Redis内存大小我们知道Redis是一个基于内存的key-value数据库，因为系统的内存大小是有限的，所以我们在使用Redis的时候可以配置Redis可以使用的最大内存大小。1、通过配置文件进行配置。在Redis安装目录下的redis.conf配置文件中添加如下配置设置内存大小//设置Redis的最大内存大小为100Mmaxmemory100mbredis配置文件不一定使用安装目录下的redis.conf文件，当启动redis服务，可以传一个参数指定redis的配置文件2.通过命令修改Redis，支持运行时通过命令动态修改内存大小//设置Redis的最大内存大小为100M127.0.0.1:6379>configsetmaxmemory100mb//获取Redis可以使用的最大内存大小127.0.0.1:6379>configgetmaxmemory如果不设置最大内存大小或者设置最大内存大小为0，则64位下不限制内存大小位操作系统，但在32位操作系统下Redis内存淘汰最多使用3GB内存。由于Redis的最大内存大小是可以设置的，所以配置的内存会被用完。那么当内存用完了，如果继续往Redis中添加数据，不就没有内存可用了吗？事实上，Redis定义了几种策略来处理这种情况：noeviction（默认策略）：不再为写请求提供服务，直接返回错误（DEL请求和一些特殊请求除外）allkeys-lru：用于从所有键中剔除通过LRU算法volatile-lru:使用LRU算法从有过期时间的keys中剔除allkeys-random:从所有keys中随机剔除数据volatile-random:从有过期时间的keys中随机剔除volatile-ttl:在设置了过期时间的keys中,key将根据key的过期时间被淘汰。到期时间越早，优先级将被淘汰。使用volatile-lru、volatile-random、volatile-ttl三种策略时，如果没有key，可以淘汰，返回和noeviction一样的错误如何获取和设置内存淘汰策略获取当前内存淘汰policy：127.0.0.1:6379>configgetmaxmemory-policy通过配置文件设置淘汰策略（修改redis.conf文件）：maxmemory-policyallkeys-lru通过命令修改淘汰策略：127.0.0.1:6379>configsetmaxmemory-policyallkeys-lruLRU算法什么是LRU？上面说到Redis能使用的最大内存用完了，可以使用LRU算法进行内存淘汰。那么什么是LRU算法呢？LRU（LeastRecentlyUsed），最近最少使用，是一种缓存替换算法。当使用内存作为缓存时，缓存的大小一般是固定的。当缓存满了，此时如果继续向缓存中添加数据，就需要剔除一些旧的数据，释放内存空间来存放新的数据。这时候就可以使用LRU算法了。其核心思想是：如果一条数据在最近一段时间内没有被使用，那么以后被使用的可能性很小，所以可以淘汰。用java实现一个简单的LRU算法publicclassLRUCache{//Capacityprivateintcapacity;//统计当前有多少个节点privateintcount;//缓存节点privateMapnodeMap;privateNodehead;privateNodetail;publicLRUCache(intcapacity){if(capacity<1){thrownewIllegalArgumentException(String.valueOf(capacity));}this.capacity=capacity;this.nodeMap=newHashMap<>();//初始化头节点和尾节点，使用哨兵模式减少判断headNode和tail节点是否为空的代码tail=tailNode;}publicvoidput(kkey,vvalue){Nodenode=nodeMap.get(key);if(node==null){if(count>=capacity){//先移除一个节点removeNode();}node=newNode<>(key,value);//添加节点addNode(node);}else{//移动节点到头节点moveNodeToHead(node);}}publicNodeget(kkey){Nodenode=nodeMap.get(key);if(node!=null){moveNodeToHead(node);}returnnode;}privatevoidremoveNode(){Nodenode=tail.pre;//从链表中移除removeFromList(node);nodeMap.remove(node.key);count--;}privatevoidremoveFromList(Nodenode){否depre=node.pre;Nodeext=node.next;pre.next=next;next.pre=pre;node.next=null;node.pre=null;}privatevoidaddNode(Nodenode){//添加节点到headaddToHead(节点);nodeMap.put(node.key,node);count++;}privatevoidaddToHead(Nodenode){Nodeext=head.next;next.pre=node;node.next=next;node.pre=head;head.next=node;}publicvoidmoveNodeToHead(Nodenode){//从链表中移除removeFromList(node);//添加节点到头部addToHead(node);}classNode{kkey;vvalue;Nodepre;Nodeext;publicNode(kkey,vvalue){this.key=key;this.value=value;}}}上面的代码实现了一个简单的LUR算法，代码很简单，加了注释，仔细看很容易理解实现Redis中LRU的近似LRU算法Redis采用近似LRU算法，与常规的LRU算法不同。近似LRU算法通过随机抽样的方式淘汰数据，每次随机选择5个（默认）key，从中淘汰最近最少使用的key。可以通过maxmemory-samples参数修改样本个数：例子：maxmemory-samples10maxmemory-samples配置越大，淘汰的结果越接近严格LRU算法。Redis为了实现近似LRU算法，对每个key进行了额外的增加。一个24位的字段用于存储最后一次访问密钥的时间。Redis3.0优化了近似LRURedis3.0优化了近似LRU算法。新算法会维护一个候选池（大小为16），池中的数据会按照访问时间排序。第一次随机选择的key会被放入池中，之后只有访问时间小于池中最小值时才会选择随机选择的key。时间将被放入池中，直到候选池满为止。当满的时候，如果有新的key需要放入，则移除pool中最后访问时间最大的（最近访问过的）。当需要淘汰时，只需从池中选择最近访问时间最小（未访问时间最长）的key淘汰即可。LRU算法的比较我们可以通过一个实验来比较各个LRU算法的准确率。先向Redis中添加一定数量的数据n，使Redis的可用内存耗尽，然后向Redis中添加n/2个新数据。这时候，如果按照严格的LRU算法需要淘汰一部分数据，则淘汰掉最先加入的n/2条数据。生成如下各LRU算法对比图（图片来源）：可以看到图中有三个不同颜色的点：浅灰色是被淘汰的数据灰色是没有被淘汰的旧数据绿色是新加入的数据我们可以看到Redis3.0的样本数为10，生成的图最接近严格的LRU。而且同样使用5个样本，Redis3.0比Redis2.8好。LFU算法LFU算法是Redis4.0中新增的淘汰策略。它的全名是LeastFrequentlyUsed。其核心思想是根据key最近的访问频率进行淘汰。那些很少被访问的先被淘汰，那些被访问较多的被保留。LFU算法可以更好地表示被访问的密钥的流行度。如果你用的是LRU算法，一个key很长时间没有被访问过，只是偶尔访问过一次，那么它就被认为是热点数据，不会被淘汰，有些key很可能会在一段时间内被访问到未来被淘汰。如果使用LFU算法就不会出现这种情况，因为使用一次不会使一个键成为热数据。LFU有两种策略：volatile-lfu：使用LFU算法淘汰keys中有过期时间的keysallkeys-lfu：使用LFU算法淘汰所有keys中的数据设置使用这两种淘汰策略如上所述，但有一种需要注意的是两周策略只能在Redis4.0及以上设置。如果设置在Redis4.0以下，会报错，最后会有一个小问题。有些人可能已经注意到了。我在文章中没有解释。为什么Redis使用近似LRU算法而不是精确LRU算法。关于这个问题，大家可以敞开心扉思考一下，一起讨论学习。
