Ce dont parle cet article, c'est qu'après que Redis ait défini la mémoire maximale, la taille de l'ensemble de données dans le cache dépasse une certaine proportion et la stratégie d'élimination mise en œuvre n'est pas la stratégie de suppression des clés expirées Bien que les deux soient très similaires.
Dans Redis, les utilisateurs sont autorisés à définir la taille maximale de la mémoire en configurant la valeur maxmemory dans redis.conf pour activer la fonction d'élimination de la mémoire, ce qui est très utile lorsque la mémoire est limitée.
La définition de la taille maximale de la mémoire peut garantir que Redis fournit des services stables au monde extérieur.
Recommandé : Tutoriel redis
redis Lorsque la taille de l'ensemble de données mémoire augmente jusqu'à une certaine taille, la stratégie d'élimination des données sera mise en œuvre. Redis propose 6 stratégies d'élimination des données via la stratégie de définition de stratégie maxmemory :
volatile-lru : sélectionnez les données les moins récemment utilisées dans l'ensemble de données (server.db[i].expires) avec un délai d'expiration défini pour l'élimination.
volatile-ttl : sélectionnez les données à expirer dans l'ensemble de données (server.db[i].expires) avec un délai d'expiration défini et éliminez-les
volatile-random : éliminez le données avec un délai d'expiration défini Sélectionnez toutes les données de l'ensemble de données (server.db[i].expires) pour élimination
allkeys-lru : sélectionnez les données les moins récemment utilisées de l'ensemble de données (server.db[ i].dict) pour élimination
allkeys-random : sélectionner arbitrairement des données dans l'ensemble de données (server.db[i].dict) pour éliminer
no-enviction (eviction) : interdire l'expulsion des données
redis Une fois qu'il est déterminé à expulser une paire clé-valeur, les données seront supprimées et le message de modification des données sera publié sur le local (persistance AOF) et l'esclave (connexion maître-esclave )
Mécanisme d'élimination des données LRU
Le compteur lru server.lrulock est enregistré dans la configuration du serveur et sera mis à jour régulièrement (programme de minuterie redis serverCorn()). la valeur de server.lrulock est calculée en fonction de server.unixtime.
De plus, on peut trouver à partir de struct redisObject que chaque objet redis définira le lru correspondant. Il est concevable que redisObject.lru soit mis à jour à chaque accès aux données.
Le mécanisme d'élimination des données LRU est le suivant : sélectionnez au hasard plusieurs paires clé-valeur dans l'ensemble de données, retirez la paire clé-valeur avec le plus grand lru et éliminez-les. Par conséquent, vous constaterez que redis ne garantit pas l'obtention des paires clé-valeur les moins récemment utilisées (LRU) dans tous les ensembles de données, mais seulement quelques paires clé-valeur sélectionnées au hasard.
// redisServer 保存了 lru 计数器
struct redisServer {
...
unsigned lruclock:22; /* Clock incrementing every minute, for LRU */
...
};
// 每一个 redis 对象都保存了 lru
#define REDIS_LRU_CLOCK_MAX ((1<<21)-1) /* Max value of obj->lru */
#define REDIS_LRU_CLOCK_RESOLUTION 10 /* LRU clock resolution in seconds */
typedef struct redisObject {
// 刚刚好 32 bits
// 对象的类型，字符串/列表/集合/哈希表
unsigned type:4;
// 未使用的两个位
unsigned notused:2; /* Not used */
// 编码的方式，redis 为了节省空间，提供多种方式来保存一个数据
// 譬如：“123456789” 会被存储为整数 123456789
unsigned encoding:4;
unsigned lru:22; /* lru time (relative to server.lruclock) */
// 引用数
int refcount;
// 数据指针
void *ptr;
} robj;
// redis 定时执行程序。联想：linux cron
int serverCron(struct aeEventLoop *eventLoop, long long id, void *clientData) {
......
/* We have just 22 bits per object for LRU information.
* So we use an (eventually wrapping) LRU clock with 10 seconds resolution.
* 2^22 bits with 10 seconds resolution is more or less 1.5 years.
*
* Note that even if this will wrap after 1.5 years it's not a problem,
* everything will still work but just some object will appear younger
* to Redis. But for this to happen a given object should never be touched
* for 1.5 years.
*
* Note that you can change the resolution altering the
* REDIS_LRU_CLOCK_RESOLUTION define.
*/
updateLRUClock();
......
}
// 更新服务器的 lru 计数器
void updateLRUClock(void) {
server.lruclock = (server.unixtime/REDIS_LRU_CLOCK_RESOLUTION) &
REDIS_LRU_CLOCK_MAX;
}Mécanisme d'élimination des données TTL
La structure de données de l'ensemble de données Redis stocke la table de délai d'expiration de la paire clé-valeur, c'est-à-dire redisDb.expires. Semblable au mécanisme d'élimination des données LRU, le mécanisme d'élimination des données TTL est le suivant : sélectionnez au hasard plusieurs paires clé-valeur dans le tableau des délais d'expiration, supprimez la paire clé-valeur avec le ttl le plus grand et éliminez-les. De même, vous constaterez que redis n'est pas garanti d'obtenir les paires clé-valeur expirant le plus rapidement dans tous les tableaux de délais d'expiration, mais seulement quelques paires clé-valeur sélectionnées au hasard.
Résumé
Lorsque redis exécute une commande sur le client de service, il détectera si la mémoire utilisée est excessive. Si elle dépasse la limite, les données seront éliminées.
// 执行命令
int processCommand(redisClient *c) {
......
// 内存超额
/* Handle the maxmemory directive.
*
* First we try to free some memory if possible (if there are volatile
* keys in the dataset). If there are not the only thing we can do
* is returning an error. */
if (server.maxmemory) {
int retval = freeMemoryIfNeeded();
if ((c->cmd->flags & REDIS_CMD_DENYOOM) && retval == REDIS_ERR) {
flagTransaction(c);
addReply(c, shared.oomerr);
return REDIS_OK;
}
}
......
}
// 如果需要，是否一些内存
int freeMemoryIfNeeded(void) {
size_t mem_used, mem_tofree, mem_freed;
int slaves = listLength(server.slaves);
// redis 从机回复空间和 AOF 内存大小不计算入 redis 内存大小
/* Remove the size of slaves output buffers and AOF buffer from the
* count of used memory. */
mem_used = zmalloc_used_memory();
// 从机回复空间大小
if (slaves) {
listIter li;
listNode *ln;
listRewind(server.slaves,&li);
while((ln = listNext(&li))) {
redisClient *slave = listNodeValue(ln);
unsigned long obuf_bytes = getClientOutputBufferMemoryUsage(slave);
if (obuf_bytes > mem_used)
mem_used = 0;
else
mem_used -= obuf_bytes;
}
}
// server.aof_buf && server.aof_rewrite_buf_blocks
if (server.aof_state != REDIS_AOF_OFF) {
mem_used -= sdslen(server.aof_buf);
mem_used -= aofRewriteBufferSize();
}
// 内存是否超过设置大小
/* Check if we are over the memory limit. */
if (mem_used <= server.maxmemory) return REDIS_OK;
// redis 中可以设置内存超额策略
if (server.maxmemory_policy == REDIS_MAXMEMORY_NO_EVICTION)
return REDIS_ERR; /* We need to free memory, but policy forbids. */
/* Compute how much memory we need to free. */
mem_tofree = mem_used - server.maxmemory;
mem_freed = 0;
while (mem_freed < mem_tofree) {
int j, k, keys_freed = 0;
// 遍历所有数据集
for (j = 0; j < server.dbnum; j++) {
long bestval = 0; /* just to prevent warning */
sds bestkey = NULL;
struct dictEntry *de;
redisDb *db = server.db+j;
dict *dict;
// 不同的策略，选择的数据集不一样
if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||
server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM)
{
dict = server.db[j].dict;
} else {
dict = server.db[j].expires;
}
// 数据集为空，继续下一个数据集
if (dictSize(dict) == 0) continue;
// 随机淘汰随机策略：随机挑选
/* volatile-random and allkeys-random policy */
if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM ||
server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_RANDOM)
{
de = dictGetRandomKey(dict);
bestkey = dictGetKey(de);
}
// LRU 策略：挑选最近最少使用的数据
/* volatile-lru and allkeys-lru policy */
else if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||
server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_LRU)
{
// server.maxmemory_samples 为随机挑选键值对次数
// 随机挑选 server.maxmemory_samples个键值对，驱逐最近最少使用的数据
for (k = 0; k < server.maxmemory_samples; k++) {
sds thiskey;
long thisval;
robj *o;
// 随机挑选键值对
de = dictGetRandomKey(dict);
// 获取键
thiskey = dictGetKey(de);
/* When policy is volatile-lru we need an additional lookup
* to locate the real key, as dict is set to db->expires. */
if (server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_LRU)
de = dictFind(db->dict, thiskey);
o = dictGetVal(de);
// 计算数据的空闲时间
thisval = estimateObjectIdleTime(o);
// 当前键值空闲时间更长，则记录
/* Higher idle time is better candidate for deletion */
if (bestkey == NULL || thisval > bestval) {
bestkey = thiskey;
bestval = thisval;
}
}
}
// TTL 策略：挑选将要过期的数据
/* volatile-ttl */
else if (server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_TTL) {
// server.maxmemory_samples 为随机挑选键值对次数
// 随机挑选 server.maxmemory_samples个键值对，驱逐最快要过期的数据
for (k = 0; k < server.maxmemory_samples; k++) {
sds thiskey;
long thisval;
de = dictGetRandomKey(dict);
thiskey = dictGetKey(de);
thisval = (long) dictGetVal(de);
/* Expire sooner (minor expire unix timestamp) is better
* candidate for deletion */
if (bestkey == NULL || thisval < bestval) {
bestkey = thiskey;
bestval = thisval;
}
}
}
// 删除选定的键值对
/* Finally remove the selected key. */
if (bestkey) {
long long delta;
robj *keyobj = createStringObject(bestkey,sdslen(bestkey));
// 发布数据更新消息，主要是 AOF 持久化和从机
propagateExpire(db,keyobj);
// 注意， propagateExpire() 可能会导致内存的分配， propagateExpire()
提前执行就是因为 redis 只计算 dbDelete() 释放的内存大小。倘若同时计算 dbDelete() 释放的内存
和 propagateExpire() 分配空间的大小，与此同时假设分配空间大于释放空间，就有可能永远退不出这个循环。
// 下面的代码会同时计算 dbDelete() 释放的内存和 propagateExpire() 分配空间的大小：
// propagateExpire(db,keyobj);
// delta = (long long) zmalloc_used_memory();
// dbDelete(db,keyobj);
// delta -= (long long) zmalloc_used_memory();
// mem_freed += delta;
/////////////////////////////////////////
/* We compute the amount of memory freed by dbDelete() alone.
* It is possible that actually the memory needed to propagate
* the DEL in AOF and replication link is greater than the one
* we are freeing removing the key, but we can't account for
* that otherwise we would never exit the loop.
*
* AOF and Output buffer memory will be freed eventually so
* we only care about memory used by the key space. */
// 只计算 dbDelete() 释放内存的大小
delta = (long long) zmalloc_used_memory();
dbDelete(db,keyobj);
delta -= (long long) zmalloc_used_memory();
mem_freed += delta;
server.stat_evictedkeys++;
// 将数据的删除通知所有的订阅客户端
notifyKeyspaceEvent(REDIS_NOTIFY_EVICTED, "evicted",
keyobj, db->id);
decrRefCount(keyobj);
keys_freed++;
// 将从机回复空间中的数据及时发送给从机
/* When the memory to free starts to be big enough, we may
* start spending so much time here that is impossible to
* deliver data to the slaves fast enough, so we force the
* transmission here inside the loop. */
if (slaves) flushSlavesOutputBuffers();
}
}
// 未能释放空间，且此时 redis 使用的内存大小依旧超额，失败返回
if (!keys_freed) return REDIS_ERR; /* nothing to free... */
}
return REDIS_OK;
}Scénarios applicables
Jetons un coup d'œil aux scénarios applicables de plusieurs stratégies :
allkeys-lru : Si l'accès de notre application au cache Si nous respectons la distribution de la loi de puissance (c'est-à-dire qu'il y a des données relativement chaudes), ou si nous ne sommes pas clairs sur la distribution d'accès au cache de notre application, nous pouvons choisir la stratégie allkeys-lru.
allkeys-random : Si notre application a une probabilité d'accès égale aux clés de cache, nous pouvons utiliser cette stratégie.
volatile-ttl : Cette stratégie nous permet d'indiquer à Redis quelles clés sont les plus adaptées à l'expulsion.
De plus, la stratégie volatile-lru et la stratégie volatile-random conviennent lorsque nous utilisons une instance Redis à la fois pour le cache et le stockage persistant. Cependant, nous pouvons également obtenir le même résultat en utilisant deux instances Redis. En effet, il convient de mentionner que la définition du délai d'expiration de la clé consommera en réalité plus de mémoire, nous vous recommandons donc d'utiliser la stratégie allkeys-lru pour utiliser la mémoire plus efficacement.
Recommandations associées :
Tutoriel vidéo MySQL : https://www.php.cn/course/list/51.html
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Logiciel de base de données couramment utilisé
Que sont les bases de données en mémoire ?
Lequel a une vitesse de lecture plus rapide, mongodb ou redis ?
Comment utiliser Redis comme serveur de cache
Comment Redis résout la cohérence des données
Comment MySQL et Redis assurent-ils la cohérence des doubles écritures ?
Quelles données le cache Redis stocke-t-il généralement ?
Quels sont les 8 types de données de Redis
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
