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。Redis配置内存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配置文件不一定要使用安装目录下的redis.conf文件，启动redis服务时，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占用的最大内存大小为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，则内存大小不受限制64位操作系统。Redis内存淘汰在bit操作系统下使用最大3GB内存由于Redis占用的最大内存大小是可以设置的，配置的内存用完了就会用完。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？其实Redis定义了几种策略来处理这种情况：1.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）2.allkeys-lru：来自在所有key中使用LRU算法淘汰3.volatile-lru：使用LRU算法从设置过期时间的key中淘汰4.allkeys-random：从所有key中随机淘汰数据5.volatile-random：设置过期timefrom6.volatile-ttl从time的key中随机淘汰：在设置了过期时间的key中，根据key的过期时间进行淘汰。到期时间越早，被淘汰的优先级越高。对于这三种策略，如果没有可以淘汰的key，会像noeviction.conf文件一样返回错误：maxmemory-policyallkeys-lru通过命令修改淘汰策略：127.0.0.1:6379>configsetmaxmemory-policyallkeys-lru内存淘汰，LRU算法是什么？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;//统计当前有多少节点privateintcount;//缓存节点privateMap>nodeMap;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头节点和尾节点为空的代码NodeheadNode=newNode(null,null);NodeheadNode=newNode(null,null);headNode.next=尾节点；tailNode.pre=headNode;this.head=headNode;this.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(节点);}}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){Nodepre=node.pre;Nodenext=node.next;pre.next=next;next.pre=pre;节点.next=null;node.pre=null;}privatevoidaddNode(Nodenode){//添加节点到headaddToHead(node);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。仔细看一下Redis中LRU的实现就很容易理解了1近似LRU算法Redis使用的是近似LRU算法，与常规的LRU算法不一样。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。2.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），池中数据按照访问时间排序，第一次随机选择的key放入池中，每次随机选择的key只有当访问时间小于池中被选中的最小时间时，才会被放入池中，直到候选池被填满。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。3.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，先往Redis中加入一定量的数据n，使得Redis的可用内存用完，然后往Redis中加入n/2个新数据Redis，这个时候需要剔除一部分数据。如果使用严格的LRU算法，则应该先加入的n/2个数据被剔除。生成如下各LRU算法的对比图。可以看到图中有三个不同颜色的点：1.浅灰色是已经剔除的数据。2、灰色是没有被淘汰的旧数据。3.绿色为新增数据。可以看出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。它的全称是LeastFrequentlyUsed，其核心思想是根据key最近的访问频率来淘汰key。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key?allkeys-lfu：使用LFU算法淘汰所有keys中的datasettings使用这两种淘汰策略如前所述同上，但是需要注意的是两周策略只能在Redis4.0及以上设置，如果在Redis4.0以下设置会报错
