网页设计与制作教程清华大学出版社,上海市网站seo,个人网站可以做哪些内容,扬中企业网站优化哪家好1. 过期删除
在 Redis 中#xff0c;键的过期删除机制主要包括惰性删除#xff08;Lazy Deletion#xff09;和定期删除#xff08;Periodic Deletion#xff09;。这两种策略有各自的优缺点#xff0c;Redis 最终会结合这两种方法来管理过期键。
1.1 惰性删除#xf…1. 过期删除
在 Redis 中键的过期删除机制主要包括惰性删除Lazy Deletion和定期删除Periodic Deletion。这两种策略有各自的优缺点Redis 最终会结合这两种方法来管理过期键。
1.1 惰性删除Lazy Deletion
机制 惰性删除策略是指当客户端访问某个键时Redis会检查该键是否已经过期。如果键已经过期Redis会立即删除这个键并返回nil如果是GET操作或相应的错误信息。 优点 1.性能友好 惰性删除仅在访问键时才会检查是否过期因此不会额外增加Redis的负担这种方法对Redis的整体性能影响最小。 2. 实时性 保证了每次读取时都能返回最新的、未过期的数据不会读取到已过期的数据。 缺点 可能的内存浪费 如果某些键在设置了过期时间后没有被访问过它们将一直占据内存直到Redis因内存不足而进行主动清理这可能导致内存中存在大量无用的过期键占用宝贵的内存资源。
1.2 定期删除Periodic Deletion
机制 定期删除策略是指 Redis 每隔一段时间会随机抽取一部分设置了过期时间的键并删除其中已经过期的键。Redis 默认会每 100 毫秒执行一次这样的删除操作具体实现如下 Redis 会随机抽取几个数据库每次处理最多 20 个数据库。 对于每个选中的数据库随机选择一定数量的键通常是 20 个键。 检查这些键是否已经过期并删除过期的键。 如果发现过期键的比例超过 25%Redis 会重复执行上述步骤以避免内存中存在过多过期键。
优点 减少内存浪费: 通过定期删除可以在不访问键的情况下也能清理掉部分过期键减少内存的占用。 自动清理: 即使某些键没有被访问定期删除也能确保它们在过期后的一段时间内被清理。
缺点 非实时性: 定期删除不是实时的因此有些过期键可能会在过期后的一段时间内仍然存在于内存中直到下一次定期删除操作才被清理。 性能消耗: 虽然定期删除的频率和强度是可控的但它仍然会消耗一定的 CPU 资源特别是在处理大批量键时可能会影响 Redis 的响应性能。
Redis 实际上结合了惰性删除和定期删除两种策略以达到在性能和内存使用之间的平衡
惰性删除 主要用于保证数据的实时性。每次客户端访问键时Redis 都会检查该键是否过期如果过期就会立即删除。这种方法确保了客户端永远不会读到过期的数据。
定期删除 主要用于清理那些未被访问的过期键。通过周期性扫描和删除过期键Redis 避免了这些键占用过多的内存。
2.缓存淘汰
Redis 缓存淘汰策略是在 Redis 达到内存上限时为了释放内存而删除某些键值对的机制。合理配置缓存淘汰策略对于保证系统的性能和稳定性至关重要。
2.1 背景
Redis 是一个内存数据库所有数据都存储在内存中。当 Redis 的数据量持续增加并达到内存上限时无法再添加新的数据。此时Redis 提供了多种缓存淘汰策略来决定删除哪些数据以腾出空间。
2.2 Redis支持的缓存淘汰策略
Redis 提供了多种缓存淘汰策略可以通过 maxmemory-policy 配置项进行设置。常见的策略包括 1.noeviction 描述: 默认策略不淘汰任何数据。当内存达到上限时所有可能导致内存增加的写操作都会失败并返回错误。 适用场景: 适用于希望严格控制内存使用防止数据丢失的场景。主要用于不适合作为缓存而是需要持久保存所有数据的场景。 2.allkeys-lru 描述: 在所有键中使用 LRULeast Recently Used最近最少使用算法淘汰最不常使用的键。 适用场景: 适用于典型的缓存场景优先保留最近访问的数据淘汰长时间未访问的冷数据。 3. volatile-lru 描述: 在设置了过期时间的键中使用 LRU 算法淘汰最不常使用的键。 适用场景: 适用于部分数据需要持久存储但也希望利用 LRU 算法对设置了过期时间的缓存数据进行淘汰的场景。 4.allkeys-random 描述: 在所有键中随机选择键进行淘汰。 适用场景: 适用于数据访问模式难以预测所有数据重要性相似的场景。 5.volatile-random 描述: 在设置了过期时间的键中随机选择键进行淘汰。 适用场景: 适用于既要保留部分永久性数据又希望对可过期数据进行随机淘汰的场景。 6.volatile-ttl 描述: 在设置了过期时间的键中优先淘汰 TTLTime to Live剩余生存时间值最小的键。 适用场景: 适用于需要根据键的生存时间优先级进行淘汰的场景如希望尽量保留新近缓存的短期数据。
2.3 LRU 算法的细节
LRU 算法通过追踪每个键的使用情况来判断哪些键是最近最少使用的。Redis 在 LRU 策略下不会对所有键进行严格的 LRU 排序而是通过近似算法实现。默认情况下Redis 会采样 5 个键来选择淘汰对象。可以通过 maxmemory-samples 配置项调整采样数量采样数量越大LRU 策略越接近最优但计算开销也会增加。
2.4 最大内存设置
缓存淘汰策略与 Redis 的 maxmemory 设置紧密相关。通过设置 maxmemory可以限定 Redis 的最大内存使用量当内存使用达到这个上限时Redis 就会根据配置的淘汰策略开始删除键值对。 配置示例
maxmemory 256mb
maxmemory-policy allkeys-lru
2.5 实际应用中的考虑
数据重要性: 如果部分数据非常重要且不应被淘汰可以选择 volatile-lru 或 volatile-random以确保无过期时间的键不被淘汰。 访问模式: 如果某些数据访问频率极高且希望这些数据始终保留在内存中可以选择 allkeys-lru。 系统性能: 在高并发场景下合理设置 maxmemory-samples 可以优化 LRU 算法的性能。
2.6 注意事项
防止缓存雪崩: 在高并发情况下避免所有缓存同时过期导致的缓存雪崩可以通过设置不同的过期时间来平滑过期。 监控与调整: 定期监控 Redis 的内存使用和命中率根据业务需求调整 maxmemory 和淘汰策略确保缓存系统的高效运行。
