當 Redis 作為緩存使用時，當你添加新的數(shù)據(jù)時，有時候很方便使 Redis 自動回收老的數(shù)據(jù)。這種行為在開發(fā)者社區(qū)中眾所周知，因為這是流行的 memcached 系統(tǒng)的默認行為。

LRU 實際上是被唯一支持的數(shù)據(jù)移除方法。本文內(nèi)容將包含 Redis 的 maxmemory 指令，用于限制內(nèi)存使用到一個固定的容量，也包含深入探討 Redis 使用的 LRU 算法，一個近似準確的 LRU。

maxmemory 配置指令(configuration directive)

maxmemory 配置指令是用來配置 Redis 為數(shù)據(jù)集使用指定的內(nèi)存容量大小?？梢允褂?redis.conf 文件來設(shè)置配置指令，或者之后在運行時使用 CONFIG SET 命令。

例如，為了配置內(nèi)存限制為 100MB，可以在 redis.conf 文件中使用以下指令

maxmemory 100mb  

設(shè)置 maxmemory 為 0，表示沒有內(nèi)存限制。這是 64 位系統(tǒng)的默認行為，32 位的系統(tǒng)則使用 3G 大小作為隱式的內(nèi)存限制。

當指定的內(nèi)存容量到達時，需要選擇不同的行為，即策略。Redis 可以只為命令返回錯誤，這樣將占用更多的內(nèi)存，或者每次添加新數(shù)據(jù)時，回收掉一些舊的數(shù)據(jù)以避免內(nèi)存限制。

回收策略(Eviction policies)

當 maxmemory 限制到達的時候，Redis 將采取的準確行為是由 maxmemory-policy 配置指令配置的。

以下策略可用：

• noeviction：當?shù)竭_內(nèi)存限制時返回錯誤。當客戶端嘗試執(zhí)行命令時會導(dǎo)致更多內(nèi)存占用(大多數(shù)寫命令，除了 DEL 和一些例外)。
• allkeys-lru：回收最近最少使用(LRU)的鍵，為新數(shù)據(jù)騰出空間。
• volatile-lru：回收最近最少使用(LRU)的鍵，但是只回收有設(shè)置過期的鍵，為新數(shù)據(jù)騰出空間。
• allkeys-random：回收隨機的鍵，為新數(shù)據(jù)騰出空間。
• volatile-random：回收隨機的鍵，但是只回收有設(shè)置過期的鍵，為新數(shù)據(jù)騰出空間。
• volatile-ttl：回收有設(shè)置過期的鍵，嘗試先回收離 TTL 最短時間的鍵，為新數(shù)據(jù)騰出空間。

當沒有滿足前提條件的話，volatile-lru，volatile-random 和 volatile-ttl 策略就表現(xiàn)得和 noeviction 一樣了。

選擇正確的回收策略是很重要的，取決于你的應(yīng)用程序的訪問模式，但是，你可以在程序運行時重新配置策略，使用 INFO 輸出來監(jiān)控緩存命中和錯過的次數(shù)，以調(diào)優(yōu)你的設(shè)置。

一般經(jīng)驗規(guī)則：

• M 如果你期待你的用戶請求呈現(xiàn)冪律分布(power-law distribution)，也就是，你期待一部分子集元素被訪問得遠比其他元素多，可以使用 allkeys-lru 策略。在你不確定時這是一個好的選擇。
• 如果你是循環(huán)周期的訪問，所有的鍵被連續(xù)掃描，或者你期待請求正常分布(每個元素以相同的概率被訪問)，可以使用 allkeys-random 策略。
• 如果你想能給 Redis 提供建議，通過使用你創(chuàng)建緩存對象的時候設(shè)置的 TTL 值，確定哪些對象應(yīng)該被過期，你可以使用 volatile-ttl 策略。

當你想使用單個實例來實現(xiàn)緩存和持久化一些鍵，allkeys-lru 和 volatile-random 策略會很有用。但是，通常最好是運行兩個 Redis 實例來解決這個問題。

另外值得注意的是，為鍵設(shè)置過期時間需要消耗內(nèi)存，所以使用像 allkeys-lru 這樣的策略會更高效，因為在內(nèi)存壓力下沒有必要為鍵的回收設(shè)置過期時間。

回收過程 (Eviction process)

理解回收的過程是這么運作的非常的重要：

• 一個客戶端運行一個新命令，添加了新數(shù)據(jù)。
• Redis 檢查內(nèi)存使用情況，如果大于 maxmemory 限制，根據(jù)策略來回收鍵。
• 一個新的命令被執(zhí)行，如此等等。

我們通過檢查，然后回收鍵以返回到限制以下，來連續(xù)不斷的穿越內(nèi)存限制的邊界。

如果一個命令導(dǎo)致大量的內(nèi)存被占用 (像一個很大的集合交集保存到一個新的鍵)，一會功夫內(nèi)存限制就會被這個明顯的內(nèi)存量所超越。

近似的 LRU 算法(Approximated LRU algorithm)

Redis 的 LRU 算法不是一個精確的實現(xiàn)。這意味著 Redis 不能選擇最佳候選鍵來回收，也就是最久錢被訪問的那些鍵。相反，會嘗試運營一個近似的 LRU 算法，通過采樣一小部分鍵，然后在采樣鍵中回收最適合(擁有最久訪問時間)的那個。

然而，從 Redis3.0(當前還是 beta 版本)開始，算法被改進為持有回收候選鍵的一個池子。這改善了算法的性能，使得更接近于真實的 LRU 算法的行為

Redis 的 LRU 算法有一點很重要，你可以調(diào)整算法的精度，通過改變每次回收時檢查的采樣數(shù)量。這個參數(shù)可以通過如下配置指令：

maxmemory-samples 5  

Redis 沒有使用真實的 LRU 實現(xiàn)的原因，是因為這會消耗更多的內(nèi)存。然而，近似值對使用 Redis 的應(yīng)用來說基本上也是等價的。下面的圖形對比，為 Redis 使用的 LRU 近似值和真實 LRU 之間的比較。

用于測試生成上面圖像的 Redis 服務(wù)被填充了指定數(shù)量的鍵。鍵被從頭訪問到尾，所以第一個鍵是 LRU 算法的最佳候選回收鍵。然后，再新添加 50% 的鍵，強制一般的舊鍵被回收。

你可以從圖中看到三種不同的原點，形成三個不同的帶。

• 淺灰色帶是被回收的對象
• 灰色帶是沒有被回收的對象
• 綠色帶是被添加的對象

在理論的 LRU 實現(xiàn)中，我們期待看到的是，在舊鍵中第一半會過期。而 Redis 的 LRU 算法則只是概率性的過期這些舊鍵。

你可以看到，同樣采用 5 個采樣，Redis 3.0 表現(xiàn)得比 Redis 2.8 要好，Redis 2.8 中最近被訪問的對象之間的對象仍然被保留。在 Redis 3.0 中使用 10 為采樣大小，近似值已經(jīng)非常接近理論性能。

注意，LRU 只是一個預(yù)言指定鍵在未來如何被訪問的模式。另外，如果你的數(shù)據(jù)訪問模式非常接近冪律，大多數(shù)的訪問都將集中在一個集合中，LRU 近似算法將能處理得很好。

在模擬實驗的過程中，我們發(fā)現(xiàn)使用冪律訪問模式，真實的 LRU 算法和 Redis 的近似算法之間的差異非常小，或者根本就沒有。

然而，你可以提高采樣大小到 10，這會消耗額外的 CPU，來更加近似于真實的 LRU 算法，看看這會不會使你的緩存錯失率有差異。

使用 CONFIG SET maxmemory-samples 命令在生產(chǎn)環(huán)境上試驗各種不同的采樣大小值是很簡單的。