简介

我们知道 redis 是一个非常常用的内存型数据库，数据从内存中读取是它非常高效的原因之一，那么但是如果有一天，「redis 分配的内存满了怎么办」？遇到这个面试题不要慌，这种问题我们分为两角度回答就可以：

• 「redis 会怎么做」？

• 「我们可以怎么做」？

增加 redis 可用内存

这种方法很暴力，也很好用，我们直接通过增加 redis 的可用内存就可以了， 有两种方式

• 「通过配置文件配置」//设置 redis 最大占用内存大小为 1000M

  
  

  maxmemory 1000mb 通过在 redis 安装目录下面的 redis.conf 配置文件中添加以下配置设置内存大小

• 「通过命令修改」//设置 redis 最大占用内存大小为 1000M

  
  

  127.0.0.1:6379> config set maxmemory 1000mbredis 支持运行时通过命令动态修改内存大小

这种方法是立竿见影的，reids 内存总归受限于机器的内存，也不能无限制的增长，那么如果没有办法再增加 redis 的可用内存怎么办呢？

内存淘汰策略

实际上 Redis 定义了「8 种内存淘汰策略」用来处理 redis 内存满的情况：

• 1.noeviction：直接返回错误，不淘汰任何已经存在的 redis 键 2.allkeys-lru：所有的键使用 lru 算法进行淘汰 3.volatile-lru：有过期时间的使用 lru 算法进行淘汰 4.allkeys-random：随机删除 redis 键 5.volatile-random：随机删除有过期时间的 redis 键 6.volatile-ttl：删除快过期的 redis 键 7.volatile-lfu：根据 lfu 算法从有过期时间的键删除 8.allkeys-lfu：根据 lfu 算法从所有键删除

这些内存淘汰策略都很好理解，我们着重讲解一下 lru，lfu，ttl 是怎么去实现的

lru 的最佳实践？

lru 是 Least Recently Used 的缩写,也就是「最近很少使用」,也可以理解成最久没有使用。最近刚刚使用过的，后面接着会用到的概率也就越大。由于内存是非常金贵的，导致我们可以存储在缓存当中的数据是有限的。比如说我们固定只能存储 1w 条，当内存满了之后，缓存每插入一条新数据，都要抛弃一条最长没有使用的旧数据。我们把上面的内容整理一下，可以得到几点要求：

• 「1.保证其的读写效率，比如读写的复杂度都是 O(1)」

• 「2.当一条数据被读取，将它最近使用的时间更新」

• 「3.当插入一条新数据的时候，删除最久没有使用过的数据」

所以我们要尽可能的保证查询效率很高，插入效率很高，我们知道如果只考虑查询效率，那么 hash 表可能就是最优的选择，如果只考虑插入效率，那么链表必定有它的一席之地。

但是这两种数据结构单独使用，都有它的弊端，那么说，有没有一种数据结构，既能够保证查询效率，又能够保证插入效率呢？于是 hash+链表这种结构出现了

hash 表用来查询在链表中的数据位置，链表负责数据的插入 当新数据插入到链表头部时有两种情况；

• 1.当链表满的时候，将链表尾部的数据丢弃。这个比较简单，直接将链表尾部指针抹去，并且清除对应 hash 中的信息就好了

• 2.每当缓存命中（即缓存数据被访问），则将数据移到链表头部；这种情况我们发现，如果命中到链表中间节点，我们需要做的是 1).将该节点移到头节点 2).「将该节点的上一个节点的下一个节点，设置为该节点的下一个节点」，这里就会有一个问题，我们无法找到该节点的上一个节点，因为是单向链表，所以，新的模型产生了。

这时双向链表的作用也提现出来了。能直接定位到父节点。这效率就很高了。而且由于双向链表有尾指针，所以剔除最后的尾节点也十分方便，快捷

所以最终的解决方案就是采用「哈希表+双向链表」的结构

lfu 的最佳实践？

LFU:Least Frequently Used，最不经常使用策略,在一段时间内,数据被「使用频次最少」的,优先被淘汰。最少使用（LFU）是一种用于管理计算机内存的缓存算法。主要是记录和追踪内存块的使用次数,当缓存已满并且需要更多空间时，系统将以最低内存块使用频率清除内存.采用 LFU 算法的最简单方法是为每个加载到缓存的块分配一个计数器。每次引用该块时，计数器将增加一。当缓存达到容量并有一个新的内存块等待插入时，系统将搜索计数器最低的块并将其从缓存中删除。

这里我们提出一种达到 O(1) 时间复杂度的 LFU 实现方案，它支持的操作包括插入、访问以及删除

如图：

由两个双向链表+哈希表组成，上方的双向链表用来计数，下方的双向链表用来记录存储的数据，该链表的头节点存储了数字，哈希表的 value 对象记录下方双向链表的数据 我们这里按照插入的流程走一遍:

• 将需要存储的数据插入

• 在 hash 表中「存在」，找到对应的下方双向链表，将该节点的上一个节点和该节点的下一个节点相连（这里可能只有自己，直接移除就好），然后判断自己所在上方双向链表的计数是否比当前计数大 1「如果是」，则将自己移到该上方双向链表，并且「判断该双向链表下是否还有元素」，如果没有，则要删除该节点「如果不是或者该上方双向列表无下个节点」则新加节点，将计数设为当前计数+1

• 在 hash 表「不存在」，将数据存入 hash 表，将数据与双向链表的头节点相连（这里有可能链表未初始化）

这样当查找，插入时效率都为 O(1)

redis TTL 是怎么实现的？

TTL 存储的数据结构

redis 针对 TTL 时间有专门的 dict 进行存储，就是 redisDb 当中的 dict *expires 字段，dict 顾名思义就是一个 hashtable，key 为对应的 rediskey，value 为对应的 TTL 时间。 dict 的数据结构中含有 2 个 dictht 对象，主要是为了解决 hash 冲突过程中重新 hash 数据使用。

TTL 设置过期时间

TTL 设置 key 过期时间的方法主要是下面 4 个：

• expire 按照相对时间且以秒为单位的过期策略

• expireat 按照绝对时间且以秒为单位的过期策略

• pexpire 按照相对时间且以毫秒为单位的过期策略

• pexpireat 按照绝对时间且以毫秒为单位的过期策略

{"expire",expireCommand,3,"w",0,NULL,1,1,1,0,0},{"expireat",expireatCommand,3,"w",0,NULL,1,1,1,0,0},{"pexpire",pexpireCommand,3,"w",0,NULL,1,1,1,0,0},{"pexpireat",pexpireatCommand,3,"w",0,NULL,1,1,1,0,0},

expire expireat pexpire pexpireat

从实际设置过期时间的实现函数来看，相对时间的策略会有一个当前时间作为基准时间，绝对时间的策略会「以 0 作为一个基准时间」。

void expireCommand(redisClient *c) {    expireGenericCommand(c,mstime(),UNIT_SECONDS);}
void expireatCommand(redisClient *c) {    expireGenericCommand(c,0,UNIT_SECONDS);}
void pexpireCommand(redisClient *c) {    expireGenericCommand(c,mstime(),UNIT_MILLISECONDS);}
void pexpireatCommand(redisClient *c) {    expireGenericCommand(c,0,UNIT_MILLISECONDS);}

整个过期时间最后都会换算到绝对时间进行存储，通过公式基准时间+过期时间来进行计算。 对于相对时间而言基准时间就是当前时间，对于绝对时间而言相对时间就是 0。 中途考虑设置的过期时间是否已经过期，如果已经过期那么在 master 就会删除该数据并同步删除动作到 slave。 正常的设置过期时间是通过 setExpire 方法保存到 dict *expires 对象当中。

/* ** 这个函数是 EXPIRE 、 PEXPIRE 、 EXPIREAT 和 PEXPIREAT 命令的底层实现函数。** 命令的第二个参数可能是绝对值，也可能是相对值。* 当执行 *AT 命令时， basetime 为 0 ，在其他情况下，它保存的就是当前的绝对时间。** unit 用于指定 argv[2] （传入过期时间）的格式，* 它可以是 UNIT_SECONDS 或 UNIT_MILLISECONDS ，* basetime 参数则总是毫秒格式的。*/void expireGenericCommand(redisClient *c, long long basetime, int unit) {   robj *key = c->argv[1], *param = c->argv[2];   long long when; /* unix time in milliseconds when the key will expire. */
   // 取出 when 参数   if (getLongLongFromObjectOrReply(c, param, &when, NULL) != REDIS_OK)       return;
   // 如果传入的过期时间是以秒为单位的，那么将它转换为毫秒   if (unit == UNIT_SECONDS) when *= 1000;   when += basetime;
   /* No key, return zero. */   // 取出键   if (lookupKeyRead(c->db,key) == NULL) {       addReply(c,shared.czero);       return;   }
   /*     * 在载入数据时，或者服务器为附属节点时，    * 即使 EXPIRE 的 TTL 为负数，或者 EXPIREAT 提供的时间戳已经过期，    * 服务器也不会主动删除这个键，而是等待主节点发来显式的 DEL 命令。    *    * 程序会继续将（一个可能已经过期的 TTL）设置为键的过期时间，    * 并且等待主节点发来 DEL 命令。    */   if (when <= mstime() && !server.loading && !server.masterhost) {
       // when 提供的时间已经过期，服务器为主节点，并且没在载入数据
       robj *aux;
       redisAssertWithInfo(c,key,dbDelete(c->db,key));       server.dirty++;
       /* Replicate/AOF this as an explicit DEL. */       // 传播 DEL 命令       aux = createStringObject("DEL",3);
       rewriteClientCommandVector(c,2,aux,key);       decrRefCount(aux);
       signalModifiedKey(c->db,key);       notifyKeyspaceEvent(REDIS_NOTIFY_GENERIC,"del",key,c->db->id);
       addReply(c, shared.cone);
       return;   } else {
       // 设置键的过期时间       // 如果服务器为附属节点，或者服务器正在载入，       // 那么这个 when 有可能已经过期的       setExpire(c->db,key,when);
       addReply(c,shared.cone);
       signalModifiedKey(c->db,key);       notifyKeyspaceEvent(REDIS_NOTIFY_GENERIC,"expire",key,c->db->id);
       server.dirty++;
       return;   }}
 setExpire函数主要是对db->expires中的key对应的dictEntry设置过期时间。
/** 将键 key 的过期时间设为 when*/void setExpire(redisDb *db, robj *key, long long when) {
   dictEntry *kde, *de;
   /* Reuse the sds from the main dict in the expire dict */   // 取出键   kde = dictFind(db->dict,key->ptr);
   redisAssertWithInfo(NULL,key,kde != NULL);
   // 根据键取出键的过期时间   de = dictReplaceRaw(db->expires,dictGetKey(kde));
   // 设置键的过期时间   // 这里是直接使用整数值来保存过期时间，不是用 INT 编码的 String 对象   dictSetSignedIntegerVal(de,when);}

redis 什么时候执行淘汰策略？

在 redis 种有三种删除的操作此策略

• 定时删除：对于设有过期时间的 key，时间到了，定时器任务立即执行删除因为要维护一个定时器，所以就会占用 cpu 资源，尤其是有过期时间的 redis 键越来越多损耗的性能就会线性上升

• 惰性删除：每次只有再访问 key 的时候，才会检查 key 的过期时间，若是已经过期了就执行删除。这种情况只有在访问的时候才会删除，所以有可能有些过期的 redis 键一直不会被访问，就会一直占用 redis 内存

• 定期删除：每隔一段时间，就会检查删除掉过期的 key。这种方案相当于上述两种方案的折中，通过最合理控制删除的时间间隔来删除 key，减少对 cpu 的资源的占用消耗，使删除操作合理化。