設定Redis使用LRU演算法

lru(least recently used)最近最少使用演算法是眾多置換演算法中的一種。

redis中有乙個maxmemory概念，主要是為了將使用的記憶體限定在乙個固定的大小。redis用到的lru 演算法，是一種近似的lru演算法。

上面已經說過maxmemory是為了限定redis最大記憶體使用量。有多種方法設定它的大小。其中一種方法是通過config set設定，如下：

127.0.0.1:6379> config get maxmemory1) "maxmemory"2) "0"127.0.0.1:6379> config set maxmemory 100mbok

127.0.0.1:6379> config get maxmemory

1) "maxmemory"

2) "104857600"

另一種方法是修改配置檔案redis.conf：

maxmemory 100mb

注意，在64bit系統下，maxmemory設定為0表示不限制redis記憶體使用，在32bit系統下，maxmemory隱式不能超過3gb。

當redis記憶體使用達到指定的限制時，就需要選擇乙個置換的策略。

當redis記憶體使用達到maxmemory時，需要選擇設定好的maxmemory-policy進行對老資料的置換。

下面是可以選擇的置換策略：

設定maxmemory-policy的方法和設定maxmemory方法類似，通過redis.conf或是通過config set動態修改。

如果沒有匹配到可以刪除的key，那麼volatile-lru、volatile-random和volatile-ttl策略和noeviction替換策略一樣——不對任何key進行置換。

選擇合適的置換策略是很重要的，這主要取決於你的應用的訪問模式，當然你也可以動態的修改置換策略，並通過用redis命令——info去輸出cache的命中率情況，進而可以對置換策略進行調優。

一般來說，有這樣一些常用的經驗：

volatile-lru和volatile-random經常在乙個redis例項既做cache又做持久化的情況下用到，然而，更好的選擇使用兩個redis例項來解決這個問題。

設定是失效時間expire會占用一些記憶體，而採用allkeys-lru就沒有必要設定失效時間，進而更有效的利用記憶體。

理解置換策略的執行方式是非常重要的，比如：

我們持續的寫資料會導致記憶體達到或超出上限maxmemory，但是置換策略會將記憶體使用降低到上限以下。

如果一次需要使用很多的記憶體（比如一次寫入乙個很大的set），那麼，redis的記憶體使用可能超出最大記憶體限制一段時間。

redis中的lru不是嚴格意義上的lru演算法實現，是一種近似的lru實現，主要是為了節約記憶體占用以及提公升效能。redis有這樣乙個配置——maxmemory-samples，redis的lru是取出配置的數目的key，然後從中選擇乙個最近最不經常使用的key進行置換，預設的5，如下：

maxmemory-samples 5

可以通過調整樣本數量來取得lru置換演算法的速度或是精確性方面的優勢。

redis不採用真正的lru實現的原因是為了節約記憶體使用。雖然不是真正的lru實現，但是它們在應用上幾乎是等價的。下圖是redis的近似lru實現和理論lru實現的對比：

測試開始首先在redis中匯入一定數目的key，然後從第乙個key依次訪問到最後乙個key，因此根據lru演算法第乙個被訪問的key應該最新被置換，之後再增加50%數目的key，導致50%的老的key被替換出去。

在上圖中你可以看到三種型別的點，組成三種不同的區域：

理論lru實現就像我們期待的那樣，最舊的50%數目的key被置換出去，redis的lru將一定比例的舊key置換出去。

可以看到在樣本數為5的情況下，redis3.0要比redis2.8做的好很多，redis2.8中有很多應該被置換出去的資料沒有置換出去。在樣本數為10的情況下，redis3.0很接近真正的lru實現。

lru是乙個**未來我們會訪問哪些資料的模型，如果我們訪問資料的形式接近我們預想——冪律，那麼近似lru演算法實現將能處理的很好。

在模擬測試中我們可以發現，在冪律訪問模式下，理論lru和redis近似lru的差距很小或者就不存在差距。

如果你將maxmemory-samples設定為10，那麼redis將會增加額外的cpu開銷以保證接近真正的lru效能，可以通過檢查命中率來檢視有什麼不同。

通過config set maxmemory-samples動態調整樣本數大小，做一些測試驗證你的猜想。