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
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Redis入门到精通(十四)——三种过期数据删除策略、过期数据的底层存储结构、定时删除和惰性删除、定期删除、删除策略的对比、数据逐出策略 - Python技术站