詳細解析Redis記憶體滿了怎麼去優化

這篇文章為大家帶來了關於Redis的相關知識，其中主要介紹了redis的記憶體滿了應該怎麼優化的相關問題，還包括了淘汰機制、LRU演算法以及處理淘汰的數據，希望對大家有幫助。

推薦學習：Redis學習教學

Redis記憶體滿了怎麼辦？怎麼優化記憶體？

MySQL裡有2000w數據，redis中只存20w的數據，如何保證redis中的數據都是熱點數據

redis內存數據集大小上升到一定大小的時候，就會施行資料淘汰策略。

Redis主要消耗什麼實體資源？

記憶體。

Redis的記憶體用完了會發生什麼事？

如果達到設定的上限，Redis的寫指令會回傳錯誤訊息（但是讀取指令還可以正常回傳。）或者你可以設定記憶體淘汰機制，當Redis達到記憶體上限時會沖刷掉舊的內容。

談談快取資料的淘汰機制

Redis 快取有哪些淘汰策略？

• 不進行資料淘汰的策略，只有 noeviction 這一種。

會進行淘汰的7 種策略，我們可以再進一步根據淘汰候選資料集的範圍把它們分成兩類：

• 在設定了過期時間的數據中進行淘汰，包括volatile-random、volatile-ttl、volatile-lru、volatile-lfu四種。
• 在所有資料範圍內進行淘汰，包括 allkeys-lru、allkeys-random、allkeys-lfu三種。

##volatile-lfu使用LFU 演算法選擇設定了過期時間的鍵值對

策略	規則
volatile-ttl	在篩選時，會針對設定了過期時間的鍵值對，根據過期時間的先後進行刪除，越早過期的越先被刪除。
volatile-random	在設定了過期時間的鍵值對中，進行隨機刪除。
volatile-lru	使用LRU 演算法篩選設定了過期時間的鍵值對

策略#######allkeys-random######從所有鍵值對中隨機選擇並刪除資料;############allkeys -lru######使用LRU 演算法在所有資料中進行篩選############vallkeys-lfu######使用LFU 演算法在所有資料中進行篩選### ##########

談談LRU演算法

是按照最近最少使用的原則來篩選數據，最不常用的數據會被篩選出來，而最近頻繁使用的數據會留在快取中。

那具體是怎麼篩選的呢？ LRU 會把所有的資料組織成一個鍊錶，鍊錶的頭和尾分別表示 MRU 端和 LRU 端，分別代表最近最常使用的資料和最近最不常用的資料。

LRU 演算法背後的想法非常樸素：它認為剛剛被訪問的數據，肯定還會再次訪問，所以就把它放在MRU 端；長久不訪問的數據，肯定就不會再被存取了，所以就讓它逐漸後移到LRU 端，在快取滿時，就優先刪除它。

問題：LRU 演算法在實際實作時，需要用鍊錶管理所有的快取數據，這會帶來額外的空間開銷。而且，當有資料被存取時，需要在鍊錶上把該資料移動到 MRU 端，如果有大量資料被訪問，就會帶來很多鍊錶移動操作，會很耗時，進而降低 Redis 快取效能。

解決：
在 Redis 中，LRU 演算法被做了簡化，以減輕資料淘汰對快取效能的影響。具體來說，Redis 預設會記錄每個資料的最近一次存取的時間戳記（由鍵值對資料結構 RedisObject 中的 lru 欄位記錄）。然後，Redis 在決定淘汰的數據時，第一次會隨機選出 N 個數據，把它們當作一個候選集合。接下來，Redis 會比較這 N 個資料的 lru 字段，把 lru 字段值最小的資料從快取中淘汰出去。
當需要再次淘汰資料時，Redis 需要挑選資料進入第一次淘汰時所建立的候選集合。這兒的挑選標準是：能進入候選集合的資料的 lru 欄位值必須小於候選集合中最小的 lru 值。當有新資料進入候選資料集後，如果候選資料集中的資料個數達到了 maxmemory-samples，Redis 就把候選資料集中 lru 欄位值最小的資料淘汰出去。

使用建議：

• 優先使用 allkeys-lru 策略。這樣，可以充分利用 LRU 這項經典快取演算法的優勢，把最近最常存取的資料留在快取中，提升應用程式的存取效能。如果你的業務資料中有明顯的冷熱資料區分，我建議你使用 allkeys-lru 策略。
• 如果業務應用中的資料存取頻率相差不大，沒有明顯的冷熱資料區分，建議使用 allkeys-random 策略，隨機選擇淘汰的資料就行。
• 如果你的業務中有置頂的需求，例如置頂新聞、置頂視頻，那麼，可以使用 volatile-lru 策略，同時不給這些置頂數據設定過期時間。這樣一來，這些需要置頂的資料一直不會被刪除，而其他資料會在過期時根據 LRU 規則進行篩選。

如何處理被淘汰的資料？

一旦被淘汰的數據選定後，如果這個數據是乾淨數據，那麼我們就直接刪除；如果這個數據是髒數據，我們需要把它寫回數據庫。

那要怎麼判斷一個資料到底是乾淨的還是髒的呢？

• 乾淨資料和髒資料的差別在於，和最初從後端資料庫讀取時的值相比，有沒有被修改過。乾淨資料一直沒有被修改，所以後端資料庫裡的資料也是最新值。在替換時，它可以直接刪除。
• 而髒資料就是曾經被修改過的，已經和後端資料庫中保存的資料不一致了。此時，如果不把髒資料寫回資料庫中，這個資料的最新值就遺失了，就會影響應用程式的正常使用。

即使淘汰的資料是髒數據，Redis 也不會把它們寫回資料庫。所以，我們在使用 Redis 快取時，如果資料被修改了，需要在資料修改時就將它寫回資料庫。否則，這個髒資料被淘汰時，會被 Redis 刪除，而資料庫裡也沒有最新的資料了。

Redis怎麼優化記憶體？

1、控制key的數量：當使用Redis儲存大量資料時，通常會存在大量鍵，過多的鍵同樣會消耗大量記憶體。 Redis本質是一個資料結構伺服器，它為我們提供多種資料結構，如hash，list，set，zset 等結構。使用Redis時不要進入一個誤區，大量使用get/set這樣的API，把Redis當成Memcached使用。對於儲存相同的資料內容利用Redis的資料結構降低外層鍵的數量，也可以節省大量記憶體。
2、縮減鍵值對象，降低Redis記憶體使用最直接的方式就是縮減鍵（key）和值（value）的長度。

• key長度：如在設計鍵時，在完整描述業務情況下，鍵值越短越好。
• value長度：值物件縮減比較複雜，常見需求是把業務物件序列化成二進位陣列放入Redis。首先應該在業務上精簡業務對象，去掉不必要的屬性避免儲存無效資料。其次在序列化工具選擇上，應該選擇更有效率的序列化工具來降低位元組數組大小。

3、編碼最佳化。 Redis對外提供了string,list,hash,set,zet等類型，但是Redis內部針對不同類型存在編碼的概念，所謂編碼就是具體使用哪種底層資料結構來實現。編碼不同將直接影響資料的記憶體佔用和讀寫效率。

---

• 1、redisObject物件
  

#type欄位：
利用集合類型數據，因為通常情況下很多小的Key-Value可以用更緊湊的方式存放在一起。盡可能使用散列表（hashes），散列表（是說散列表裡面儲存的數少）使用的記憶體非常小，所以你應該盡可能的將你的資料模型抽象化到一個散列表裡面。例如你的web系統中有一個用戶對象，不要為這個用戶的名稱，姓氏，郵箱，密碼設定單獨的key，而是應該把這個用戶的所有資訊儲存到一張散列表裡面。

encoding欄位:
採用不同的編碼實作記憶體佔用有明顯差異

lru欄位:
開發提示：可以使用scan object idletime 命令批量查詢哪些鍵長時間未被訪問，找出長時間不訪問的鍵進行清理降低內存佔用。

refcount欄位:
當物件為整數且範圍在[0-9999]時，Redis可以使用共享物件的方式來節省記憶體。

ptr欄位 :
開發提示：高並發寫入場景中，在條件允許的情況下建議字串長度控制在39位元組以內，減少創建redisObject記憶體分配次數從而提高效能。

---

• 2、縮減鍵值物件
  降低Redis記憶體使用最直接的方式就是縮減鍵（key）和值（value）的長度。
  可以使用通用壓縮演算法壓縮json,xml後再存入Redis，從而降低記憶體佔用

---

• 3、共享物件池
  物件共享池指Redis內部維護[0-9999]的整數物件池。創建大量的整數類型redisObject存在記憶體開銷，每個redisObject內部結構至少佔16字節，甚至超過了整數自身空間消耗。所以Redis記憶體維護一個[0-9999]的整數物件池，用於節約記憶體。除了整數值對象，其他型別如list,hash,set,zset內部元素也可以使用整數物件池。 因此開發中在滿足需求的前提下，盡量使用整數物件以節省記憶體。
  當設定maxmemory並啟用LRU相關淘汰策略如:volatile-lru，allkeys-lru時，Redis禁止使用共享物件池。

為什麼開啟maxmemory和LRU淘汰策略後物件池無效?
LRU演算法需要取得物件最後被存取時間，以便淘汰最長未存取數據，每個物件最後存取時間儲存在redisObject物件的lru欄位。物件共享意味著多個引用共享同一個redisObject，這時lru欄位也會被共享，導致無法取得每個物件的最後存取時間。如果沒有設定maxmemory，直到記憶體被用盡Redis也不會觸發記憶體回收，所以共享物件池可以正常運作。
綜上所述，共享物件池與maxmemory LRU策略衝突，使用時需要注意。

為什麼只有整數物件池？
首先整數物件池復用的幾率最大，其次物件共享的一個關鍵操作就是判斷相等性，Redis之所以只有整數物件池，是因為整數比較演算法時間複雜度為O(1)，只保留一萬個整數為了防止物件池浪費。如果是字串判斷相等性，時間複雜度變成O(n)，特別是長字串更消耗效能(浮點數在Redis內部使用字串儲存)。對於較複雜的資料結構如hash,list等，相等性判斷需要O(n2)。對於單執行緒的Redis來說，這樣的開銷顯然不合理，因此Redis只保留整數共享物件池。

---

• 4、字串最佳化
  Redis沒有採用原生C語言的字串型別而是自己實作了字串結構，內部簡單動態字串，簡稱SDS。

字串結構：

• 特點：
  O(1)時間複雜度取得：字串長度，已用長度，未用長度。
  可用於保存位元組數組，支援安全的二進位資料儲存。
  內部實作空間預先分配機制，降低記憶體再分配次數。
  惰性刪除機制，字串縮減後的空間不釋放，作為預先分配空間保留。

預先分配機制：

• 開發提示:盡量減少字串頻繁修改操作如append，setrange, 改為直接使用set修改字串，降低預分配帶來的記憶體浪費和記憶體碎片化。

字串重構：基於hash類型的次要編碼方式。

• 二級編碼怎麼用？
  二級編碼方法中所採用的 ID 長度是有講究的。
  涉及一個問題–Hash 類型底層結構小於設定值時使用壓縮列表，大於設定值時使用哈希表。
  一旦從壓縮列表轉為了哈希表，Hash 類型會一直用哈希表進行保存，而不會再轉回壓縮列表。
  在節省記憶體空間方面，哈希表就沒有壓縮列表那麼有效率。為能充分使用壓縮清單的精簡記憶體佈局，一般要控制保存在 Hash 中的元素個數。

---

• 5.編碼優化
  使用壓縮列表ziplist編碼的hash類型依然比使用hashtable編碼的集合節省大量記憶體。

---

• 6.控制key的數量
  開發提示：使用ziplist hash優化keys後，如果想使用逾時刪除功能，開發人員可以儲存每個物件寫入的時間，再透過定時任務使用hscan指令掃描數據，找出hash內逾時的資料項刪除即可。

---

當Redis記憶體不足時，首先考慮的問題不是加機器做水平擴展，應該先嘗試做記憶體優化。當遇到瓶頸時，再去考慮水平擴展。即使對於叢集化方案，垂直層面最佳化也同樣重要，避免不必要的資源浪費和叢集化後的管理成本。

推薦學習：Redis教學

#

以上是詳細解析Redis記憶體滿了怎麼去優化的詳細內容。更多資訊請關注PHP中文網其他相關文章！