如何高效使用Redis作为LRU缓存

本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的，希望这篇《如何高效使用Redis作为LRU缓存》对你有很大帮助！欢迎收藏，分享给更多的需要的朋友学习~

当用Redis作为一个LRU存储时，有些时候是比较方便的，在你增添新的数据时会自动驱逐旧的数据。这种行为在开发者论坛是非常有名的，因为这是流行的memcached系统的默认行为。

LRU实际上只是支持驱逐的方式之一。这页包含更多一般的Redis maxmemory指令的话题用于限制内存使用到一个定额，同时它也深入的涵盖了Redis所使用的LRU算法，实际上是精确LRU的近似值。

一、Maxmemory设置指令

Maxmemory设置指令用于配置Redis的数据集使用指定量的内存。可以用redis conf.file设置指令,或者可以在稍晚的时候在运行时间用config set命令。

例如，为了设置内存局限于100百万字节，下列指令可在redis.conf file内使用。设置maxmemory到零使得没有内存限制。这是64位系统的默认行为，而32位系统使用3GB内隐记忆极限。

maxmemory 100mb

当达到指定量的内存后，就可以选择不同的行为，称为策略。Redis可以返回错误的指令，导致使用更多的内存，或者为了每次增加新的数据后返回指定的内存，它可以驱逐一些旧的数据。

二、驱逐策略

当到达maxmemory极限时，使用maxmemory-策略配置指令来执行具体的Redis动作。

以下策略可以使用：

1、noeviction：达到内存限额后返回错误，客户尝试可以导致更多内存使用的命令（大部分写命令，但DEL和一些例外）

2、allkeys-lru：为了给新增加的数据腾出空间，驱逐键先试图移除一部分最近使用较少的（LRC）。

3、volatile-lru：为了给新增加的数据腾出空间，驱逐键先试图移除一部分最近使用较少的（LRC），但只限于过期设置键。

4、allkeys-random: 为了给新增加的数据腾出空间，驱逐任意键。

5、volatile-random: 为了给新增加的数据腾出空间，驱逐任意键，但只限于有过期设置的驱逐键。

6、volatile-ttl: 为了给新增加的数据腾出空间，驱逐键只有秘钥过期设置，并且首先尝试缩短存活时间的驱逐键。

如果没有秘钥去驱逐匹配先决条件，策略volatile-lru, volatile-random 和volatile-ttl行为很像noeviction。

那么根据你应用的访问模式选择正确的驱逐策略是很重要的。然而在应用运行时你可以在运行时间重新设置策略，并且监控缓存缺失的数量并为了调整你的设置点击Redis信息输出。

三、近似LRU算法

Redis的LRU算法不是准确的实现。也就是说Redis没有为逐出选择 最好的候选人 ，也就是没有选择过去最后被访问离现在最久的。反而 是去执行一个 近似LRU的算法，通过抽样少量的key，并且逐出抽样中最后被访问离现在最久的key（最老的访问时间）。

在Redis 3.0（目前的测试版），算法被改进了，使用了一个逐出最佳候选池。改进了算法的性能，使它更加近似真正LRU算法。

算法中，关于逐出检测的样品数量，你可以自己去调整。配置参数是：

maxmemory-samples 5

Redis没有使用真正实现LRU算是的原因是，因为消耗更多的内存。然而对于使用Redis的应用来说，事实上是等价的。下面是Redis的LRU算法和真正LRU算法的比较：

给出配置数量的key生成上面的图表。key从第一行到最后一行被访问，那么第一个key是LRU算法中最好的逐出候选者。之后有50%的key被添加，那么一半的旧key被逐出。

在上图中你可以看见3个明显的区别：

1、浅灰色带是被逐出的对象。

2、灰色带是没有被逐出的对象。

3、绿色带是被添加的对象。

LRU理论实现是在所有的旧key中前一半被逐出。Redis使用的是近似过期的key被逐出。

如你所见，3.0的工作比2.8更好，然而在2.8版本中，大多数最新访问对象的仍然保留。在3.0使用样品为10 时，性能非常接近理论上的LRU算法。

注意：LRU仅仅是一个预测模式，给出的key很可能在未来被访问。此外，如果你的数据访问模式类似于幂律（线性的），大多数key都可能被访问那么这个LRU算法的处理就是非常好的。

在实战中 ，我们发现使用幂律（线性的）的访问模式，在真正的LRU算法和Redis的LRU算法之间差异很小或者不存在差异。

你可以提升样品大小配置到10，它将接近真正的LRU算法，并且有不同错过率，但是要消耗更多的CPU。

在调试时使用不同的样品大小去调试非常简单，使用命令CONFIG SET maxmemory-samples 实现。

今天关于《如何高效使用Redis作为LRU缓存》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！