redis作为缓存使用时,在添加新数据的同时自动清理旧的数据.这种行为在开发者社区众所周知,也是流行的memcached系统的默认行为.
redis中使用的LRU淘汰算法是一种近似LRU的算法.
针对淘汰策略,redis有一下几种配置方案：
①.、noeviction：当触发内存阈值时,redis只读不写；
根据应用场景选择合适的淘汰策略是非常重要的,我们可以在程序运行时实时重置淘汰策略,并使用Redis INFO输出来监控缓存未命中和命中的数量,以优化设置.
根据以往使用惯例：
当你希望某些元素的子集被访问的频率高于其他元素,或者当你不知道怎么选择淘汰策略时,allkeys-lru策略是一个很好的选择；
当你在循环访问redis,且所有的key是被连续扫描时,或者你希望key过期时间均匀分布时,allkeys-random策略是一个很好的选择；
如果你希望基于key不同的TTL时间筛选出哪些key可被淘汰,volatile-ttl策略是一个很好的选择；
还有一点是为key设置过期时间会占用内存,所以呢使用allkeys-lru这样的策略会更节省内存,因为在内存压力下不需要对key进行过期设置.
淘汰过程如下：
redis检测缓存阈值限制,如果超过阈值则执行淘汰策略；
执行指令等等；
所以呢在redis的使用过程中,我们可能不断的超过内存阈值限制,然后执行淘汰策略再将内存恢复到阈值之下.
maxmemory-samples 5
redis不使用真正的LRU实现的原因是它需要更多的内存.然而,对于使用Redis的应用程序,近似lru算法实际上是与精确lru算法差不多的.此图将redis使用的LRU近似值与真实LRU进行了比较.
你可以在图中看到三种点,形成了三个不同的区域：
浅灰色区域是被淘汰的对象
灰色区域是未被淘汰的对象
绿色区域是新加的对象
在理论LRU实现中（theoretical LRU）,我们预计旧key集合中的前一半将会被淘汰,与之相反,redis lru算法实现中,旧key集合中也只是会离散性的淘汰其中某些key.
使用CONFIG SET maxmemory samples＜count＞命令在生产中使用不同的样本大小值进行实验非常简单.
要配置LFU模式,可以使用以下策略：
volatile-lfu：针对设置了过期时间的key,使用近似lfu淘汰；
allkeys-lfu：针对所有key,使用近似lfu淘汰；
LFU近似于LRU：它使用一个称为Morris的概率计数器来估计key访问频率,计数器中每个key只占用几个bit,并且计数器功能附加衰减周期,这样计数器统计的key访问频率就会随着时间的推移而降低（如果一段时间内一个key访问频率低于计数器衰减速度,最终这个key会被淘汰）.直至某一刻,我们不再将一些key视为频繁访问的key,即使它们在过去是被频繁访问的,以便算法能够适应访问模式的变化.
该信息的采样方式与LRU（如本文档前一节所述）选择淘汰key的情况类似.
然而,与LRU不同的是,LFU具有某些可调参数：例如,如果一个频繁key不再被访问,那么它的访问频率级别应该降低多少?还可以调整Morris计数器范围,以更好地使算法适应特定的场景.
默认情况下,Redis配置为：
在大约100万次请求时让计数器饱和；
每一分钟使计数器衰减一次；
这些配置应该是合理的,并且经过了实验测试,但用户可能希望使用这些配置设置来选择最佳值.
有关如何调整这些参数的说明,可以在源发行版的示例redis.conf文件中找到.简而言之,它们是：
lfu-log-factor 10 lfu-decay-time 1
衰减时间是最明显的一个,它是计数器在采样时应该衰减的分钟数.特殊值0表示：永远不会衰减计数器.
以上就是土嘎嘎小编为大家整理的Redis之key的淘汰策略相关主题介绍,如果您觉得小编更新的文章只要能对粉丝们有用,就是我们最大的鼓励和动力,不要忘记讲本站分享给您身边的朋友哦！！