Redis内存淘汰和过期删除策略原理分析就有可能导致内存不够用

2024-06-29 05:28:37 [百科] 来源：避面尹邢网

Redis内存淘汰和过期删除策略原理分析

作者：玄墨 2023-10-26 07:13:14数据库其他数据库在实际使用过程中，存淘策略过期时间配置只是汰和一种常规手段，当key的过期数量在短时间内突增，就有可能导致内存不够用。删除此时就需要依赖于Redis内部提供的原理淘汰策略来进一步的保证服务的可用性。

Redis是分析一个内存键值对数据库，所以对于内存的存淘策略管理尤为重要。Redis内部对于内存的汰和管理主要包含两个方向，过期删除策略和数据淘汰策略。过期思考：

什么是删除数据淘汰？
数据过期和数据淘汰都是删除数据，两者有什么区别？
实际使用场景是原理多样化的，如何选择合适的分析淘汰策略？

淘汰策略原理

所谓数据淘汰是指在Redis内存使用达到一定阈值的时候，执行某种策略释放内存空间，存淘策略以便于接收新的汰和数据。内存可使用空间由配置参数maxmemory决定(单位mb/GB)。过期故又叫"最大内存删除策略"，也叫"缓存删除策略"。

Redis内存淘汰和过期删除策略原理分析就有可能导致内存不够用

maxmemory配置

# 客户端命令方式配置和查看内存大小127.0.0.1:6379> config get maxmemory"maxmemory""0"127.0.0.1:6379> config set maxmemory 100mbOK127.0.0.1:6379> config get maxmemory"maxmemory""104857600"#通过redis.conf 配置文件配置127.0.0.1:6379> info# Server#...# 配置文件路径config_file:/opt/homebrew/etc/redis.conf#...# 修改内存大小> vim /opt/homebrew/etc/redis.conf############################## MEMORY MANAGEMENT ################################# Set a memory usage limit to the specified amount of bytes.# When the memory limit is reached Redis will try to remove keys# according to the eviction policy selected (see maxmemory-policy).##...maxmemory 100mb#...

注：若`maxmemory=0`则表示不做内存限制，但是对于windows系统来说，32位系统默认可使用空间是3G，因为整个系统内存是4G，需要留1G给系统运行。且淘汰策略会自动设置为noeviction，即不开启淘汰策略，当使用空间达到3G的时候，新的内存请求会报错。

Redis内存淘汰和过期删除策略原理分析就有可能导致内存不够用

淘汰策略分类

淘汰策略配置maxmemory-policy，表示当内存达到maxmemory时，将执行配置的淘汰策略，由redis.c/freeMemoryIfNeeded 函数实现数据淘汰逻辑。maxmemory-policy配置

# 命令行配置方式127.0.0.1:6379> CONFIG GET maxmemory-policy"maxmemory-policy""noeviction"127.0.0.1:6379> CONFIG SET maxmemory-policy volatile-lruOK127.0.0.1:6379> CONFIG GET maxmemory-policy"maxmemory-policy""volatile-lru"#redis.conf文件配置方式# MAXMEMORY POLICY: how Redis will select what to remove when maxmemory# is reached. You can select one from the following behaviors:## volatile-lru -> Evict using approximated LRU, only keys with an expire set.# allkeys-lru -> Evict any key using approximated LRU.# volatile-lfu -> Evict using approximated LFU, only keys with an expire set.# allkeys-lfu -> Evict any key using approximated LFU.# volatile-random -> Remove a random key having an expire set.# allkeys-random -> Remove a random key, any key.# volatile-ttl -> Remove the key with the nearest expire time (minor TTL)# noeviction -> Don't evict anything, just return an error on write operations.## LRU means Least Recently Used# LFU means Least Frequently Used## Both LRU, LFU and volatile-ttl are implemented using approximated# randomized algorithms.# The default is:# ...maxmemory-policy noeviction

freeMemoryIfNeeded逻辑处理

int freeMemoryIfNeeded(void) {   size_t mem_used, mem_tofree, mem_freed;  int slaves = listLength(server.slaves);  /* Remove the size of slaves output buffers and AOF buffer from the count of used memory.*/  // 计算出 Redis 目前占用的内存总数，但有两个方面的内存不会计算在内：  // 1）从服务器的输出缓冲区的内存  // 2）AOF 缓冲区的内存  mem_used = zmalloc_used_memory();  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;    }  }  if (server.aof_state != REDIS_AOF_OFF) {     mem_used -= sdslen(server.aof_buf);    mem_used -= aofRewriteBufferSize();  }  /* Check if we are over the memory limit. */  // 如果目前使用的内存大小比设置的 maxmemory 要小，那么无须执行进一步操作  if (mem_used <= server.maxmemory) return REDIS_OK;  // 如果占用内存比 maxmemory 要大，但是 maxmemory 策略为不淘汰，那么直接返回  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. */  // 计算需要释放多少字节的内存  mem_tofree = mem_used - server.maxmemory;  // 初始化已释放内存的字节数为 0  mem_freed = 0;  // 根据 maxmemory 策略，  // 遍历字典，释放内存并记录被释放内存的字节数  while (mem_freed < mem_tofree) {     int j, k, keys_freed = 0;    // 遍历所有字典    for (j = 0; j < server.dbnum; j++) {       long bestval = 0; /* just to prevent warning */      sds bestkey = NULL;      dictEntry *de;      redisDb *db = server.db+j;      dict *dict;      if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||        server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM)      {         // 如果策略是 allkeys-lru 或者 allkeys-random         // 那么淘汰的目标为所有数据库键        dict = server.db[j].dict;      } else {         // 如果策略是 volatile-lru 、 volatile-random 或者 volatile-ttl         // 那么淘汰的目标为带过期时间的数据库键        dict = server.db[j].expires;      }      // 跳过空字典      if (dictSize(dict) == 0) continue;      /* volatile-random and allkeys-random policy */      // 如果使用的是随机策略，那么从目标字典中随机选出键      if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM ||        server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_RANDOM)      {         de = dictGetRandomKey(dict);        bestkey = dictGetKey(de);      }      /* volatile-lru and allkeys-lru policy */      // 如果使用的是 LRU 策略，      // 那么从一集 sample 键中选出 IDLE 时间最长的那个键      else if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||        server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_LRU)      {         struct evictionPoolEntry *pool = db->eviction_pool;        while(bestkey == NULL) {           evictionPoolPopulate(dict, db->dict, db->eviction_pool);          /* Go backward from best to worst element to evict. */          for (k = REDIS_EVICTION_POOL_SIZE-1; k >= 0; k--) {             if (pool[k].key == NULL) continue;            de = dictFind(dict,pool[k].key);            /* Remove the entry from the pool. */            sdsfree(pool[k].key);            /* Shift all elements on its right to left. */            memmove(pool+k,pool+k+1,              sizeof(pool[0])*(REDIS_EVICTION_POOL_SIZE-k-1));            /* Clear the element on the right which is empty since we shifted one position to the left.  */            pool[REDIS_EVICTION_POOL_SIZE-1].key = NULL;            pool[REDIS_EVICTION_POOL_SIZE-1].idle = 0;            /* If the key exists, is our pick. Otherwise it is a ghost and we need to try the next element. */            if (de) {               bestkey = dictGetKey(de);              break;            } else {               /* Ghost... */              continue;            }          }        }      }      /* volatile-ttl */      // 策略为 volatile-ttl ，从一集 sample 键中选出过期时间距离当前时间最接近的键      else if (server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_TTL) {         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;          }        }      }      /* Finally remove the selected key. */      // 删除被选中的键      if (bestkey) {         long long delta;        robj *keyobj = createStringObject(bestkey,sdslen(bestkey));        propagateExpire(db,keyobj);        // 计算删除键所释放的内存数量        delta = (long long) zmalloc_used_memory();        dbDelete(db,keyobj);        delta -= (long long) zmalloc_used_memory();        mem_freed += delta;                // 对淘汰键的计数器增一        server.stat_evictedkeys++;        notifyKeyspaceEvent(REDIS_NOTIFY_EVICTED, "evicted",            keyobj, db->id);        decrRefCount(keyobj);        keys_freed++;        /* 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();      }    }    if (!keys_freed) return REDIS_ERR; /* nothing to free... */  }  return REDIS_OK;}

8种淘汰策略

Redis定义的策略常量(version < 4.0)

/* Redis maxmemory strategies */ #define REDIS_MAXMEMORY_VOLATILE_LRU 0 #define REDIS_MAXMEMORY_VOLATILE_TTL 1 #define REDIS_MAXMEMORY_VOLATILE_RANDOM 2 #define REDIS_MAXMEMORY_ALLKEYS_LRU 3 #define REDIS_MAXMEMORY_ALLKEYS_RANDOM 4 #define REDIS_MAXMEMORY_NO_EVICTION 5 #define REDIS_DEFAULT_MAXMEMORY_POLICY REDIS_MAXMEMORY_NO_EVICTION

3.0版本提供6种策略：

Redis内存淘汰和过期删除策略原理分析就有可能导致内存不够用

4.0以上版本增加两种LFU策略：

volatile-lfu( REDIS_MAXMEMORY_VOLATILE_LFU): Evict using approximated LFU, only keys with an expire set -> 对配置了过期时间的key，淘汰最近使用频率最少的数据。

allkeys-lfu(REDIS_MAXMEMORY_ALLKEYS_LFU): Evict any key using approximated LFU -> 对所有key，淘汰最近使用频率最少的数据。

volatile-lru( REDIS_MAXMEMORY_VOLATILE_LRU): Evict using approximated LRU, only keys with an expire set -> 内存不足时，对所有配置了过期时间的key，淘汰最近最少使用的数据。

allkeys-lru(REDIS_MAXMEMORY_ALLKEYS_LRU): Evict any key using approximated LRU -> 内存不足时，对所有key，淘汰最近最少使用的数据。

volatile-random( REDIS_MAXMEMORY_VOLATILE_RANDOM): Remove a random key having an expire set -> 内存不足时，对所有配置了过期时间的key，淘汰随机数据。

allkeys-random(REDIS_MAXMEMORY_ALLKEYS_RANDOM): Remove a random key, any key -> 内存不足时，对所有key，淘汰随机数据。

volatile-ttl( REDIS_MAXMEMORY_VOLATILE_TTL): Remove the key with the nearest expire time (minor TTL) -> 内存不足时，对所有配置了过期时间的key，淘汰最近将要过期的数据。

noeviction( REDIS_MAXMEMORY_NO_EVICTION): Don't evict anything, just return an error on write operations -> 不开启淘汰策略，在不配置淘汰策略的情况下，maxmemory-policy默认等于该值。内存不足时，会抛出异常，写操作不可用。不同系统存在差异性-具体见⇑

淘汰策略的选择

存在冷热数据区别，即意味着访问频率存在较大差异，4.0及以上版本建议选择allkeys-lfu策略，但要设置lfu-decay-time 计数衰减值，一般默认1，这样可避免缓存污染现象；3.0及以下版本建议选择allkeys-lru策略。LFU访问计数衰减配置

# The counter decay time is the time, in minutes, that must elapse in order# for the key counter to be divided by two (or decremented if it has a value# less <= 10).## The default value for the lfu-decay-time is 1. A special value of 0 means to# decay the counter every time it happens to be scanned.#lfu-decay-time 1

若整体访问频率较为平衡，则可选择allkeys-random策略随机淘汰数据。
存在置顶数据(或者希望一些数据长期被保存) ，4.0及以上版本建议选择volatile-lfu策略,3.0及以下版本建议选择volatile-lru策略。对于需要置顶的数据不设置或者设置较长的过期时间，其他数据都设置小于该值的过期时间，以便淘汰非置顶数据。
若希望所有的数据可通过过期时间来判断其顺序，则可选择volatile-ttl策略。
由于过期删除策略的存在，对于过期时间的配置，存在额外的expires字典表，是会占用部分Redis内存的。若希望内存可以得到更加高效的利用，可选择allkeys-lru/allkeys-lfu策略。

Redis在实现淘汰策略时为了更合理的利用内存空间以及保证Redis的高性能，只是几近于算法的实现机制，其会从性能和可靠性层面做出一些平衡，故并不是完全可靠的。因此我们在实际使用过程中，建议都配置过期时间，主动删除那些不再使用的数据，以保证内存的高效使用。另外关于LRU和LFU算法，Redis内部在数据结构和实现机制上都做了一定程度的适应性改造

过期策略原理分析

众所周知，在Redis的实际使用过程中，为了让可贵的内存得到更高效的利用，我们提倡给每一个key配置合理的过期时间，以避免因内存不足,或因数据量过大而引发的请求响应延迟甚至是不可用等问题。思考：

key的删除是实时的吗？
是否存在并发和数据一致性问题？
内存空间是有限的，除了过期策略，Redis还有什么其他保障？

过期Key删除原理

过期时间底层原理

当key设置了过期时间，Redis内部会将这个key带上过期时间放入过期字典(expires)中，当进行查询时，会先在过期字典中查询是否存在该键，若存在则与当前UNIX时间戳做对比来进行过期时间判定。

过期时间配置命令如下（即EX｜PX｜EXAT｜PXAT）：

# expire: t秒后过期expire key seconds# pexpire: t毫秒后过期pexpire key millseconds# expireat: 到达具体的时间戳时过期,精确到秒expireat key timestamp# pexpireat: 到达具体的时间戳时过期，精确到毫秒pexpire key millseconds

这四个命令看似有差异，但在RedisDb底层，最终都会转换成pexpireat指令。内部由db.c/expireGenericCommand函数实现，对外由上面四个指令调用

//expire命令void expireCommand(redisClient *c) {   expireGenericCommand(c,mstime(),UNIT_SECONDS);}//expireat命令void expireatCommand(redisClient *c) {   expireGenericCommand(c,0,UNIT_SECONDS);}//pexpire命令void pexpireCommand(redisClient *c) {   expireGenericCommand(c,mstime(),UNIT_MILLISECONDS);}//pexpireat命令void pexpireatCommand(redisClient *c) {   expireGenericCommand(c,0,UNIT_MILLISECONDS);}/* This is the generic command implementation for EXPIRE, PEXPIRE, EXPIREAT* and PEXPIREAT. Because the commad second argument may be relative or absolute* the "basetime" argument is used to signal what the base time is (either 0* for *AT variants of the command, or the current time for relative expires).*/void expireGenericCommand(redisClient *c, long long basetime, int unit) {   ...  /* unix time in milliseconds when the key will expire. */  long long when;   ...  //如果是秒转换为毫秒  if (unit == UNIT_SECONDS) when *= 1000;  when += basetime;  ...}

过期字典内部存储结构：key表示一个指向具体键的指针，value是long类型的毫秒精度的UNIX时间戳。
Rediskey过期时间内部流程图:

图片

常见删除方式

定时删除：在写入key之后，根据否配置过期时间生成特定的定时器，定时器的执行时间就是具体的过期时间。用CPU性能换去内存存储空间——即用时间获取空间
定期删除：提供一个固定频率的定时器，执行时扫描所有的key进行过期检查，满足条件的就进行删除。
惰性删除：数据不做及时释放，待下一次接收到读写请求时，先进行过期检查，若已过期则直接删除。用内存存储空间换取CPU性能——即用空间换取时间

删除方式	优点	缺点
定时删除	能及时释放内存空间，不会产生滞留数据	频繁生成和销毁定时器，非常损耗CPU性能,影响响应时间和指令吞吐量
定期删除	固定的频率进行过期检查，对CPU交友好	1.数据量比较大的情况下，会因为全局扫描而损耗CPU性能，且主线程的阻塞会导致其他请求响应延迟。2.未能及时释放内存空间。3.数据已过期，但定时器未执行时会导致数据不一致。
惰性删除	节约CPU性能	当某些数据长时间无请求访问时，会导致数据滞留，使内存无法释放，占用内存空间，甚至坑导致内存泄漏而引发服务不可用

Redis过期删除策略

由上述三种常用的删除方式对比结果可知，单独的使用任何一种方式都不能达到比较理想的结果，因此Redis的作者在设计过期删除策略的时候，结合了定期删除与惰性删除两种方式来完成。

定期删除：内部通过redis.c/activeExpireCycle函数，以一定的频率运行，每次运行从数据库中随机抽取一定数量的key进行过期检查，若检查通过，则对该数据进行删除。在2.6版本中，默认每秒10次，在2.8版本后可通过redis.config配置文件的hz属性对频率进行设置，，官方建议数值不要超过100，否则将对CPU性能有重大影响。

# The range is between 1 and 500, however a value over 100 is usually not# a good idea. Most users should use the default of 10 and raise this up to# 100 only in environments where very low latency is required.hz 10

惰性删除：内部通过redis.c/expireIfNeeded函数，在每次执行读写操作指令之前，进行过期检查。若已设置过期时间且已过期，则删除该数据。

删除方式	优点	缺点
Redis定期删除	避免了全局扫描，每次随机抽取数据量较少，性能较稳定，执行频率可配置；避免了惰性删除低频数据长时间滞留的问题	存在概率上某些数据一直没被抽取的情况，导致数据滞留
Redis惰性删除	解决了定期删除可能导致的数据滞留现象，性能较高	低频数据长时间无法释放

总结：由表格可知，这两种方式的结合，能很好的解决过期数据滞留内存的问题，同时也很好的保证了数据的一致性，保证了内存使用的高效与CPU的性能

过期删除策略引起的脏读现象

在单节点实例模式下，因为Redis是单线程模型，所以过期策略可以保证数据一致性。
在集群模式下，过期删除策略会引起脏读现象

数据的删除在主库执行，从库不会执行。对于惰性删除策略来说，3.2版本以前，从库读取数据时哪怕数据已过期还是会返回数据，3.2版本以后，则会返回空。

对于定期删除策略，由于只是随机抽取了一定的数据，此时已过期但未被命中删除的数据在从库中读取会出现脏读现象。

过期时间命令EX｜PX，在主从同步时，因为同步需要时间，就会导致主从库实际过期时间出现偏差。比如主库设置过期时间60s，但同步全量花费了1分钟，那么在从库接收到命令并执行之后，就导致从库key的过期时间整体跨越了两分钟，而此时主库在一分钟之前数据就已经过期了。EXAT｜PXAT 命令来设置过期时间节点。这样可避免增量同步的发生。但需注意主从服务器时间一致。

在实际使用过程中，过期时间配置只是一种常规手段，当key的数量在短时间内突增，就有可能导致内存不够用。此时就需要依赖于Redis内部提供的淘汰策略来进一步的保证服务的可用性。