Redis內存回收:LRU算法

Redis技術交流群 481804090

Redis:https://github.com/zwjlpeng/Redis_Deep_Read

Redis中采用兩種算法進行內存回收，引用計數算法以及LRU算法，在操作系統內存管理一節中，我們都學習過LRU算法(最近最久未使用算法),那么什么是LRU算法呢

LRU算法作為內存管理的一種有效算法,其含義是在內存有限的情況下，當內存容量不足時，為了保證程序的運行，這時就不得不淘汰內存中的一些對象，釋放這些對象占用的空間，那么選擇淘汰哪些對象呢？LRU算法就提供了一種策略，告訴我們選擇最近一段時間內，最久未使用的對象將其淘汰，至於為什么要選擇最久未使用的，可以想想，最近一段時間內使用的東西，我們是不是可能一會又要用到呢~，而很長一段時間內都沒有使用過的東西，也許永遠都不會再使用~

在操作系統中LRU算法淘汰的不是內存中的對象，而是頁,當內存中數據不足時，通過LRU算法，選擇一頁(一般是4KB)將其交換到虛擬內存區(Swap區)

LRU算法演示

 

這張圖應該畫的還行吧，用的是www.draw.io,解釋如下，假設前提，只有三塊內存空間可以使用，每一塊內存空間只能存放一個對象，如A、B、C...

1、最開始時，內存空間是空的，因此依次進入A、B、C是沒有問題的

2、當加入D時，就出現了問題，內存空間不夠了，因此根據LRU算法，內存空間中A待的時間最為久遠，選擇A,將其淘汰

3、當再次引用B時，內存空間中的B又處於活躍狀態，而C則變成了內存空間中，近段時間最久未使用的

4、當再次向內存空間加入E時，這時內存空間又不足了，選擇在內存空間中待的最久的C將其淘汰出內存，這時的內存空間存放的對象就是E->B->D

LRU算法的整體思路就是這樣的

算法實現應該采用怎樣的數據結構 

隊列？那不就是FIFO算法嘛~，LRU算法最為精典的實現，就是HashMap+Double LinkedList，時間復雜度為O(1),具體可以參考相關代碼

REDIS中LRU算法的實際應用,在Redis 1.0中並未引入LRU算法，只是簡單的使用引用計數法，去掉內存中不再引用的對象以及運行一個定時任務serverCron去掉內存中已經過期的對象占用的內存空間,以下是Redis 1.0中CT任務的釋放內存中的部份代碼

//去掉一些過期的KEYS
for (j = 0; j < server.dbnum; j++) {
    redisDb *db = server.db+j;
    int num = dictSize(db->expires);//計算hash表中過期Key的數目
    if (num) {
        time_t now = time(NULL);
        //#define REDIS_EXPIRELOOKUPS_PER_CRON 100
        if (num > REDIS_EXPIRELOOKUPS_PER_CRON)
            num = REDIS_EXPIRELOOKUPS_PER_CRON;
        //循環100次，從過期Hash表中隨機挑選出100個Key,判斷Key是否過期，如果過期了，執行刪除操作
        while (num--) {
            dictEntry *de;
            time_t t;
            //隨機獲取Key值(db->expires里面存儲的均是即將過期的Keys)
            if ((de = dictGetRandomKey(db->expires)) == NULL) break;
            t = (time_t) dictGetEntryVal(de);
            if (now > t) {
                //不僅要從存放過期keys的Hash表中刪除數據，還要從存放實際數據的Hash表中刪除數據
                deleteKey(db,dictGetEntryKey(de));
            }
        }
    }
}

如果沒有看過Redis 1.0源碼，理解起來可能有些困難，但看看1.0源碼中的這個結構體，估計有點數據結構基礎的人，都明白上面這幾行代碼的意思了(注釋部份我也已經寫的很清楚了)~

typedef struct redisDb {
    dict *dict;//用來存放實際Key->Value數據的位置 
    dict *expires;//用於記錄Key的過期時間 
    int id;//表示選擇的是第幾個redis庫
} redisDb;

沒有查證是從什么版本開始，Redis增加了LRU算法，以下是分析Redis 2.9.11代碼中的LRU算法淘汰策略，在2.9.11版本中與LRU算法相關的代碼主要位於object.c以及redis.c兩個源文件中,　再分析這兩個文件關於LRU源代碼之前，讓我們先看一下，Redis 2.9.11版本中關於LRU算法的配置,配置文件在redis.conf文件中,如下所示

# maxmemory <bytes>

# MAXMEMORY POLICY: how Redis will select what to remove when maxmemory
# is reached. You can select among five behaviors:
# 
# volatile-lru -> remove the key with an expire set using an LRU algorithm
# allkeys-lru -> remove any key accordingly to the LRU algorithm
# volatile-random -> remove a random key with 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 expire at all, just return an error on write operations
# 
# Note: with any of the above policies, Redis will return an error on write
#       operations, when there are not suitable keys for eviction.
#
#       At the date of writing this commands are: set setnx setex append
#       incr decr rpush lpush rpushx lpushx linsert lset rpoplpush sadd
#       sinter sinterstore sunion sunionstore sdiff sdiffstore zadd zincrby
#       zunionstore zinterstore hset hsetnx hmset hincrby incrby decrby
#       getset mset msetnx exec sort
#
# The default is:
#
# maxmemory-policy noeviction

# LRU and minimal TTL algorithms are not precise algorithms but approximated
# algorithms (in order to save memory), so you can tune it for speed or
# accuracy. For default Redis will check five keys and pick the one that was
# used less recently, you can change the sample size using the following
# configuration directive.
#
# The default of 5 produces good enough results. 10 Approximates very closely
# true LRU but costs a bit more CPU. 3 is very fast but not very accurate.
#
# maxmemory-samples 5

從上面的配置中，可以看出,高版本的Redis中當內存達到極限時，內存淘汰策略主要采用了6種方式進行內存對象的釋放操作

1.volatile-lru:從設置了過期時間的數據集中，選擇最近最久未使用的數據釋放

2.allkeys-lru:從數據集中(包括設置過期時間以及未設置過期時間的數據集中)，選擇最近最久未使用的數據釋放

3.volatile-random:從設置了過期時間的數據集中，隨機選擇一個數據進行釋放

4.allkeys-random:從數據集中(包括了設置過期時間以及未設置過期時間)隨機選擇一個數據進行入釋放

5.volatile-ttl：從設置了過期時間的數據集中，選擇馬上就要過期的數據進行釋放操作

6.noeviction：不刪除任意數據(但redis還會根據引用計數器進行釋放呦~),這時如果內存不夠時，會直接返回錯誤

默認的內存策略是noeviction，在Redis中LRU算法是一個近似算法，默認情況下，Redis隨機挑選5個鍵，並且從中選取一個最近最久未使用的key進行淘汰，在配置文件中可以通過maxmemory-samples的值來設置redis需要檢查key的個數,但是栓查的越多，耗費的時間也就越久,但是結構越精確(也就是Redis從內存中淘汰的對象未使用的時間也就越久~),設置多少，綜合權衡吧~~~

在redis.h中聲明的redisObj定義的如下:

#define REDIS_LRU_BITS 24
#define REDIS_LRU_CLOCK_MAX ((1<<REDIS_LRU_BITS)-1) /* Max value of obj->lru */
#define REDIS_LRU_CLOCK_RESOLUTION 1000 /* LRU clock resolution in ms */
typedef struct redisObject {
　　//存放的對象類型 
    unsigned type:4;
    //內容編碼 
    unsigned encoding:4;
    //與server.lruclock的時間差值 
    unsigned lru:REDIS_LRU_BITS; /* lru time (relative to server.lruclock) */\
    //引用計數算法使用的引用計數器
    int refcount;
    //數據指針
    void *ptr;
} robj;

從redisObject結構體的定義中可以看出，在Redis中存放的對象不僅會有一個引用計數器，還會存在一個server.lruclock,這個變量會在定時器中每次刷新時，調用getLRUClock獲取當前系統的毫秒數，作為LRU時鍾數,該計數器總共占用24位,最大可以表示的值為24個1即((1<<REDIS_LRU_BITS) - 1)=2^24 - 1,單位是毫秒，你可以算一下這么多毫秒，可以表示多少年~~

server.lruclock在redis.c中運行的定時器中進行更新操作,代碼如下(redis.c中的定時器被配置中100ms執行一次)

int serverCron(struct aeEventLoop *eventLoop, long long id, void *clientData) {
    .....
    run_with_period(100) trackOperationsPerSecond();

    /* We have just REDIS_LRU_BITS bits per object for LRU information.
     * So we use an (eventually wrapping) LRU clock.
     *
     * Note that even if the counter wraps it's not a big problem,
     * everything will still work but some object will appear younger
     * to Redis. However for this to happen a given object should never be
     * touched for all the time needed to the counter to wrap, which is
     * not likely.
     *
     * Note that you can change the resolution altering the
     * REDIS_LRU_CLOCK_RESOLUTION define. */
    server.lruclock = getLRUClock();
    ....
    return 1000/server.hz;
}

看到這，再看看Redis中創建對象時，如何對redisObj中的unsigned lru進行賦值操作的，代碼位於object.c中,如下所示

robj *createObject(int type, void *ptr) {
    robj *o = zmalloc(sizeof(*o));
    o->type = type;
    o->encoding = REDIS_ENCODING_RAW;
    o->ptr = ptr;
    o->refcount = 1;
    //很關鍵的一步，Redis中創建的每一個對象，都記錄下該對象的LRU時鍾
    /* Set the LRU to the current lruclock (minutes resolution). */
    o->lru = LRU_CLOCK();
    return o;
}

該代碼中最為關鍵的一句就是o->lru=LRU_CLOCK(),這是一個定義，看一下這個宏定義的實現,代碼如下所示

 

#define LRU_CLOCK() ((1000/server.hz <= REDIS_LRU_CLOCK_RESOLUTION) ? server.lruclock : getLRUClock())

 

其中REDIS_LRU_CLOCK_RESOLUTION為1000,可以自已在配置文件中進行配置，表示的是LRU算法的精度,在這里我們就可以看到server.lruclock的用處了，如果定時器執行的頻率高於LRU算法的精度時，可以直接將server.lruclock直接在對象創建時賦值過去，避免了函數調用的內存開銷以及時間開銷~

有了上述的基礎，下面就是最為關鍵的部份了，REDIS中LRU算法，這里以volatile-lru為例(選擇有過期時間的數據集進行淘汰)，在Redis中命令的處理時，會調用processCommand函數，在ProcessCommand函數中，當在配置文件中配置了maxmemory時，會調用freeMemoryIfNeeded函數，釋放不用的內存空間

以下是freeMemoryIfNeeded函數的關於LRU相關部份的源代碼，其他代碼類似

            //不同的策略，操作的數據集不同
            if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||
                server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM)
            {
                dict = server.db[j].dict;
            } else {//操作的是設置了過期時間的key集
                dict = server.db[j].expires;
            }
            if (dictSize(dict) == 0) continue;

            /* volatile-random and allkeys-random policy */
            //隨機選擇進行淘汰
            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 */
            //具體的LRU算法
            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) {
                    //選擇隨機樣式，並從樣本中作用LRU算法選擇需要淘汰的數據
                    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);
                        sdsfree(pool[k].key);
                        //將pool+k+1之后的元素向前平移一個單位
                        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;
                        //選擇了需要淘汰的數據
                        if (de) {
                            bestkey = dictGetKey(de);
                            break;
                        } else {
                            /* Ghost... */
                            continue;
                        }
                    }
                }
            }

看了上面的代碼，也許你還在奇怪，說好的，LRU算法去哪去了呢，再看看這個函數evictionPoolPopulate的實現吧

#define EVICTION_SAMPLES_ARRAY_SIZE 16
void evictionPoolPopulate(dict *sampledict, dict *keydict, struct evictionPoolEntry *pool) {
    int j, k, count;
    //EVICTION_SAMPLES_ARRAY_SIZE最大樣本數，默認16
    dictEntry *_samples[EVICTION_SAMPLES_ARRAY_SIZE];
    dictEntry **samples;
    //如果我們在配置文件中配置的samples小於16，則直接使用EVICTION_SAMPLES_ARRAY_SIZE
    if (server.maxmemory_samples <= EVICTION_SAMPLES_ARRAY_SIZE) {
        samples = _samples;
    } else {
        samples = zmalloc(sizeof(samples[0])*server.maxmemory_samples);
    }

#if 1 /* Use bulk get by default. */
    //從樣本集中隨機獲取server.maxmemory_samples個數據，存放在
    count = dictGetRandomKeys(sampledict,samples,server.maxmemory_samples);
#else
    count = server.maxmemory_samples;
    for (j = 0; j < count; j++) samples[j] = dictGetRandomKey(sampledict);
#endif

    for (j = 0; j < count; j++) {
        unsigned long long idle;
        sds key;
        robj *o;
        dictEntry *de;
        de = samples[j];
        key = dictGetKey(de);
        if (sampledict != keydict) de = dictFind(keydict, key);
        o = dictGetVal(de);
        //計算LRU時間
        idle = estimateObjectIdleTime(o);
        k = 0;
        //選擇de在pool中的正確位置,按升序進行排序,升序的依據是其idle時間
        while (k < REDIS_EVICTION_POOL_SIZE &&
               pool[k].key &&
               pool[k].idle < idle) k++;
        if (k == 0 && pool[REDIS_EVICTION_POOL_SIZE-1].key != NULL) {
            /* Can't insert if the element is < the worst element we have
             * and there are no empty buckets. */
            continue;
        } else if (k < REDIS_EVICTION_POOL_SIZE && pool[k].key == NULL) {
            /* Inserting into empty position. No setup needed before insert. */
        } else {
            //移動元素，memmove,還有空間可以插入新元素
            if (pool[REDIS_EVICTION_POOL_SIZE-1].key == NULL) {
                memmove(pool+k+1,pool+k,
                    sizeof(pool[0])*(REDIS_EVICTION_POOL_SIZE-k-1));
            } else {//已經沒有空間插入新元素時，將第一個元素刪除
                /* No free space on right? Insert at k-1 */
                k--;
                /* Shift all elements on the left of k (included) to the
                 * left, so we discard the element with smaller idle time. */
                //以下操作突出了第K個位置
                sdsfree(pool[0].key);
                memmove(pool,pool+1,sizeof(pool[0])*k);
            }
        }
        //在第K個位置插入
        pool[k].key = sdsdup(key);
        pool[k].idle = idle;
    }
    //執行到此之后，pool中存放的就是按idle time升序排序
    if (samples != _samples) zfree(samples);
}

看了上面的代碼，LRU時鍾的計算並沒有包括在內，那么在看一下LRU算法的時鍾計算代碼吧,LRU時鍾計算代碼在object.c中的estimateObjectIdleTime這個函數中，代碼如下~~

//精略估計LRU時間 
unsigned long long estimateObjectIdleTime(robj *o) {
    unsigned long long lruclock = LRU_CLOCK();
    if (lruclock >= o->lru) {
        return (lruclock - o->lru) * REDIS_LRU_CLOCK_RESOLUTION;
    } else {//這種情況一般不會發生，發生時證明redis中鍵的保存時間已經wrap了
        return (lruclock + (REDIS_LRU_CLOCK_MAX - o->lru)) *
                    REDIS_LRU_CLOCK_RESOLUTION;
    }
}

好了，先到此吧~~~