Redis精通系列——LRU算法详述(Least Recently Used - 最近最少使用)

本文主要是介绍Redis精通系列——LRU算法详述(Least Recently Used - 最近最少使用)，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

因此如何防止Redis发生这种情况非常重要（面试官问到Redis几乎没有不问这个知识点的）。

​

2、maxmemory配置

Redis针对上述问题提供了maxmemory配置，这个配置可以指定Redis存储器的最大数据集，通常情况都是在redis.conf文件中进行配置，也可以运行时使用CONFIG SET命令进行一次性配置。

redis.conf文件中的配置项示意图：

默认情况maxmemory配置项并未启用，Redis官方介绍64位操作系统默认无内存限制，32位操作系统默认3GB隐式内存配置，如果maxmemory 为0，代表内存不受限。

因此我们在做缓存架构时，要根据硬件资源+业务需求做合适的maxmemory配置。

​

3、内存达到maxmemory怎么办

很显然配置了最大内存，当maxmemory达到了最大上限之后Redis不可能不干活了，那么Redis是怎么来处理这个问题的呢？这就是本文的重点，Redis 提供了maxmemory-policy淘汰策略（本文只讲述LRU不涉及LFU，LFU在下一篇文章讲述），对满足条件的key进行删除，辞旧迎新。

maxmemory-policy淘汰策略：

• **noeviction：**当达到内存限制并且客户端尝试执行可能导致使用更多内存的命令时返回错误，简单来说读操作仍然允许，但是不准写入新的数据，del（删除）请求可以。

• **allkeys-lru：**从全体key中，通过lru（Least Recently Used - 最近最少使用）算法进行淘汰

• **allkeys-random：**从全体key中，随机进行淘汰

• **volatile-lru：**从设置了过期时间的全部key中，通过lru（Least Recently Used - 最近最少使用）算法进行淘汰，这样可以保证未设置过期时间需要被持久化的数据，不会被选中淘汰

• **volatile-random：**从设置了过期时间的全部key中，随机进行淘汰

• **volatile-ttl：**从设置了过期时间的全部key中，通过比较key的剩余过期时间TTL的值，TTL越小越先被淘汰

还有volatile-lfu/allkeys-lfu这个留到下文一起探讨，两个算法不一样！

random随机淘汰只需要随机取一些key进行删除，释放内存空间即可；ttl过期时间小先淘汰也可以通过比较ttl的大小，将ttl值小的key进行删除，释放内存空间即可。

那么LRU是怎么实现的呢？Redis又是如何知道哪个key最近被使用了，哪个key最近没有被使用呢？

​

4、LRU算法实现

我们先用Java的容器实现一个简单的LRU算法，我们使用ConcurrentHashMap做key-value结果存储元素的映射关系，使用ConcurrentLinkedDeque来维持key的访问顺序。

LRU实现代码：

package com.lizba.redis.lru;

import java.util.Arrays;

import java.util.List;

import java.util.concurrent.ConcurrentHashMap;

import java.util.concurrent.ConcurrentLinkedDeque;

/**

* 

*      LRU简单实现

* 

* @Author: Liziba

* @Date: 2021/9/17 23:47

*/

public class SimpleLru {

/** 数据缓存 */

private ConcurrentHashMap<String, Object> cacheData;

/** 访问顺序记录 */

private ConcurrentLinkedDeque sequence;

/** 缓存容量 */

private int capacity;

public SimpleLru(int capacity) {

this.capacity = capacity;

cacheData = new ConcurrentHashMap(capacity);

sequence = new ConcurrentLinkedDeque();

}

/**

* 设置值

* @param key

* @param value

* @return

*/

public Object setValue(String key, Object value) {

// 判断是否需要进行LRU淘汰

this.maxMemoryHandle();

// 包含则移除元素，新访问的元素一直保存在队列最前面

if (sequence.contains(key)) {

sequence.remove();

}

sequence.addFirst(key);

cacheData.put(key, value);

return value;

}

/**

* 达到最大内存，淘汰最近最少使用的key

*/

private void maxMemoryHandle() {

while (sequence.size() >= capacity) {

String lruKey = sequence.removeLast();

cacheData.remove(lruKey);

System.out.println("key: " + lruKey + “被淘汰！”);

}

}

/**

* 获取访问LRU顺序

* @return

*/

public List getAll() {

return Arrays.asList(sequence.toArray(new String[] {}));

}

}

测试代码：

package com.lizba.redis.lru;

/**

* 

*      测试最近最少使用

* 

* @Author: Liziba

* @Date: 2021/9/18 0:00

*/

public class TestSimpleLru {

public static void main(String[] args) {

SimpleLru lru = new SimpleLru(8);

for (int i = 0; i < 10; i++) {

lru.setValue(i+"", i);

}

System.out.println(lru.getAll());

}

}

测试结果：

这篇关于Redis精通系列——LRU算法详述(Least Recently Used - 最近最少使用)的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！