一起聊聊Redis快取的淘汰策略

Redis 快取有哪些淘汰策略？這篇文章就來和大家一起聊聊Redis快取的淘汰策略，介紹快取策略設定建議，希望對大家有幫助！

Redis（Remote Dictionary Server )，即遠端字典服務，是一個開源的使用ANSI C語言編寫、支援網路、可基於記憶體亦可持久化的日誌型、Key-Value資料庫，並提供多種語言的API。 【相關推薦：Redis影片教學】

它具備以下的特徵：

• 基於記憶體運行，具備高效能的特性
• #支援分佈式，理論上可以無限拓展
• key-value 儲存結構，查詢高效
• 提供多種開發語言API， 容易和現有的業務系統整合。

通常在業務系統種用作分散式緩存，集中式 Session 存儲， 分散式鎖等運用場景。

不管是本地緩存還是分佈式緩存，為了確保較高性能，都是使用內存來保存數據，由於成本和內存限制，當存儲的數據超過緩存容量時，需要對緩存的數據進行剔除。一般的剔除策略有 FIFO 淘汰最早資料、LRU 剔除最近最少使用、和 LFU 剔除最近使用頻率最低的資料幾種策略。

Redis 快取淘汰策略觸發

在生產環境中我們是不允許 redis 出現 swap 行為的。所以一般會限制最大的使用內存，redis 提供了配置參數 maxmemory 來規定最大的使用內存。

以下設定皆為合法：

maxmemory 1000KB 
maxmemory 100MB 
maxmemory 1GB 
maxmemory 0  # 表示不做限制，一般不会用

redis.conf 設定檔如下

8 種Redis 快取策略

• volatile-lru 設定超時時間的資料中，刪除最不常用的資料；

• allkeys-lru 查詢所有的key中最不常使用的資料進行刪除，這是應用最廣泛的策略；

• volatile-random 在已經設定了超時的資料中隨機刪除；
##allkeys- random 查詢所有的key 之後隨機刪除；
volatile-ttl 查詢全部設定超時時間的數據，追後馬上排序，將馬上將要過期的數據進行刪除操作；
noeviction (預設) 如果設定為該屬性，則不會進行刪除操作，如果記憶體溢出則報錯返回；
• volatile-lfu 從所有配置了過期的時間的鍵中驅逐使用頻率最少的鍵;

allkeys-lfu 從所有鍵中驅逐使用頻率最少的鍵；

Redis 物種的LRU 與LFU 演算法

#LRU 演算法

最佳的驅逐候選者，也就是過去造訪次數最多的造訪。相反，它會嘗試運行 LRU 演算法的近似值，方法是對少量密鑰進行採樣，然後逐出採樣密鑰中最好的（具有最早訪問時間）的密鑰。

可以透過更改樣本數量來調整演算法的精度，以檢查每次驅逐。此參數由以下配置指令控制：

maxmemory-samples 5

淺灰色帶是被驅逐的物件。
灰色帶是未被驅逐的物件。

綠色帶是新增的物件。

機率上使舊金鑰過期。

缺點：可能會存在一定時間內大量的冷數資料被存取產生大量的熱點資料

LFU 算法

从 Redis 4.0 开始，可以使用新的最不常用驱逐模式。这种模式在某些情况下可能会更好（提供更好的命中率/未命中率），因为使用 LFU Redis 会尝试跟踪项目的访问频率，因此很少使用的项目会被驱逐，而经常使用的项目有更高的机会留在记忆中。

如果您认为在 LRU，最近访问过但实际上几乎从未被请求过的项目不会过期，因此风险是驱逐将来有更高机会被请求的密钥。LFU 没有这个问题，一般应该更好地适应不同的访问模式。

配置LFU模式，可以使用以下策略：

• volatile-lfu 在具有过期集的键中使用近似 LFU 驱逐。
• allkeys-lfu 使用近似 LFU 驱逐任何密钥。

LFU 类似于 LRU：它使用一个概率计数器，称为莫里斯计数器，以便仅使用每个对象的几位来估计对象访问频率，并结合衰减周期，以便计数器随着时间的推移而减少：在某些时候，我们不再希望将密钥视为经常访问的密钥，即使它们过去是这样，以便算法可以适应访问模式的转变。

这些信息的采样与 LRU 发生的情况类似（如本文档的前一部分所述），以便选择驱逐的候选人。

然而，与 LRU 不同的是，LFU 具有某些可调参数：例如，如果不再访问频繁项，它的排名应该以多快的速度降低？还可以调整 Morris 计数器范围，以便更好地使算法适应特定用例。

默认情况下，Redis 4.0 配置为：

• 在大约一百万个请求时使计数器饱和。
• 每一分钟衰减一次计数器。

这些应该是合理的值并经过实验测试，但用户可能希望使用这些配置设置以选择最佳值。

有关如何调整这些参数的说明可以redis.conf在源代码分发的示例文件中找到，但简单地说，它们是：

lfu-log-factor 10 
lfu-decay-time 1

衰减时间是显而易见的，它是计数器应该衰减的分钟数，当采样并发现它比该值更旧时。一个特殊值0意味着：每次扫描时总是衰减计数器，很少有用。

计数器对数因子会改变需要多少次命中才能使频率计数器饱和，这恰好在 0-255 的范围内。系数越高，需要越多的访问以达到最大值。根据下表，系数越低，低访问计数器的分辨率越好：

+--------+------------+------------+------------+------------+------------+
| factor | 100 hits   | 1000 hits  | 100K hits  | 1M hits    | 10M hits   |
+--------+------------+------------+------------+------------+------------+
| 0      | 104        | 255        | 255        | 255        | 255        |
+--------+------------+------------+------------+------------+------------+
| 1      | 18         | 49         | 255        | 255        | 255        |
+--------+------------+------------+------------+------------+------------+
| 10     | 10         | 18         | 142        | 255        | 255        |
+--------+------------+------------+------------+------------+------------+
| 100    | 8          | 11         | 49         | 143        | 255        |
+--------+------------+------------+------------+------------+------------+

淘汰最近一段时间被访问次数最少的数据，以次数作为参考。

缺点：

1. 最近加入的数据常常容易被剔除，因为其起始方法次数比较少，

2. 如果频率时间度量为 1 个小时，则平均一天每个小时内访问频率 1000 的热点数据可能会被 2个小时的一段时间访问的频率为 1001 的数据剔除掉。可能会出现一些临界值的数据。

缓存策略设置建议

建议：了解Redis 的淘汰策略之后，在平时使用尽量主动设置/更新 key 的 expire 时间主动剔除不活跃的旧数据， 有助于提升查询性能

更多编程相关知识，请访问：编程入门！！

以上是一起聊聊Redis快取的淘汰策略的詳細內容。更多資訊請關注PHP中文網其他相關文章！