Redis中的数据特征

当指令太多的情况下，CPU的压力会过大，那么先不做清除数据的操作，等到空闲时间再来操作

数据删除策略

1.定时删除
2.惰性删除
3.定期删除

一、过期数据的底层存储结构

数据删除策略的目标

二、定时删除和惰性删除

定时删除

 

惰性删除

数据到达过期时间，不做处理，等下次访问该数据的时候再来删除，来请求数据：
    1.如果发现为过期，返回数据
    2.发现已过期，删除过期数据，返回不存在。在任何获取数据操作之前，都会执行expirelfNeeded()函数来检查数据是否过期

优点：节约CPU性能，发现必须删除的时候才删除
缺点：内存压力很大，出现长期占用内存的数据

总结：用存储空间换区处理器性能（拿空间换时间）

三、定期删除

activeExpireCycle()函数对每个expires(数据库)逐一进行检测
对每个数据库检测时，随机挑选W个key检测
    1.如果key超时，删除key
    2.如果一轮中删除key的数量>W*25%,循环该过程(继续挑选w个key检测)
    3.如果一轮中删除key的数量<=W*25%,检查下一个数据库，一直这样循环
    4.W取值=ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP属性值
参数current_db用于记录activeExpireCyle()进入哪个数据库执行，如果activeExpireCycle()执行时间到期，下次从current_db继续向下执行

周期性轮询redis库中的时效性数据，采取随机抽取的策略，利用过期数据占比的方式控制删除频度

特点1：CPU性能占用设置有峰值，检测频度可以自定义设置       #查询方法：info server的hz字段
特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理

总结：周期性抽查存储空间（随机抽查，重点抽查）

四、删除策略对比

1.定时删除     节约内存，无占用   不分时段占用CPU资源，频度高        拿时间换空间
2.惰性删除      内存占用严重        延时执行，CPU利用率高                拿空间换时间
3.定期删除     内存定期随机删除   每秒花费固定的CPU资源维护内存    随机抽查，重点抽查

一般都是使用惰性删除和定期删除

五、数据逐出策略（内存不足时触发）

Redis使用内存存储数据，在执行每一个命令前，会调用freeMemorylfNeeded()检测内存是否充足。
如果内存不满足新加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理存储空间。清理数据的策略称为逐出算法。

注意：逐出数据过程不是100%能够清理出足够的可使用的内存空间，如果不成功则反复执行。当对所有数据尝试完毕后，如果不能达到内存清理的要求，将出现错误信息。

影响数据逐出的相关配置

设置最大可使用内存     
maxmemory      #占用物理内存的比例，默认值为0，表示不限制。生产环境中根据需求设定，通常设置在50%以上。

每次随机选取待删除数据的个数
maxmemory-samples    #选取数据时并不会全库扫描，导致严重的性能消耗，降低读写性能。因此采用随机获取数据的方式作为待检测删除数据

选择删除策略
maxmemory-policy     #达到最大内存后，对被挑选出来的数据进行删除的方式

注意：一般是使用检测易失数据

检测易失数据（可能会过期的数据集server.db[i].expires）
1.volatile-lru:挑选最近最早使用的数据淘汰
2.volatile-lfu:挑选最近使用次数最少的数据淘汰
3.volatile-ttl:挑选将要过期的数据淘汰
4.volatile-random:任意选择数据淘汰

检测全库数据（所有数据server.db[i].dict）
5.allkeys-lru:挑选最近最早使用的数据淘汰
6.allkeys-lfu:挑选最近使用次数最少的数据淘汰
7.allkeys-random:任意选择数据淘汰

放弃数据驱逐
8.no-enviction(驱逐)：禁止驱逐数据（redis4.0中默认策略），会引发错误OOM

maxmemory-policy  volatile-lru

 三种数据逐出策略：

FIFO(First In First Out):先进先出，淘汰最先进来的页面，新进来的页面最迟被淘汰，符合队列
LRU(Least recently used):最近最少使用，淘汰最近不使用的页面
LFU(Least frequently used):最近使用次数最少，淘汰最少使用的页面