redis內(nèi)存滿(mǎn)了如何解決，針對(duì)這個(gè)問(wèn)題，這篇文章詳細(xì)介紹了相對(duì)應(yīng)的分析和解答，希望可以幫助更多想解決這個(gè)問(wèn)題的小伙伴找到更簡(jiǎn)單易行的方法。

成都創(chuàng)新互聯(lián)成立于2013年，我們提供高端網(wǎng)站建設(shè)公司、網(wǎng)站制作、成都網(wǎng)站設(shè)計(jì)、網(wǎng)站定制、全網(wǎng)整合營(yíng)銷(xiāo)推廣、微信小程序開(kāi)發(fā)、微信公眾號(hào)開(kāi)發(fā)、網(wǎng)站推廣服務(wù)，提供專(zhuān)業(yè)營(yíng)銷(xiāo)思路、內(nèi)容策劃、視覺(jué)設(shè)計(jì)、程序開(kāi)發(fā)來(lái)完成項(xiàng)目落地，為雨棚定制企業(yè)提供源源不斷的流量和訂單咨詢(xún)。

1、通過(guò)配置文件配置

通過(guò)在Redis安裝目錄下面的redis.conf配置文件中添加以下配置設(shè)置內(nèi)存大小。

//設(shè)置Redis最大占用內(nèi)存大小為100M  maxmemory 100mb

redis的配置文件不一定使用的是安裝目錄下面的redis.conf文件，啟動(dòng)redis服務(wù)的時(shí)候是可以傳一個(gè)參數(shù)指定redis的配置文件的。

2、通過(guò)命令修改

Redis支持運(yùn)行時(shí)通過(guò)命令動(dòng)態(tài)修改內(nèi)存大小

//設(shè)置Redis最大占用內(nèi)存大小為100M  127.0.0.1:6379> config set maxmemory 100mb  //獲取設(shè)置的Redis能使用的最大內(nèi)存大小  127.0.0.1:6379> config get maxmemory

如果不設(shè)置最大內(nèi)存大小或者設(shè)置最大內(nèi)存大小為0，在64位操作系統(tǒng)下不限制內(nèi)存大小，在32位操作系統(tǒng)下最多使用3GB內(nèi)存

Redis的內(nèi)存淘汰

既然可以設(shè)置Redis最大占用內(nèi)存大小，那么配置的內(nèi)存就有用完的時(shí)候。那在內(nèi)存用完的時(shí)候，還繼續(xù)往Redis里面添加數(shù)據(jù)不就沒(méi)內(nèi)存可用了嗎？

實(shí)際上Redis定義了幾種策略用來(lái)處理這種情況：

•  noeviction(默認(rèn)策略)：對(duì)于寫(xiě)請(qǐng)求不再提供服務(wù)，直接返回錯(cuò)誤（DEL請(qǐng)求和部分特殊請(qǐng)求除外）

•  allkeys-lru：從所有key中使用LRU算法進(jìn)行淘汰

•  volatile-lru：從設(shè)置了過(guò)期時(shí)間的key中使用LRU算法進(jìn)行淘汰

•  allkeys-random：從所有key中隨機(jī)淘汰數(shù)據(jù)

•  volatile-random：從設(shè)置了過(guò)期時(shí)間的key中隨機(jī)淘汰

•  volatile-ttl：在設(shè)置了過(guò)期時(shí)間的key中，根據(jù)key的過(guò)期時(shí)間進(jìn)行淘汰，越早過(guò)期的越優(yōu)先被淘汰

當(dāng)使用volatile-lru、volatile-random、volatile-ttl這三種策略時(shí)，如果沒(méi)有key可以被淘汰，則和noeviction一樣返回錯(cuò)誤。

如何獲取及設(shè)置內(nèi)存淘汰策略

獲取當(dāng)前內(nèi)存淘汰策略：

127.0.0.1:6379> config get maxmemory-policy

通過(guò)配置文件設(shè)置淘汰策略（修改redis.conf文件）：

maxmemory-policy allkeys-lru

通過(guò)命令修改淘汰策略：

127.0.0.1:6379> config set maxmemory-policy allkeys-lru

LRU算法

什么是LRU?

上面說(shuō)到了Redis可使用最大內(nèi)存使用完了，是可以使用LRU算法進(jìn)行內(nèi)存淘汰的，那么什么是LRU算法呢？

LRU(Least Recently Used)，即最近最少使用，是一種緩存置換算法。在使用內(nèi)存作為緩存的時(shí)候，緩存的大小一般是固定的。當(dāng)緩存被占滿(mǎn)，這個(gè)時(shí)候繼續(xù)往緩存里面添加數(shù)據(jù)，就需要淘汰一部分老的數(shù)據(jù)，釋放內(nèi)存空間用來(lái)存儲(chǔ)新的數(shù)據(jù)。

這個(gè)時(shí)候就可以使用LRU算法了。其核心思想是：如果一個(gè)數(shù)據(jù)在最近一段時(shí)間沒(méi)有被用到，那么將來(lái)被使用到的可能性也很小，所以就可以被淘汰掉。

使用java實(shí)現(xiàn)一個(gè)簡(jiǎn)單的LRU算法。

public class LRUCache<k, v> {      //容量      private int capacity;      //當(dāng)前有多少節(jié)點(diǎn)的統(tǒng)計(jì)      private int count;      //緩存節(jié)點(diǎn)      private Map<k, Node<k, v>> nodeMap;      private Node<k, v> head;      private Node<k, v> tail;      public LRUCache(int capacity) {          if (capacity < 1) {              throw new IllegalArgumentException(String.valueOf(capacity));          }          this.capacity = capacity;          this.nodeMap = new HashMap<>();          //初始化頭節(jié)點(diǎn)和尾節(jié)點(diǎn)，利用哨兵模式減少判斷頭結(jié)點(diǎn)和尾節(jié)點(diǎn)為空的代碼          Node headNode = new Node(null, null);          Node tailNode = new Node(null, null);          headNode.next = tailNode;          tailNode.pre = headNode;          this.head = headNode;          this.tail = tailNode;      }      public void put(k key, v value) {          Node<k, v> node = nodeMap.get(key);          if (node == null) {              if (count >= capacity) {                  //先移除一個(gè)節(jié)點(diǎn)                  removeNode();              }              node = new Node<>(key, value);              //添加節(jié)點(diǎn)              addNode(node);          } else {              //移動(dòng)節(jié)點(diǎn)到頭節(jié)點(diǎn)              moveNodeToHead(node);          }      }      public Node<k, v> get(k key) {          Node<k, v> node = nodeMap.get(key);          if (node != null) {              moveNodeToHead(node);          }          return node;      }      private void removeNode() {          Node node = tail.pre;          //從鏈表里面移除          removeFromList(node);          nodeMap.remove(node.key);          count--;      }      private void removeFromList(Node<k, v> node) {          Node pre = node.pre;          Node next = node.next;          pre.next = next;          next.pre = pre;          node.next = null;          node.pre = null;     }      private void addNode(Node<k, v> node) {          //添加節(jié)點(diǎn)到頭部          addToHead(node);          nodeMap.put(node.key, node);          count++;      }      private void addToHead(Node<k, v> node) {          Node next = head.next;          next.pre = node;          node.next = next;          node.pre = head;          head.next = node;      }      public void moveNodeToHead(Node<k, v> node) {          //從鏈表里面移除          removeFromList(node);          //添加節(jié)點(diǎn)到頭部          addToHead(node);      }      class Node<k, v> {          k key;          v value;          Node pre;          Node next;          public Node(k key, v value) {              this.key = key;              this.value = value;          }      }  }

上面這段代碼實(shí)現(xiàn)了一個(gè)簡(jiǎn)單的LUR算法，代碼很簡(jiǎn)單，也加了注釋?zhuān)屑?xì)看一下很容易就看懂。常用緩存淘汰算法（LFU、LRU、ARC、FIFO、MRU），這篇了解下。

LRU在Redis中的實(shí)現(xiàn)

近似LRU算法

Redis使用的是近似LRU算法，它跟常規(guī)的LRU算法還不太一樣。近似LRU算法通過(guò)隨機(jī)采樣法淘汰數(shù)據(jù)，每次隨機(jī)出5（默認(rèn)）個(gè)key，從里面淘汰掉最近最少使用的key。

可以通過(guò)maxmemory-samples參數(shù)修改采樣數(shù)量：

例：maxmemory-samples 10

maxmenory-samples配置的越大，淘汰的結(jié)果越接近于嚴(yán)格的LRU算法

Redis為了實(shí)現(xiàn)近似LRU算法，給每個(gè)key增加了一個(gè)額外增加了一個(gè)24bit的字段，用來(lái)存儲(chǔ)該key最后一次被訪問(wèn)的時(shí)間。

Redis3.0對(duì)近似LRU的優(yōu)化

Redis3.0對(duì)近似LRU算法進(jìn)行了一些優(yōu)化。新算法會(huì)維護(hù)一個(gè)候選池（大小為16），池中的數(shù)據(jù)根據(jù)訪問(wèn)時(shí)間進(jìn)行排序，第一次隨機(jī)選取的key都會(huì)放入池中，隨后每次隨機(jī)選取的key只有在訪問(wèn)時(shí)間小于池中最小的時(shí)間才會(huì)放入池中，直到候選池被放滿(mǎn)。當(dāng)放滿(mǎn)后，如果有新的key需要放入，則將池中最后訪問(wèn)時(shí)間最大（最近被訪問(wèn)）的移除。

當(dāng)需要淘汰的時(shí)候，則直接從池中選取最近訪問(wèn)時(shí)間最小（最久沒(méi)被訪問(wèn)）的key淘汰掉就行。

LRU算法的對(duì)比

我們可以通過(guò)一個(gè)實(shí)驗(yàn)對(duì)比各LRU算法的準(zhǔn)確率，先往Redis里面添加一定數(shù)量的數(shù)據(jù)n，使Redis可用內(nèi)存用完，再往Redis里面添加n/2的新數(shù)據(jù)，這個(gè)時(shí)候就需要淘汰掉一部分的數(shù)據(jù)，如果按照嚴(yán)格的LRU算法，應(yīng)該淘汰掉的是最先加入的n/2的數(shù)據(jù)。

生成如下各LRU算法的對(duì)比圖

圖片來(lái)源：segmentfault.com/a/1190000017555834

你可以看到圖中有三種不同顏色的點(diǎn)：

•  淺灰色是被淘汰的數(shù)據(jù)

•  灰色是沒(méi)有被淘汰掉的老數(shù)據(jù)

•  綠色是新加入的數(shù)據(jù)

我們能看到Redis3.0采樣數(shù)是10生成的圖最接近于嚴(yán)格的LRU。而同樣使用5個(gè)采樣數(shù)，Redis3.0也要優(yōu)于Redis2.8。

LFU算法

LFU算法是Redis4.0里面新加的一種淘汰策略。它的全稱(chēng)是Least Frequently Used，它的核心思想是根據(jù)key的最近被訪問(wèn)的頻率進(jìn)行淘汰，很少被訪問(wèn)的優(yōu)先被淘汰，被訪問(wèn)的多的則被留下來(lái)。

LFU算法能更好的表示一個(gè)key被訪問(wèn)的熱度。假如你使用的是LRU算法，一個(gè)key很久沒(méi)有被訪問(wèn)到，只剛剛是偶爾被訪問(wèn)了一次，那么它就被認(rèn)為是熱點(diǎn)數(shù)據(jù)，不會(huì)被淘汰，而有些key將來(lái)是很有可能被訪問(wèn)到的則被淘汰了。如果使用LFU算法則不會(huì)出現(xiàn)這種情況，因?yàn)槭褂靡淮尾⒉粫?huì)使一個(gè)key成為熱點(diǎn)數(shù)據(jù)。

LFU一共有兩種策略：

•  volatile-lfu：在設(shè)置了過(guò)期時(shí)間的key中使用LFU算法淘汰key

•  allkeys-lfu：在所有的key中使用LFU算法淘汰數(shù)據(jù)

設(shè)置使用這兩種淘汰策略跟前面講的一樣，不過(guò)要注意的一點(diǎn)是這兩周策略只能在Redis4.0及以上設(shè)置，如果在Redis4.0以下設(shè)置會(huì)報(bào)錯(cuò)。

關(guān)于Redis內(nèi)存滿(mǎn)了如何解決問(wèn)題的解答就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，如果你還有很多疑惑沒(méi)有解開(kāi)，可以關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道了解更多相關(guān)知識(shí)。

當(dāng)前標(biāo)題：Redis內(nèi)存滿(mǎn)了如何解決
URL分享：http://chinadenli.net/article34/ihogse.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供靜態(tài)網(wǎng)站、用戶(hù)體驗(yàn)、移動(dòng)網(wǎng)站建設(shè)、App開(kāi)發(fā)、定制網(wǎng)站、面包屑導(dǎo)航

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)