目录

Redis 过期键删除和内存淘汰策略【Redis 系列之四】

〇、前言

对于 Redis 服务器来说,内存资源非常宝贵,如果一些过期键一直不被删除,就会造成资源浪费。

那么,本文将结合博主收集的资料,简单介绍下过期键删除、内存淘汰两个策略,仅供参考。

博主 Redis 相关文章都在这里了:https://www.cnblogs.com/hnzhengfy/category/2229717.html

一、Redis 的过期时间配置

1.1 设置过期时间的方法

首先是在设置键值对的同时指定过期时间:

复制代码
# 语法
SET key value [EX seconds] [PX milliseconds]
# 示例
SET mykey "hello" EX 60      # 设置 mykey 的值为 "hello",并在 60 秒后过期
SET mykey "hello" PX 60000   # 设置 mykey 的值为 "hello",并在 60000 毫秒(即 60 秒)后过期

然后是给已存在的键添加过期时间,共四种命令:

复制代码
# 【expire 命令】设置以【秒】为单位的过期时间
# 语法:
EXPIRE key seconds
# 示例:
SET mykey "hello"
EXPIRE mykey 60   # 设置 mykey 在 60 秒后过期

# 【pexpire 命令】设置以【毫秒】为单位的过期时间
# 语法:
PEXPIRE key milliseconds
# 示例:
SET mykey "hello"
PEXPIRE mykey 60000   # 设置 mykey 在 60000 毫秒(即 60 秒)后过期

# 【expireat 命令】设置一个具体的 Unix 时间戳作为过期时间(以【秒】为单位)
# 语法:
EXPIREAT key timestamp
# 示例:
SET mykey "hello"
EXPIREAT mykey 1743283200 # 设置 mykey 在 Unix 时间戳 1743283200 时过期

# 【pexpireat 命令】设置一个具体的 Unix 时间戳作为过期时间(以【毫秒】为单位)
# 语法:
PEXPIREAT key timestamp_ms
# 示例:
SET mykey "hello"
PEXPIREAT mykey 1743283200000 # 设置 mykey 在 Unix 时间戳 1743283200000 时过期

1.2 如何判断一个键是否已经过期?

  • 首先看下一个带过期时间的键如何保存?

Redis 在内存中存储键值对时,会为每个键维护一个独立的数据结构来记录其元信息(如过期时间)

键值对存储在全局哈希表(dict)中。每个键对应一个 redisObject,该对象包含了键的值以及与该键相关的元信息(例如类型、编码方式等)。

过期时间存储在一个专门的字典(expires 字典)中,键是普通键名,值是该键的过期时间(以 Unix 时间戳的形式存储)。

复制代码
# 示例
SET mykey "hello" EX 60
# mykey 被存储在主字典中,指向值 "hello"。
# 同时,mykey 也会被添加到 expires 字典中,值为当前时间 + 60 秒的时间戳。

如果一个键没有设置过期时间,则它不会出现在 expires 字典中。

  • 读取键时会先进行过期检查

当访问一个键时(如 GET 命令),Redis 会先检查该键是否存在于 expires 字典中。如果存在,Redis 会将当前时间与 expires 字典中存储的过期时间进行比较:

如果,当前时间 >= 过期时间:认为该键已过期,返回 nil。

如果,当前时间 < 过期时间:认为该键仍然有效。

二、过期键删除策略

2.1 惰性删除(Lazy Deletion)(被动删除)

惰性删除是 Redis 核心工作机制的一部分,因此默认启用,并且无法通过配置项来手动关闭。

针对惰性删除有三个要点:

**被动触发:**当客户端访问一个键时(如 GET、DEL 等命令),Redis 会首先检查该键是否已设置过期时间。

**过期检查:**如果键已过期(当前时间 ≥ 过期时间),Redis 会立即删除该键,并返回 nil(表示键不存在)。

**不主动清理:**未被访问的过期键不会被删除,直到下次被访问时才会触发检查。

  • 优势

高效性:仅在键被访问时检查过期,避免了不必要的 CPU 资源消耗。

低延迟:不会因过期键的清理操作导致系统性能波动。

  • 劣势

内存浪费:长时间未被访问的过期键会持续占用内存,可能导致内存泄漏。

不可控性:无法主动清理未被访问的过期键。

2.2 定期删除(Periodic Deletion)(主动删除)

定期删除就是以固定的时间间隔,来扫描 Redis 数据库中的键,发现过期的键立即删掉,可以通过配置来设置具体频率。

要点:

**主动触发:**Redis 内部通过一个后台任务(serverCron)周期性地扫描过期键,并主动删除它们。

**随机采样:**每次扫描时,Redis 会从数据库的 expires 字典中随机选取一批键(默认 20 个),检查是否过期,并删除已过期的键。

**动态调整:**通过参数 hz(默认值 10)控制扫描频率,即每秒执行 hz 次扫描任务。扫描时长受 CPU 时间限制(默认不超过 25% 的 CPU 时间)。

简要的步骤:

  1. 遍历所有数据库:依次检查每个数据库(DB)。
  2. 随机采样:从每个数据库的 expires 字典中随机选取 20 个键。
  3. 删除过期键:将过期的键从主字典和 expires 字典中删除。
  4. 重复扫描:如果发现 25% 以上的采样键已过期,则重复扫描,直到过期键比例低于阈值或达到 CPU 时间限制。
  5. 退出条件:若达到预设的 CPU 时间限制(如每秒 25ms),则停止扫描。
  • 优势:

内存友好:主动清理过期键,减少内存浪费。

可控性:通过调整 hz 和扫描参数,平衡性能与内存占用。

  • 劣势:

延迟性:过期键可能在扫描间隔内仍存在,无法立即删除。

资源占用:频繁扫描可能增加 CPU 负载(但通过时间限制避免了极端情况)。

  • 如何配置?

hz:配置 serverCron 的执行频率(默认 10,即每秒 10 次)。

ACTIVE_EXPIRE_CYCLE_SLOW_TIME_PERC:该参数决定了 Redis 在单次过期键清理周期中,最多可以占用的 CPU 时间比例(默认 25%)。

复制代码
# 计算公式:
最大允许 CPU 时间(微秒) = (1000000 * ACTIVE_EXPIRE_CYCLE_SLOW_TIME_PERC) / (server.hz * 100)
# 例如:当 hz=10
最大允许时间 = (1000000 * 25) / (10 * 100) = 25,000 微秒(即 25 毫秒) # 单次清理,只运行 25 毫秒
# 例如:当 hz=1
最大允许时间 = (1000000 * 25) / (1 * 100) = 250,000 微秒(即 250 毫秒) # 单次清理,只运行 250 毫秒

若某次清理发现大量过期键(如 20 个采样键中有 6 个过期),Redis 会继续扫描直到过期键比例下降或时间耗尽。

2.3 综合策略:惰性删除+定期删除

Redis 的过期键删除策略结合了惰性删除(Lazy Deletion)和定期删除(Periodic Deletion),通过两者的互补性实现性能与内存占用的平衡。

两者结合带来的好处:

高效性:惰性删除仅在键被访问时触发,避免了不必要的 CPU 开销。定期删除通过随机采样和动态调整,平衡了 CPU 负载与内存清理效率。

内存友好:惰性删除确保被访问的过期键立即释放内存。定期删除主动清理未被访问的过期键,减少内存泄漏风险。

典型应用场景:

针对高频访问场景,惰性删除更有优势,能够快速清理过期键,减少内存占用。当然,不可避免的有部分键是没有被访问的,这时就需要定期删除来及时清理。

针对内存敏感场景,定期删除可以避免过期键长期占用空间,但要仔细考量配置项的值,避免 CPU 过载。惰性删除则尽快清除失效键。

针对低资源环境,更加需要两者的有机配合。惰性删除减少 CPU 开销,定期删除通过参数控制资源消耗。也可能需牺牲部分内存利用率以换取 CPU 节省。

三、内存淘汰策略

3.1 触发条件

Redis 的内存淘汰策略(Memory Eviction Policy)是在 Redis 达到最大内存限制(由 maxmemory 参数配置)时,用于决定如何淘汰(删除)现有数据以腾出空间的机制。

两个条件全部满足才触发:

  • 达到最大内存限制:当 Redis 使用的内存超过 maxmemory 配置的阈值时。
  • 需要分配新内存:当尝试写入新数据或更新现有数据时,如果内存不足,触发淘汰策略。

3.2 八种内存淘汰策略

八种策略实际上可以分为三类。

1)不淘汰任何数据(默认策略)

  • maxmemory-policy noeviction

当内存不足时,拒绝所有写操作(如SET、ADD等),并返回错误(OOM command not allowed when used memory > 'maxmemory')。

适用于对数据完整性要求高的场景,避免因内存不足导致数据丢失。

2)在所有键(allkeys)中选择淘汰

这类策略会从所有键(无论是否设置了过期时间)中选择淘汰对象。

  • maxmemory-policy allkeys-lru

淘汰最近最少使用的**(Least Recently Used)**键。根据键的最近访问时间(上次读或写的时间),选择最久未使用的键淘汰。

适合访问模式不固定、需要保留近期活跃数据的场景。

  • maxmemory-policy allkeys-lfu

淘汰最近最少使用的**(Least Frequently Used)**键。根据键的访问频率(读写次数),选择使用频率最低的键淘汰。

适合频繁访问少数热点数据的场景(如热门商品缓存)。

  • maxmemory-policy allkeys-random

随机选择一个键淘汰。

适用于对数据淘汰的公平性要求不高,追求简单快速的淘汰方式。

3)仅在设置了过期时间的键(volatile)中选择淘汰

这类策略仅从设置了过期时间的键中选择淘汰对象。

  • maxmemory-policy volatile-lru

在设置了过期时间的键中,淘汰最近最少使用的**(Least Recently Used)**键。

适用于需要淘汰过期可能性高的键,同时保留近期活跃数据。

  • maxmemory-policy volatile-lfu

在设置了过期时间的键中,淘汰最近最少使用的**(Least Frequently Used)**键。

适合访问频率低但即将过期的键。

  • maxmemory-policy volatile-random

在设置了过期时间的键中随机选择一个淘汰。

适用于对过期键的淘汰公平性要求不高的场景。

  • maxmemory-policy volatile-ttl

优先淘汰剩余生存时间(TTL:Time To Live)最短的键。如果多个键的 TTL 相近,则可能随机选择。

适用于希望尽快清理即将过期的键,避免内存浪费的场景。

注意:volatile-ttl 策略可能因时间因素导致某些键被提前淘汰,即使它们仍被频繁访问。

|---------------|-------------------------------------|
| 业务场景 | 推荐使用的策略 |
| 数据完整性要求高 | 使用 noeviction,避免写入失败 |
| 访问模式不固定 | 使用 allkeys-lru 或 volatile-lru |
| 存在热点数据 | 使用 allkeys-lfu 或 volatile-lfu |
| 希望优先清理即将过期的数据 | 使用 volatile-ttl |
| 简单快速淘汰 | 使用 allkeys-random 或 volatile-random |

注意:Redis 的LRU 和 LFU 并非精确实现,而是通过采样和统计来近似计算,以减少性能开销。例如,maxmemory-policy allkeys-lru 会定期采样部分键来估算最近最少使用情况。

另外,Redis 的内存淘汰策略与键的过期机制(惰性删除+定期删除)是独立的。即使设置了过期时间,未被访问的键仍可能因内存不足被提前淘汰。

3.3 配置和查看

复制代码
# 配置格式
maxmemory <bytes>          # 设置最大内存限制(如:maxmemory 1gb)
maxmemory-policy <policy>  # 设置淘汰策略(如:maxmemory-policy allkeys-lru)
# 动态配置(需重启后生效)
CONFIG SET maxmemory 1gb
CONFIG SET maxmemory-policy allkeys-lru

# 查看当前配置项
CONFIG GET maxmemory
CONFIG GET maxmemory-policy

Redis 的内存淘汰策略提供了灵活的选择,需根据业务需求权衡数据保留策略、性能开销和公平性。合理配置 maxmemory 和 maxmemory-policy 是优化 Redis 性能和可靠性的关键。

本文是转载文章,点击查看原文
如有侵权,请联系 xyy@jishuzhan.net 删除
相关推荐
光军oi28 分钟前
Mysql从入门到精通day5————子查询精讲
android·数据库·mysql
qr9j422332 小时前
Django自带的Admin后台中如何获取当前登录用户
数据库·django·sqlite
cherry52302 小时前
【PostgreSQL】【第4章】PostgreSQL的事务
数据库·postgresql
IT成长日记6 小时前
【MySQL基础】聚合函数从基础使用到高级分组过滤
数据库·mysql·聚合函数
Guarding and trust8 小时前
python系统之综合案例:用python打造智能诗词生成助手
服务器·数据库·python
夜间出没的AGUI8 小时前
SQLiteBrowser 的详细说明,内容结构清晰,涵盖核心功能、使用场景及实用技巧
数据库
不再幻想,脚踏实地9 小时前
MySQL(一)
java·数据库·mysql
Tyler先森10 小时前
Oracle数据库数据编程SQL<3.5 PL/SQL 存储过程(Procedure)>
数据库·sql·oracle
KevinRay_11 小时前
从零开始学习SQL
数据库·学习·mysql