Redis占用內存大小
我們知道Redis是基於內存的key-value數據庫，因為系統的內存大小有限，所以我們在使用Redis的時候可以配置Redis能使用的最大的內存大小。
1、通過配置文件配置
通過在Redis安裝目錄下面的redis.conf配置文件中添加以下配置設置內存大小。
//設置Redis最大占用內存大小為100
Mmaxmemory 100mb
redis的配置文件不一定使用的是安裝目錄下面的redis.conf文件，啟動redis服務的時候是可以傳一個參數指定redis的配置文件的。
2、通過命令修改
Redis支持運行時通過命令動態修改內存大小。
//設置Redis最大占用內存大小為100M
127.0.0.1:6379> config set maxmemory 100mb
//獲取設置的Redis能使用的最大內存大小
127.0.0.1:6379> config get maxmemory
如果不設置最大內存大小或者設置最大內存大小為0，在64位操作系統下不限制內存大小，在32位操作系統下最多使用3GB內存
Redis的內存淘汰
既然可以設置Redis最大占用內存大小，那么配置的內存就有用完的時候。那在內存用完的時候，還繼續往Redis里面添加數據不就沒內存可用了嗎？
實際上Redis定義了幾種策略用來處理這種情況：
noeviction(默認策略)：對於寫請求不再提供服務，直接返回錯誤（DEL請求和部分特殊請求除外）。
allkeys-lru：從所有key中使用LRU算法進行淘汰。
volatile-lru：從設置了過期時間的key中使用LRU算法進行淘汰。
allkeys-random：從所有key中隨機淘汰數據。
volatile-random：從設置了過期時間的key中隨機淘汰。
volatile-ttl：在設置了過期時間的key中，根據key的過期時間進行淘汰，越早過期的越優先被淘汰。
當使用volatile-lru、volatile-random、volatile-ttl這三種策略時，如果沒有key可以被淘汰，則和noeviction一樣返回錯誤。
如何獲取及設置內存淘汰策略
獲取當前內存淘汰策略：
127.0.0.1:6379> config get maxmemory-policy
通過配置文件設置淘汰策略（修改redis.conf文件）：
maxmemory-policy allkeys-lru
通過命令修改淘汰策略：
127.0.0.1:6379> config set maxmemory-policy allkeys-lru
LRU算法
什么是LRU?
上面說到了Redis可使用最大內存使用完了，是可以使用LRU算法進行內存淘汰的，那么什么是LRU算法呢？
LRU(Least Recently Used)，即最近最少使用，是一種緩存置換算法。在使用內存作為緩存的時候，緩存的大小一般是固定的。當緩存被占滿，這個時候繼續往緩存里面添加數據，就需要淘汰一部分老的數據，釋放內存空間用來存儲新的數據。這個時候就可以使用LRU算法了。其核心思想是：如果一個數據在最近一段時間沒有被用到，那么將來被使用到的可能性也很小，所以就可以被淘汰掉。
使用java實現一個簡單的LRU算法:
package lru;
import java.util.HashMap;
import java.util.Iterator;
public class LRU<K, V> implements Iterable<K> {
private Node head;
private Node tail;
private HashMap<K, Node> map;
private int maxSize;
@Override
public Iterator<K> iterator() {
return new Iterator<K>() {
private Node cur = head.next;
@Override
public boolean hasNext() {
return cur != tail;
}
@Override
public K next() {
Node node = this.cur;
cur = cur.next;
return node.k;
}
};
}
private class Node {
Node pre;
Node next;
K k;
V v;
public Node(K k, V v) {
this.k = k;
this.v = v;
}
}
public LRU(int maxSize) {
this.maxSize = maxSize;
this.map = new HashMap<>(maxSize * 4 / 3);
head = new Node(null, null);
tail = new Node(null, null);
head.next = tail;
tail.pre = head;
}
public V get(K key) {
if (!map.containsKey(key)) {
return null;
}
Node node = map.get(key);
unlink(node);
appendHead(node);
return node.v;
}
public void put(K key, V value) {
if (map.containsKey(key)) {
Node node = map.get(key);
unlink(node);
}
Node node = new Node(key, value);
map.put(key, node);
appendHead(node);
if (map.size() > maxSize) {
Node toRemove = removeTail();
map.remove(toRemove.k);
}
}
private Node removeTail() {
Node node = tail.pre;
Node pre = node.pre;
tail.pre = pre;
pre.next = tail;
node.pre = null;
node.next = null;
return node;
}
private void appendHead(Node node) {
Node next = head.next;
node.next = next;
next.pre = node;
node.pre = head;
head.next = node;
}
private void unlink(Node node) {
Node pre = node.pre;
Node next = node.next;
pre.next = next;
next.pre = pre;
node.pre = null;
node.next = null;
}
}
LRU在Redis中的實現
近似LRU算法
Redis使用的是近似LRU算法，它跟常規的LRU算法還不太一樣。近似LRU算法通過隨機采樣法淘汰數據，每次隨機出5（默認）個key，從里面淘汰掉最近最少使用的key。
可以通過maxmemory-samples參數修改采樣數量：
例：maxmemory-samples 10 maxmenory-samples配置的越大，淘汰的結果越接近於嚴格的LRU算法
Redis為了實現近似LRU算法，給每個key增加了一個額外增加了一個24bit的字段，用來存儲該key最后一次被訪問的時間。
Redis3.0對近似LRU的優化
Redis3.0對近似LRU算法進行了一些優化。新算法會維護一個候選池（大小為16），池中的數據根據訪問時間進行排序，第一次隨機選取的key都會放入池中，隨后每次隨機選取的key只有在訪問時間小於池中最小的時間才會放入池中，直到候選池被放滿。當放滿后，如果有新的key需要放入，則將池中最后訪問時間最大（最近被訪問）的移除。
當需要淘汰的時候，則直接從池中選取最近訪問時間最小（最久沒被訪問）的key淘汰掉就行。
LFU算法
LFU算法是Redis4.0里面新加的一種淘汰策略。它的全稱是Least Frequently Used，它的核心思想是根據key的最近被訪問的頻率進行淘汰，很少被訪問的優先被淘汰，被訪問的多的則被留下來。
LFU算法能更好的表示一個key被訪問的熱度。假如你使用的是LRU算法，一個key很久沒有被訪問到，只剛剛是偶爾被訪問了一次，那么它就被認為是熱點數據，不會被淘汰，而有些key將來是很有可能被訪問到的則被淘汰了。如果使用LFU算法則不會出現這種情況，因為使用一次並不會使一個key成為熱點數據。
LFU一共有兩種策略：
-
volatile-lfu：
在設置了過期時間的key中使用LFU算法淘汰key
-
allkeys-lfu：
在所有的key中使用LFU算法淘汰數據
設置使用這兩種淘汰策略跟前面講的一樣，不過要注意的一點是這兩周策略只能在Redis4.0及以上設置，如果在Redis4.0以下設置會報錯