这篇文章主要讲解了“如何解决redis内存数据满了导致宕机问题”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“如何解决Redis内存数据满了导致宕机问题”吧！
创新互联建站专注为客户提供全方位的互联网综合服务，包含不限于成都网站设计、成都做网站、黔西网络推广、重庆小程序开发、黔西网络营销、黔西企业策划、黔西品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们最大的嘉奖；创新互联建站为所有大学生创业者提供黔西建站搭建服务，24小时服务热线：18982081108，官方网址：www.cdcxhl.com
Redis占用内存大小
我们知道Redis是基于内存的key-value数据库，因为系统的内存大小有限，所以我们在使用Redis的时候可以配置Redis能使用的最大的内存大小。
1、通过配置文件配置
通过在Redis安装目录下面的redis.conf配置文件中添加以下配置设置内存大小
//设置Redis最大占用内存大小为100M maxmemory 100mb
redis的配置文件不一定使用的是安装目录下面的redis.conf文件，启动redis服务的时候是可以传一个参数指定redis的配置文件的
2、通过命令修改
Redis支持运行时通过命令动态修改内存大小
//设置Redis最大占用内存大小为100M 127.0.0.1:6379> config set maxmemory 100mb //获取设置的Redis能使用的最大内存大小 127.0.0.1:6379> config get maxmemory
如果不设置最大内存大小或者设置最大内存大小为0，在64位操作系统下不限制内存大小，在32位操作系统下最多使用3GB内存
Redis的内存淘汰
既然可以设置Redis最大占用内存大小，那么配置的内存就有用完的时候。那在内存用完的时候，还继续往Redis里面添加数据不就没内存可用了吗？
实际上Redis定义了几种策略用来处理这种情况：
noeviction(默认策略)：对于写请求不再提供服务，直接返回错误（DEL请求和部分特殊请求除外）
allkeys-lru：从所有key中使用LRU算法进行淘汰
volatile-lru：从设置了过期时间的key中使用LRU算法进行淘汰
allkeys-random：从所有key中随机淘汰数据
volatile-random：从设置了过期时间的key中随机淘汰
volatile-ttl：在设置了过期时间的key中，根据key的过期时间进行淘汰，越早过期的越优先被淘汰
当使用volatile-lru、volatile-random、volatile-ttl这三种策略时，如果没有key可以被淘汰，则和noeviction一样返回错误
如何获取及设置内存淘汰策略
获取当前内存淘汰策略：
127.0.0.1:6379> config get maxmemory-policy 复制代码
通过配置文件设置淘汰策略（修改redis.conf文件）：
maxmemory-policy allkeys-lru 复制代码
通过命令修改淘汰策略：
127.0.0.1:6379> config set maxmemory-policy allkeys-lru
LRU算法
什么是LRU?
上面说到了Redis可使用最大内存使用完了，是可以使用LRU算法进行内存淘汰的，那么什么是LRU算法呢？
LRU(Least Recently Used)，即最近最少使用，是一种缓存置换算法。在使用内存作为缓存的时候，缓存的大小一般是固定的。当缓存被占满，这个时候继续往缓存里面添加数据，就需要淘汰一部分老的数据，释放内存空间用来存储新的数据。这个时候就可以使用LRU算法了。其核心思想是：如果一个数据在最近一段时间没有被用到，那么将来被使用到的可能性也很小，所以就可以被淘汰掉。
使用java实现一个简单的LRU算法
publicclassLRUCache { //容量 privateint capacity; //当前有多少节点的统计 privateint count; //缓存节点 privateMap> nodeMap; privateNode head; privateNode tail; publicLRUCache(int capacity) { if(capacity < 1) { thrownewIllegalArgumentException(String.valueOf(capacity)); } this.capacity = capacity; this.nodeMap = newHashMap<>(); //初始化头节点和尾节点，利用哨兵模式减少判断头结点和尾节点为空的代码 Node headNode = newNode(null, null); Node tailNode = newNode(null, null); headNode.next= tailNode; tailNode.pre = headNode; this.head = headNode; this.tail = tailNode; } publicvoid put(k key, v value) { Node node = nodeMap.get(key); if(node == null) { if(count >= capacity) { //先移除一个节点 removeNode(); } node = newNode<>(key, value); //添加节点 addNode(node); } else{ //移动节点到头节点 moveNodeToHead(node); } } publicNode get(k key) { Node node = nodeMap.get(key); if(node != null) { moveNodeToHead(node); } return node; } privatevoid removeNode() { Node node = tail.pre; //从链表里面移除 removeFromList(node); nodeMap.remove(node.key); count--; } privatevoid removeFromList(Node node) { Node pre = node.pre; Nodenext= node.next; pre.next= next; next.pre = pre; node.next= null; node.pre = null; } privatevoid addNode(Node node) { //添加节点到头部 addToHead(node); nodeMap.put(node.key, node); count++; } privatevoid addToHead(Node node) { Nodenext= head.next; next.pre = node; node.next= next; node.pre = head; head.next= node; } publicvoid moveNodeToHead(Node node) { //从链表里面移除 removeFromList(node); //添加节点到头部 addToHead(node); } classNode { k key; v value; Node pre; Nodenext; publicNode(k key, v value) { this.key = key; this.value = value; } } }
上面这段代码实现了一个简单的LUR算法，代码很简单，也加了注释，仔细看一下很容易就看懂。
LRU在Redis中的实现
近似LRU算法
Redis使用的是近似LRU算法，它跟常规的LRU算法还不太一样。近似LRU算法通过随机采样法淘汰数据，每次随机出5（默认）个key，从里面淘汰掉最近最少使用的key。
可以通过maxmemory-samples参数修改采样数量：例：maxmemory-samples 10 maxmenory-samples配置的越大，淘汰的结果越接近于严格的LRU算法
Redis为了实现近似LRU算法，给每个key增加了一个额外增加了一个24bit的字段，用来存储该key最后一次被访问的时间。
Redis3.0对近似LRU的优化
Redis3.0对近似LRU算法进行了一些优化。新算法会维护一个候选池（大小为16），池中的数据根据访问时间进行排序，第一次随机选取的key都会放入池中，随后每次随机选取的key只有在访问时间小于池中最小的时间才会放入池中，直到候选池被放满。当放满后，如果有新的key需要放入，则将池中最后访问时间最大（最近被访问）的移除。
当需要淘汰的时候，则直接从池中选取最近访问时间最小（最久没被访问）的key淘汰掉就行。
LRU算法的对比
我们可以通过一个实验对比各LRU算法的准确率，先往Redis里面添加一定数量的数据n，使Redis可用内存用完，再往Redis里面添加n/2的新数据，这个时候就需要淘汰掉一部分的数据，如果按照严格的LRU算法，应该淘汰掉的是最先加入的n/2的数据。生成如下各LRU算法的对比图
你可以看到图中有三种不同颜色的点：
浅灰色是被淘汰的数据
灰色是没有被淘汰掉的老数据
绿色是新加入的数据
我们能看到Redis3.0采样数是10生成的图最接近于严格的LRU。而同样使用5个采样数，Redis3.0也要优于Redis2.8。
LFU算法
LFU算法是Redis4.0里面新加的一种淘汰策略。它的全称是Least Frequently Used，它的核心思想是根据key的最近被访问的频率进行淘汰，很少被访问的优先被淘汰，被访问的多的则被留下来。
LFU算法能更好的表示一个key被访问的热度。假如你使用的是LRU算法，一个key很久没有被访问到，只刚刚是偶尔被访问了一次，那么它就被认为是热点数据，不会被淘汰，而有些key将来是很有可能被访问到的则被淘汰了。如果使用LFU算法则不会出现这种情况，因为使用一次并不会使一个key成为热点数据。
LFU一共有两种策略：
volatile-lfu：在设置了过期时间的key中使用LFU算法淘汰key
allkeys-lfu：在所有的key中使用LFU算法淘汰数据
设置使用这两种淘汰策略跟前面讲的一样，不过要注意的一点是这两周策略只能在Redis4.0及以上设置，如果在Redis4.0以下设置会报错
感谢各位的阅读，以上就是“如何解决Redis内存数据满了导致宕机问题”的内容了，经过本文的学习后，相信大家对如何解决Redis内存数据满了导致宕机问题这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
分享标题：如何解决Redis内存数据满了导致宕机问题
转载来于：
http://cdxtjz.cn/article/ipojgp.html
