化配置。示例代码展示了Java中配置、测试及监控Redis LRU策略的全流程，确保缓存高效运行。
图文并茂，带你入坑本地缓存 Caffeine
Java知音
04-27 1259
点击关注公众号，实用技术文章及时了解关于缓存的几种算法关于缓存的设计在架构领域有非常多种类型，常见的缓存算法有FIFO，LRU，LFU，以及现在比较常用的W-TinyLFU算法。FIFO 算法这类算法通常会被应用于缓存队列中，当一个查询请求命中了某个元素之后，便会将它放入到队列中，后续的命中元素也是以此类推，直到队列满了之后，老的元素就会被弹出清除。具体流程如下图所示：不...
类似LRU定时清除缓存的缓存优化算法详解(缓存淘汰策略)
weixin_42424024的博客
04-21 552
import java.util.HashMap; import java.util.Timer; import java.util.TimerTask; //设计一个类似于LFU 和LRU 的缓存 优化 算法 可以变更的缓存结构 public class Cache { //首先自己定义缓存优化算法的基本的数据结构以及操作缓存的方法 //设计具有双指针的结点 publi...
32. Redis的LRU缓存清除算法讲解以及相关配置
咸鱼翻面的博客
03-01 313
目录reids清除原因LRU算法概述常用设置缓存清理流程redis的LRU近似算法 reids清除原因 多级缓存架构，缓存数据生产服务，监听各个数据源服务的数据变更的消息，得到消息之后，然后调用接口拉去数据。 将拉取到的数据，写入本地ehcache缓存一份，写入redis分布式缓存中一份，你不断的将数据写入redis，而redis的内存是有限的，每个redis实例最大一般也就是设置给10G。 那...
redis-session-manager-redis-session-manager-2.0.3.tar.gz
06-02
为了防止内存溢出，可以设置适当的过期策略、使用LRU（最近最少使用）算法或AOF（Append Only File）持久化策略。同时，为了保证高可用性，可以考虑设置Redis主从复制或者使用Sentinel或Cluster来实现高可用集群。 ...
精选资源
redis-3.2.2.gem redis-3.2.2.gem redis-3.2.2.gem
10-20
Redis 是一个开源的，基于键值对的数据存储系统，它被广泛用于缓存、数据库以及消息中间件等场景。这个压缩包"redis-3.2.2.gem"包含的是Redis 3.2.2版本的源代码或者安装包，主要用于在Ruby环境中安装和使用Redis。...
redis-64-5.10
01-15
8. **内存管理**：Redis 是内存数据库，但可以通过配置策略进行内存限制，例如 LRU（最近最少使用）或 LFU（最不经常使用）算法，以避免耗尽系统资源。 9. **过期策略**：键可以设置过期时间，这在缓存场景中非常...
redis系列七LUR清除算法
sswltt的博客
05-31 634
概述 LRU : Least Recently Used 最少使用算法。 redis默认使用的就是LRU算法，服务器的内存是有限的，当redis使用的内存达到最大值的时候，再继续存入数据就会将内存有原有的数据删除掉才可以再保存，这种删除数据的策略就是最近最少使用的数据删掉。 缓存清理的配置 再redis.conf文件种设置 主要有两个参数 maxmemory：最大使用内存，超过这个内存之后就会进行LRU算法。如果是64位的机器设置为0，就表示没有内存限制，知道把服务器的所有内存用光。32位的机器如
Redis的LRU
等待就是浪费青春
12-10 1572
如果你使用redis作为缓存，当添加新数据时，若有内存大小等限制，系统默认会根据一定的规则自动清理旧数据。这种处理方式在开发社区中众所周知，因为它也是非常流行的缓存系统 memcached 的默认处理方式。 LRU（LRU全称是Least Recently Used，即最近最久未使用）实际上只是Redis支持的内存回收策略中的一种。这篇文章将要讲述Redis的 maxmemory 配置选项，
如何用Redis做LRU-Cache
热门推荐
手边笔记
08-04 2万+
LRU(Least Recently Used)最近最少使用算法是众多置换算法中的一种。 Redis中有一个maxmemory概念，主要是为了将使用的内存限定在一个固定的大小。Redis用到的LRU 算法，是一种近似的LRU算法。1 设置maxmemory上面已经说过maxmemory是为了限定Redis最大内存使用量。有多种方法设定它的大小。其中一种方法是通过CONFIG SET设定，如下：12
redis allkeys-lru
xpisme
08-11 1020
如果只有一个hash结构，那么在往该hash结构插入数据时，此时若使用内存大于maxmemory，则会直接删除该hash结构。 只是做个小笔记
Redis常用内存淘汰策略allkeys-lru简写(LinkedHashMap)
风秦月舞的博客
12-17 4809
package com.demo.gyw.java.algorithm; import java.util.LinkedHashMap; import java.util.Map; /** * @Description: 基于LinkHash LRU算法 * LRU（Least recently used，最近最少使用） * 算法根据数据的历史访问记录来进行淘汰数据，其核心思想是...
Redis的内存淘汰策略- allkeys-lru
Flying_Fish_roe的博客
08-29 1673
Redis是一种内存数据库，它的数据存储在内存中，因此内存的使用非常重要。当Redis的内存达到配置的最大限制时，需要采取一些策略来淘汰一些不常用的数据，以腾出空间给新的数据。其中一种内存淘汰策略是allkeys-lru（Least Recently Used，最近最少使用）。该策略会根据键的最近使用时间来淘汰数据。具体来说，当内存达到限制时，Redis会检查所有的数据键，并选择最近最少使用的键进行淘汰，以便腾出空间。
android lrucache清空,Android LruCache 的 Bug
weixin_39957951的博客
06-03 701
码哒，今天无意中发现Android 5.0(api level 21)之前的LruCache实现居然存在一个bug。由于在电脑上(Java SE环境，非手机上)测试code比较方便，我便将最近写在Android项目中的框架代码copy到Java项目中进行测试，然后缺少一个LruCache, 我也直接将其源码复制过来，但是报了一个错误，正是下面第一段代码中map.eldest();这句，但是这个方法...
Redis（八） LRU Cache
weixin_34126215的博客
10-22 188
Redis（八）—— LRU Cache 在计算机中缓存可谓无所不在，无论还是应用还是操作系统中，为了性能都需要做缓存。然缓存必然与缓存算法息息相关，LRU就是其中之一。笔者在最先接触LRU是大学学习操作系统时的了解到的，至今已经非常模糊。在学习Redis时，又再次与其相遇，这里将这块内容好好梳理总结。 　　LRU（Least Recently Used）是缓存算法家族的一员——最近最少使用算...
如何配置Redis的缓存清除策略为LRU
最新发布
12-03
<think> 我们正在讨论如何将Redis的缓存清除策略配置为LRU。根据引用[1]和引用[2]，Redis支持LRU算法作为其内存淘汰策略之一。具体配置步骤如下： 1. **设置最大内存限制**：在Redis配置文件（redis.conf）中，通过`maxmemory`参数设置Redis实例可使用的最大内存。例如： ``` maxmemory 4gb ``` 2. **选择LRU策略**：根据引用[2]，Redis提供了两种基于LRU的淘汰策略： - `allkeys-lru`：对所有键（包括未设置过期时间的键）使用LRU算法进行淘汰。 - `volatile-lru`：仅对设置了过期时间的键使用LRU算法进行淘汰。 在配置文件中使用`maxmemory-policy`参数指定策略，例如： ``` maxmemory-policy allkeys-lru ``` 3. **调整LRU算法精度**（可选）：引用[1]提到Redis使用近似LRU算法，通过采样而非精确计算来节省CPU资源。可以通过`maxmemory-samples`参数调整采样数量（默认5）： ``` maxmemory-samples 10 ``` 增加采样数会提高LRU精度但增加CPU消耗。 4. **重启Redis生效**：修改配置后重启Redis服务。 --- ### 配置示例 假设需要设置4GB内存上限并对所有键使用LRU策略： ```conf # redis.conf maxmemory 4gb maxmemory-policy allkeys-lru maxmemory-samples 5 # 默认值，通常无需修改 ``` --- ### 验证配置 连接Redis后执行命令检查： ```bash 127.0.0.1:6379> CONFIG GET maxmemory-policy 1) "maxmemory-policy" 2) "allkeys-lru" ``` --- ### 策略选择建议 | 策略类型 | 适用场景 | 注意事项 | |----------------|--------------------------------------------------------------------------|----------------------------| | `allkeys-lru` | 缓存数据无明显冷热区分，需全局淘汰 | **生产环境首选**，防内存溢出[^2] | | `volatile-lru` | 部分数据需永久保存（如配置信息），仅淘汰有TTL的键 | 需确保所有需淘汰的键均设置TTL | > ⚠️ **关键风险**：若使用`volatile-lru`但未给键设置TTL，当内存满时Redis会返回OOM错误（因无键可淘汰）[^2]。 --- ### 性能优化 - **高并发场景**：增大`maxmemory-samples`（如10）以提升淘汰准确率，但需监控CPU负载[^1]。 - **混合存储需求**：结合`volatile-ttl`策略优先淘汰剩余时间短的键[^3]。 --- §§相关问题§§ 1. Redis的LRU算法为什么采用近似实现而非精确计算？ 2. 如何监控Redis的LRU淘汰效率？ 3. 除了LRU，Redis还有哪些高效的内存淘汰策略？ [^2][^4] </think>### 如何将 Redis 的缓存清除策略配置为 LRU 以下是配置 Redis 使用 LRU 算法的完整步骤： --- #### 1. **修改配置文件 `redis.conf`** 在配置文件中添加以下关键参数： ```conf # 设置最大内存限制（根据实际需求调整） maxmemory 4gb # 指定 LRU 淘汰策略 maxmemory-policy allkeys-lru # 或 volatile-lru # 调整 LRU 采样精度（可选，默认5） maxmemory-samples 10 ``` --- #### 2. **策略类型说明** | **策略** | 作用范围 | 适用场景 | |------------------|------------------------|----------------------------------| | **`allkeys-lru`** | 所有键（无论是否设置过期时间） | 纯缓存场景，需全局淘汰[^2] | | **`volatile-lru`** | 仅设置过期时间的键 | 需保留部分永久数据（如配置信息）[^2] | > 📌 **生产建议**：优先使用 `allkeys-lru` 确保内存溢出时有兜底淘汰机制[^2]。 --- #### 3. **动态修改配置（无需重启）** 通过 Redis 命令行实时生效： ```bash # 设置最大内存为 4GB 127.0.0.1:6379> CONFIG SET maxmemory 4gb # 启用全局 LRU 淘汰 127.0.0.1:6379> CONFIG SET maxmemory-policy allkeys-lru # 验证配置 127.0.0.1:6379> CONFIG GET maxmemory-policy 1) "maxmemory-policy" 2) "allkeys-lru" ``` --- #### 4. **LRU 算法优化参数** ```conf # 增加采样键数量（范围 1~10） maxmemory-samples 10 ``` - **原理**：Redis 使用**近似 LRU** 算法，随机采样 `N` 个键淘汰最久未使用的[^1] - **权衡**：值越大精度越高，但 CPU 消耗增加（默认 5 平衡性能与精度）[^1] --- #### 5. **验证策略生效** 观察淘汰行为： ```bash # 查看淘汰键数量 127.0.0.1:6379> INFO stats ... evicted_keys: 1532 # >0 表示已触发淘汰 ``` --- ### 配置示例场景 **需求**：缓存服务，总数据量 5GB，物理内存 8GB **配置**： ```conf maxmemory 6gb # 预留 2GB 缓冲 maxmemory-policy allkeys-lru # 全局 LRU maxmemory-samples 7 # 中等精度 ``` > 💡 当内存使用超过 6GB 时，Redis 自动淘汰最久未使用的键[^1][^2]。 --- ### 注意事项 1. **键过期策略分离**：LRU 是内存淘汰机制，与键过期删除（惰性删除+定期删除）互独立[^3][^4] 2. **数据持久化影响**：RDB 快照时 `fork()` 可能阻塞主线程，建议 `maxmemory` 不超过物理内存 80%[^1] 3. **集群环境**：Redis Cluster 需在每个节点单独配置淘汰策略 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值