阿里面試官：內(nèi)存耗盡后Redis會崩？

前言

作為一臺服務(wù)器來說，內(nèi)存并不是無限的，所以總會存在內(nèi)存耗盡的情況，那么當(dāng) Redis 服務(wù)器的內(nèi)存耗盡后，如果繼續(xù)執(zhí)行請求命令，Redis 會如何處理呢？

內(nèi)存回收

使用Redis 服務(wù)時，很多情況下某些鍵值對只會在特定的時間內(nèi)有效，為了防止這種類型的數(shù)據(jù)一直占有內(nèi)存，我們可以給鍵值對設(shè)置有效期。Redis 中可以通過 4 個獨(dú)立的命令來給一個鍵設(shè)置過期時間：

• expire key ttl：將 key 值的過期時間設(shè)置為 ttl 秒。
• pexpire key ttl：將 key 值的過期時間設(shè)置為 ttl 毫秒。
• expireat key timestamp：將 key 值的過期時間設(shè)置為指定的 timestamp 秒數(shù)。
• pexpireat key timestamp：將 key 值的過期時間設(shè)置為指定的 timestamp 毫秒數(shù)。

PS：不管使用哪一個命令，最終 Redis 底層都是使用 pexpireat 命令來實(shí)現(xiàn)的。另外，set 等命令也可以設(shè)置 key 的同時加上過期時間，這樣可以保證設(shè)值和設(shè)過期時間的原子性。

設(shè)置了有效期后，可以通過 ttl 和 pttl 兩個命令來查詢剩余過期時間（如果未設(shè)置過期時間則下面兩個命令返回 -1，如果設(shè)置了一個非法的過期時間，則都返回 -2）：

• ttl key 返回 key 剩余過期秒數(shù)。
• pttl key 返回 key 剩余過期的毫秒數(shù)。

過期策略

如果將一個過期的鍵刪除，我們一般都會有三種策略：

• 定時刪除：為每個鍵設(shè)置一個定時器，一旦過期時間到了，則將鍵刪除。這種策略對內(nèi)存很友好，但是對 CPU 不友好，因為每個定時器都會占用一定的 CPU 資源。
• 惰性刪除：不管鍵有沒有過期都不主動刪除，等到每次去獲取鍵時再判斷是否過期，如果過期就刪除該鍵，否則返回鍵對應(yīng)的值。這種策略對內(nèi)存不夠友好，可能會浪費(fèi)很多內(nèi)存。
• 定期掃描：系統(tǒng)每隔一段時間就定期掃描一次，發(fā)現(xiàn)過期的鍵就進(jìn)行刪除。這種策略相對來說是上面兩種策略的折中方案，需要注意的是這個定期的頻率要結(jié)合實(shí)際情況掌控好，使用這種方案有一個缺陷就是可能會出現(xiàn)已經(jīng)過期的鍵也被返回。

在 Redis 當(dāng)中，其選擇的是策略 2 和策略 3 的綜合使用。不過 Redis 的定期掃描只會掃描設(shè)置了過期時間的鍵，因為設(shè)置了過期時間的鍵 Redis 會單獨(dú)存儲，所以不會出現(xiàn)掃描所有鍵的情況：

typedef struct redisDb {
    dict *dict; //所有的鍵值對
    dict *expires; //設(shè)置了過期時間的鍵值對
   dict *blocking_keys; //被阻塞的key,如客戶端執(zhí)行BLPOP等阻塞指令時
   dict *watched_keys; //WATCHED keys
   int id; //Database ID
   //... 省略了其他屬性
} redisDb;

8 種淘汰策略

假如 Redis 當(dāng)中所有的鍵都沒有過期，而且此時內(nèi)存滿了，那么客戶端繼續(xù)執(zhí)行 set 等命令時 Redis 會怎么處理呢？Redis 當(dāng)中提供了不同的淘汰策略來處理這種場景。

首先 Redis 提供了一個參數(shù) maxmemory 來配置 Redis 最大使用內(nèi)存：

maxmemory <bytes>

或者也可以通過命令 config set maxmemory 1GB 來動態(tài)修改。

如果沒有設(shè)置該參數(shù)，那么在 32 位的操作系統(tǒng)中 Redis 最多使用 3GB 內(nèi)存，而在 64 位的操作系統(tǒng)中則不作限制。

Redis 中提供了 8 種淘汰策略，可以通過參數(shù) maxmemory-policy 進(jìn)行配置：

PS：淘汰策略也可以直接使用命令 config set maxmemory-policy <策略> 來進(jìn)行動態(tài)配置。

LRU 算法

LRU 全稱為：Least Recently Used。即：最近最長時間未被使用。這個主要針對的是使用時間。

Redis 改進(jìn)后的 LRU 算法

在 Redis 當(dāng)中，并沒有采用傳統(tǒng)的 LRU 算法，因為傳統(tǒng)的 LRU 算法存在 2 個問題：

• 需要額外的空間進(jìn)行存儲。
• 可能存在某些 key 值使用很頻繁，但是最近沒被使用，從而被 LRU 算法刪除。

為了避免以上 2 個問題，Redis 當(dāng)中對傳統(tǒng)的 LRU 算法進(jìn)行了改造，通過抽樣的方式進(jìn)行刪除。

配置文件中提供了一個屬性 maxmemory_samples 5，默認(rèn)值就是 5，表示隨機(jī)抽取 5 個 key 值，然后對這 5 個 key 值按照 LRU 算法進(jìn)行刪除，所以很明顯，key 值越大，刪除的準(zhǔn)確度越高。

對抽樣 LRU 算法和傳統(tǒng)的 LRU 算法，Redis 官網(wǎng)當(dāng)中有一個對比圖：

• 淺灰色帶是被刪除的對象。
• 灰色帶是未被刪除的對象。
• 綠色是添加的對象。

左上角第一幅圖代表的是傳統(tǒng) LRU 算法，可以看到，當(dāng)抽樣數(shù)達(dá)到 10 個（右上角），已經(jīng)和傳統(tǒng)的 LRU 算法非常接近了。

Redis 如何管理熱度數(shù)據(jù)

前面我們講述字符串對象時，提到了 redisObject 對象中存在一個 lru 屬性：

typedef struct redisObject {
    unsigned type:4;//對象類型（4位=0.5字節(jié)）
    unsigned encoding:4;//編碼（4位=0.5字節(jié)）
    unsigned lru:LRU_BITS;//記錄對象最后一次被應(yīng)用程序訪問的時間（24位=3字節(jié)）
    int refcount;//引用計數(shù)。等于0時表示可以被垃圾回收（32位=4字節(jié)）
    void *ptr;//指向底層實(shí)際的數(shù)據(jù)存儲結(jié)構(gòu)，如：SDS等(8字節(jié))
} robj;

lru 屬性是創(chuàng)建對象的時候?qū)懭耄瑢ο蟊辉L問到時也會進(jìn)行更新。正常人的思路就是最后決定要不要刪除某一個鍵肯定是用當(dāng)前時間戳減去 lru，差值最大的就優(yōu)先被刪除。但是 Redis 里面并不是這么做的，Redis 中維護(hù)了一個全局屬性 lru_clock，這個屬性是通過一個全局函數(shù) serverCron 每隔 100 毫秒執(zhí)行一次來更新的，記錄的是當(dāng)前 unix 時間戳。

最后決定刪除的數(shù)據(jù)是通過 lru_clock 減去對象的 lru 屬性而得出的。那么為什么 Redis 要這么做呢？直接取全局時間不是更準(zhǔn)確嗎？

這是因為這么做可以避免每次更新對象的 lru 屬性的時候可以直接取全局屬性，而不需要去調(diào)用系統(tǒng)函數(shù)來獲取系統(tǒng)時間，從而提升效率（Redis 當(dāng)中有很多這種細(xì)節(jié)考慮來提升性能，可以說是對性能盡可能的優(yōu)化到極致）。

不過這里還有一個問題，我們看到，redisObject 對象中的 lru 屬性只有 24 位，24 位只能存儲 194 天的時間戳大小，一旦超過 194 天之后就會重新從 0 開始計算，所以這時候就可能會出現(xiàn) redisObject 對象中的 lru 屬性大于全局的 lru_clock 屬性的情況。

正因為如此，所以計算的時候也需要分為 2 種情況：

• 當(dāng)全局 lruclock > lru，則使用 lruclock - lru 得到空閑時間。
• 當(dāng)全局 lruclock < lru，則使用 lruclock_max（即 194 天） - lru + lruclock 得到空閑時間。

需要注意的是，這種計算方式并不能保證抽樣的數(shù)據(jù)中一定能刪除空閑時間最長的。這是因為首先超過 194 天還不被使用的情況很少，再次只有 lruclock 第 2 輪繼續(xù)超過 lru 屬性時，計算才會出問題。

比如對象 A 記錄的 lru 是 1 天，而 lruclock 第二輪都到 10 天了，這時候就會導(dǎo)致計算結(jié)果只有 10-1=9 天，實(shí)際上應(yīng)該是 194+10-1=203 天。但是這種情況可以說又是更少發(fā)生，所以說這種處理方式是可能存在刪除不準(zhǔn)確的情況，但是本身這種算法就是一種近似的算法，所以并不會有太大影響。

LFU 算法

LFU 全稱為：Least Frequently Used。即：最近最少頻率使用，這個主要針對的是使用頻率。這個屬性也是記錄在redisObject 中的 lru 屬性內(nèi)。

當(dāng)我們采用 LFU 回收策略時，lru 屬性的高 16 位用來記錄訪問時間（last decrement time：ldt，單位為分鐘），低 8 位用來記錄訪問頻率（logistic counter：logc），簡稱 counter。

訪問頻次遞增

LFU 計數(shù)器每個鍵只有 8 位，它能表示的最大值是 255，所以 Redis 使用的是一種基于概率的對數(shù)器來實(shí)現(xiàn) counter 的遞增。r

給定一個舊的訪問頻次，當(dāng)一個鍵被訪問時，counter 按以下方式遞增：

1. 提取 0 和 1 之間的隨機(jī)數(shù) R。
2. counter - 初始值（默認(rèn)為 5），得到一個基礎(chǔ)差值，如果這個差值小于 0，則直接取 0，為了方便計算，把這個差值記為 baseval。
3. 概率 P 計算公式為：1/(baseval * lfu_log_factor + 1)。
4. 如果 R < P 時，頻次進(jìn)行遞增（counter++）。

公式中的 lfu_log_factor 稱之為對數(shù)因子，默認(rèn)是 10 ，可以通過參數(shù)來進(jìn)行控制：

lfu_log_factor 10

下圖就是對數(shù)因子 lfu_log_factor 和頻次 counter 增長的關(guān)系圖：

可以看到，當(dāng)對數(shù)因子 lfu_log_factor 為 100 時，大概是 10M（1000萬） 次訪問才會將訪問 counter 增長到 255，而默認(rèn)的 10 也能支持到 1M（100萬） 次訪問 counter 才能達(dá)到 255 上限，這在大部分場景都是足夠滿足需求的。

訪問頻次遞減

如果訪問頻次 counter 只是一直在遞增，那么遲早會全部都到 255，也就是說 counter 一直遞增不能完全反應(yīng)一個 key 的熱度的，所以當(dāng)某一個 key 一段時間不被訪問之后，counter 也需要對應(yīng)減少。

counter 的減少速度由參數(shù) lfu-decay-time 進(jìn)行控制，默認(rèn)是 1，單位是分鐘。默認(rèn)值 1 表示：N 分鐘內(nèi)沒有訪問，counter 就要減 N。

lfu-decay-time 1

具體算法如下：

1. 獲取當(dāng)前時間戳，轉(zhuǎn)化為分鐘后取低 16 位（為了方便后續(xù)計算，這個值記為 now）。
2. 取出對象內(nèi)的 lru 屬性中的高 16 位（為了方便后續(xù)計算，這個值記為 ldt）。
3. 當(dāng) lru > now 時，默認(rèn)為過了一個周期（16 位，最大 65535)，則取差值 65535-ldt+now：當(dāng) lru <= now 時，取差值 now-ldt（為了方便后續(xù)計算，這個差值記為 idle_time）。
4. 取出配置文件中的 lfu_decay_time 值，然后計算：idle_time / lfu_decay_time（為了方便后續(xù)計算，這個值記為num_periods）。
5. 最后將counter減少：counter - num_periods。

看起來這么復(fù)雜，其實(shí)計算公式就是一句話：取出當(dāng)前的時間戳和對象中的 lru 屬性進(jìn)行對比，計算出當(dāng)前多久沒有被訪問到，比如計算得到的結(jié)果是 100 分鐘沒有被訪問，然后再去除配置參數(shù) lfu_decay_time，如果這個配置默認(rèn)為 1也即是 100/1=100，代表 100 分鐘沒訪問，所以 counter 就減少 100。

總結(jié)

本文主要介紹了 Redis 過期鍵的處理策略，以及當(dāng)服務(wù)器內(nèi)存不夠時 Redis 的 8 種淘汰策略，最后介紹了 Redis 中的兩種主要的淘汰算法 LRU 和 LFU。

Spring Cloud：統(tǒng)一異常處理
Spring 中的 Controller 和Service是線程安全的嗎？
JAVA實(shí)現(xiàn)PDF和EXCEL生成和數(shù)據(jù)動態(tài)插入以及導(dǎo)出
SpringBoot+ Dubbo + Mybatis + Nacos +Seata整合來實(shí)現(xiàn)Dubbo分布式事務(wù)
一個 SpringBoot 項目該包含哪些？
發(fā)現(xiàn)一款牛逼的IDEA插件：檢測代碼漏洞，一鍵修復(fù)！
springboot+redis+Interceptor+自定義annotation實(shí)現(xiàn)接口自動冪等
100W個微信紅包封面，速度領(lǐng)取！！！
API接口的安全設(shè)計驗證：ticket，簽名，時間戳
點(diǎn)擊閱讀全文前往微服務(wù)電商教程