Redis 缓存淘汰策略

Redis 缓存淘汰策略

如何估算缓存容量大小

「二八定律」：百分之八十的访问会落到百分之二十的热点数据上

内存容量建议设置在总数据量的 15%~30%

Redis 设置最大缓存容量：

config set maxmemory 4gb

Redis 缓存淘汰策略

8 中淘汰策略：

• 1 种不进行淘汰策略： noeviction
• 7 种进行淘汰策略，按照是否设置过期时间，进行数据集淘汰进行分类
  • 有设置过期时间： volatile-random, volatile-ttl, volatile-lru, volatile-lfu 在设置了过期时间的数据集中进行淘汰
  • 未设置过期时间： allkeys-random, allkeys-lru, allkeys-lfu 进行全局数据范围淘汰

noeviction 不进行数据淘汰

当 Redis 缓存使用超过 maxmemory，不进行数据淘汰，同时 Redis 不在提供写服务。一般不使用这个配置策略。

volatile-random, volatile-ttl, volatile-lru, volatile-lfu 在设置了过期时间的键值对进行数据淘汰

当缓存写满或数据过期时，进行数据淘汰

• volatile-ttl 按照过期时间的先后顺序进行数据删除
• volatile-random 在设置过期时间的数据集中随机删除
• volatile-lru 依据 LRU 算法筛选过期时间数据进行删除
• volatile-lfu 依据 LFU 算法筛选过期时间数据进行删除

allkeys-random, allkeys-lru, allkeys-lfu 在所有键值对中进行数据淘汰

• allkeys-random 从所有键值对中随机淘汰
• allkeys-lru 依据 LRU 算法筛选所有数据进行淘汰
• allkeys-lfu 依据 LFU 算法筛选所有数据进行淘汰

LRU 算法

LRU ： least recently used 最近最少使用。实现大致逻辑是，将所有数据以链表形式组织，最近访问的数据移动至表头，当数据写满时，删除队尾数据（淘汰），存在 2 个问题:

1: 需要额外的链表管理所有数据 2: 当大量数据访问时，会进行频繁的链表移动

Redis LRU 算法实现

Redis 对经典 LRU 算法进行简化，Redis 记录没有数据最近一次的访问时间戳，当进行数据淘汰时，随机选出 N 个元素作为淘汰候选集，然后比较 N 个数据的 lru 字段，把最小的数据从缓存中淘汰删除。

候选集挑选规则： 进入候选集的数据的 lru 字段必须小于当前候选集中的最小 lru 值。

配置项 maxmemory-samples 用于配置候选集 N 的数据个数：

config set maxmemory-samples 100

Redis 缓存淘汰策略最佳实践

• 数据访问频率差异大（冷热数据区分明显）优先使用 allkeys-lru 策略
• 数据访问频率差异不大时（无明显冷热数据区分）推荐使用 allkeys-random 策略
• 业务有置顶需求（置顶新闻、视频）使用 volatile-lru 策略，并对指定数据不设置过期时间