Redis-缓存淘汰与过期删除

过期删除策略和内存淘汰策略有什么区别？

  • 过期删除策略是将已过期的键值进行删除，Redis采用的删除策略是惰性删除和定时删除。
  • 内存淘汰策略是在内存满了的时候，redis触发内存淘汰策略，来淘汰一些不必要的内存资源，以腾出空间来保存新的内容。

Redis内存淘汰策略

在32位系统中，Redis的maxmemory默认值为3GB，这是因为32位系统最高支持4GB内存，而系统本身需要一定的内存资源来运行。为了避免因内存不足而导致Redis崩溃，设置maxmemory为3GB是一个合理的默认值。

Redis提供了8种内存淘汰策略，这些策略可以根据是否进行数据淘汰分为两类：

1. 不进行数据淘汰

  • noeviction（Redis 3.0之后默认使用的策略）：当运行内存达到最大内存时，不会淘汰任何数据。如果有新的数据插入，Redis会返回错误。但对于普通的查询或删除操作，Redis可以正常运行。

2. 进行数据淘汰

针对“进行数据淘汰”这一类策略，又可以继续分为“在设置了过期时间的数据中淘汰”和“在所有数据范围内淘汰”两类。

“在设置了过期时间的数据中淘汰”：

  • volatile-random：随机淘汰设置了过期时间的数据。
  • volatile-ttl：优先淘汰过期时间最早的数据。
  • volatile-lru（Redis 3.0之前默认使用策略）：淘汰所有设置了过期时间的数据中，最久未使用的键值。
  • volatile-lfu：淘汰所有设置了过期时间的数据中，最少使用的数据。

“在所有数据范围中进行淘汰”：

  • allkeys-random：随机淘汰任意键值
  • allkey-lru：淘汰整个键值中最久未使用的键值
  • allkeys-lfu：淘汰整个键值中最少使用的键值

Redis过期删除策略

Redis使用惰性删除和定期删除相结合的过期删除策略，以在CPU使用时间和避免内存空间浪费之间取得平衡。

惰性删除

Redis的惰性删除策略由db.c文件中的expireIfNeeded函数实现。惰性删除的核心思想是：在访问或修改key之前，先检查key是否过期，如果过期则删除该key。

以下是expireIfNeeded函数源码：

1
2
3
4
5
6
7
8
9
10
11
12
13
int expireIfNeeded(redisDb *db, robj *key) {
    // 检查key是否设置了过期时间
    if (!keyIsExpired(db,key)) return 0;

    // 如果key过期，则删除该key
    if (server.lazyfree_lazy_expire)
        dbAsyncDelete(db,key);
    else
        dbSyncDelete(db,key);

    // 返回1表示key已被删除
    return 1;
}
  • 检查key是否过期：在访问或修改key之前，调用expireIfNeeded函数检查key是否过期。
  • 删除过期key：如果key过期，则根据lazyfree_lazy_expire参数配置，选择异步删除（dbAsyncDelete）或同步删除（dbSyncDelete）。
  • 返回结果：如果key过期并被删除，返回null给客户端；如果key未过期，则正常返回键值对给客户端。
惰性删除流程

定期删除

Redis的定期删除策略是每隔一段时间从内存中随机抽取一定数量的key进行检查，并删除其中过期的key。定期删除的目的是避免内存中积累过多的过期key，从而浪费内存空间。

定期删除的配置

  1. 间隔检查时间：默认是1秒检查10次，可以通过redis.conf文件进行配置。
  2. 随机抽查数量：在源码中，定期删除的实现在expire.c文件下的activeExpireCycle函数中，其中随机抽查的数量由ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP定义，数值是20。

定期删除的流程

  1. 随机抽取key：从过期字典中随机抽取20个key。
  2. 检查并删除过期key：检查这些key是否已过期，并删除已过期的key。
  3. 循环检查：如果本轮已过期的key超过5个，则继续抽取20个key再次进行检查删除，直到不满足该条件，退出。

Redis缓存为什么不过期直接删

在Redis中，过期key的删除策略是惰性删除和定期删除相结合的方式。然而，在内存不紧张但CPU紧张的情况下，Redis并不会立即删除过期的key，而是选择延迟删除。这种设计主要是为了在CPU资源紧张的情况下，优先保证业务性能，避免因频繁删除过期key而占用过多的CPU时间。