Redis内存回收

Redis之所以性能强，最主要的原因就是基于内存存储。然而单节点的Redis其内存大小不宜过大，会影响持久化或主从同步性能。
我们可以通过修改配置文件来设置Redis的最大内存:

当内存使用达到上限时，就无法存储更多数据了，所以需要对key进行清理。

过期删除策略

通过expire命令给Redis的key设置TTL(存活时间)，当key的TTL到期以后，再次访问name返回的是nil，说明这个key已经不存在了，对应的内存也得到释放，从而起到内存回收的目的。

Redis本身是一个典型的key-value内存存储数据库，因此所有的key、value都保存在Dict结构中
不过在其database结构体中，有两个Dict:一个用来记录key-value;另一个用来记录key-TTL。

这里有两个问题需要我们思考:

• Redis是如何知道一个key是否过期呢?

  • 利用两个Dict分别记录key-value对及key-ttl对

• 是不是TTL到期就立即删除了呢？

  要实现立即删除必须监视每个key,每个key都设置了一个定时器，在key很多时，都设置一个定时器会给CPU造成很大的压力

  常用过期删除策略：惰性删除、周期删除

过期策略-惰性删除

惰性删除:并不是在TTL到期后就立刻删除，而是在访问一个key的时候，检查该key的存活时间，如果已经过期才执行删除

上图中只有检查完key没问题，才能读和写。但是因为惰性删除只有在访问的时候才检查有没有过期，假如某个key很长时间都没有访问，那这个key不会被删除，当被没有访问的key过多时，就会有大量垃圾数据

周期删除

周期删除:顾明思议是通过一个定时任务，周期性的抽样部分过期的key，然后执行删除。执行周期有两种;

• Redis会设置一个定时任务serverCron()，按照server.hz的频率来执行过期key清理，模式为SLOW
• Redis的每个事件循环前会调用beforeSleep()函数，执行过期key清理，模式为FAST

SLOW模式规则:

• 执行频率受server.hz影响，默认为10，即每秒执行10次，每个执行周期100ms。
• 执行清理耗时不超过一次执行周期的25%。
• 逐个遍历db中的bucket，抽取20个key判断是否过期。
• 如果没达到时间上限（25ms）并且过期key比例大于10%，再进行一次抽样，否则结束

**FAST模式规则(**过期key比例小于10%不执行）∶

• 执行频率受beforesleep()调用频率影响，但两次FAST模式间隔不低于2ms
• 执行清理耗时不超过1ms
• 逐个遍历db中的bucket，抽取20个key判断是否过期
• 如果没达到时间上限（1ms）并且过期key比例大于10%，再进行一次抽样，否则结束

FaST清理速度非常快，而SLOW执行效率低，SlOW属于低频长时间的清理，适合清理大量key,而fast属于高频清理少量key

淘汰策略

在大型项目，当数据量非常大，只淘汰过期的key也难以满足内存的使用

内存淘汰︰redis在任何命令执行前都会检查内存是否溢出，当Redis内存使用达到设置的阈值时，Redis主动挑选部分key删除以释放更多内存。Redis会在处理客户端命令的方法processCommand()中尝试做内存淘汰:

Redis支持8种不同策略来选择要删除的key:（可在配置文件中设置淘汰策略）

• noeviction:不淘汰任何key，但是内存满时不允许写入新数据，默认就是这种策略。
• volatile-ttl:对设置了TTL的key，比较key的剩余TTL值，TTL越小越先被淘汰
• allkeys-random:对全体key，随机进行淘汰。也就是直接从db->dict中随机挑选
• volatile-random:对设置了TTL的key，随机进行淘汰。也就是从db->expires中随机挑选。
• allkeys-lru:对全体key，基于LRU算法进行淘汰
• volatile-lru:对设置了TTL的key，基于LRU算法进行淘汰
• allkeys-lfu:对全体key，基于LFU算法进行淘汰
• volatile-lfu:对设置了TTL的key，基于LFI算法进行淘汰

比较容易混淆的有两个:

• LRU(Least Recently Used)，最少最近使用。用当前时间减去最后一次访问时间，这个值越大则淘汰优先级越高。
• LFU (Least Frequently Used)，最少频率使用。会统计每个key的访问频率，值越小淘汰优先级越高。

Redis的数据都会被封装为Redisobject结构:

LFU的访问次数叫做逻辑访问次数（因为一个key访问的次数很多，低8位记录访问次数，8位不够，所以使用了一个算法计算逻辑访问次数，记录是一个概率性次数），所以并不是每次key被访问都计数，而是通过运算:

1）生成0~1之间的随机数R
2）计算1/(旧次数*lfu_log_factor + 1)，记录为P，lfu_log_factor默认为10

3）如果R 4）访问次数会随时间衰减，距离上一次访问时间每隔lfu_decay_time分钟(默认1)，计数器-1（高16位记录最后一次访问时间，所以可以得到距离上一次访问时间间隔

淘汰策略执行流程图：

首先会判断一下这个内存是否充足，即当前已经使用的内存有没有达到内存最大值

充足，则退出；否则，就尝试进行驱逐。驱逐前判断如果策略是NO_EVICTION，则直接结束。不是，则需要驱逐：不管是哪种淘汰，都会判断是从所有key中驱逐还是设置了TTL的键中判断，判断完后判断是哪种策略（随机，LRU,LFU,TTL）：

1）如果是随机模式，那就接从库里随便挑一个删了，删完了以后判断是否内存是否足够，不够继续判断删除，够了则终止。

2）如果是LRU|LFU|TTL，这三种有个共同的特点要去得到LLU,LFU，TTL值做比较（redis中有大量的key,不可能一个个计算比较删除，redis采用的不是严格的LRU，而是使用一个池子eviction_pool,一个淘汰池，池子一开始是空的，现在要选一些key淘汰，可又不想去遍历所有的key,可以从数据库中挑一些样本，放到池子里，比较池子里的key谁需要淘汰。虽然这种准确率不足把所有的key都遍历一遍，不过它的准确率还是可以接受的，而且这种方式性能比较好），挑选样本时，首先会去redis中一个数据库，挑选maxmemory_samples(默认5)数量的key。

如何挑选，不同策略挑选方式不一样。

如果说不同策略有不同标准，在放到池子中时标准也不一样，不同策略就歹写一种判断逻辑，不方便统一，为了解决这个问题，就指定了这个池子的淘汰标准（会按照key中某一个值升序排列，排列完后值越大的优先淘汰）那按什么排序，不同策略不一样

LRU：now-LRU（因为LRU越小越淘汰，但是标准是升序淘汰，所以用now-LRU，即没有被访问的空闲时间）

LFU:频率，用LFU最大值255-LFU

TTL：最大时间减去maxTTL

样本选出来要判断池子满了，没满直接放池子，满了需要比较样本的最大值和池子中最小的值哪个更小，样本最大值更小就不应该淘汰。

一个数据库处理完了，循环继续处理下一个DB,若数据库处理完，把值大的淘汰。

总结：redis可以设置内存上限，为了避免内存达到上限，有两种策略，一个是内存过期（惰性删除，周期删除），另一个是内存淘汰，
参考：https://www.bilibili.com/video/BV1cr4y1671t?p=146&vd_source=4b2762d41a0675aa9823e3c6194fb61d