Redis高级删除策略与数据淘汰
第二章：Redis高级
学习目标
目标1：能够说出redis中的数据删除策与略淘汰策略
目标2：能够说出主从复制的概念，工作流程以及场景问题及解决方案
目标3：能够说出哨兵的作用以及工作原理，以及如何启用哨兵
目标4：能够说出集群的架构设计，完成集群的搭建
目标5：能够说出缓存预热，雪崩，击穿，穿透的概念，能说出redis的相关监控指标
1.数据删除与淘汰策略
1.1 过期数据
1.1.1 Redis中的数据特征
Redis是一种内存级数据库，所有数据均存放在内存中，内存中的数据可以通过TTL指令获取其状态
TTL返回的值有三种情况：正数，-1，-2
- 正数：代表该数据在内存中还能存活的时间
- -1：永久有效的数据
- -2 ：已经过期的数据 或被删除的数据 或 未定义的数据
删除策略就是针对已过期数据的处理策略，已过期的数据是真的就立即删除了吗？其实也不是，我们会有多种删除策略，是分情况的，在不同的场景下使用不同的删除方式会有不同效果，这也正是我们要将的数据的删除策略的问题
1.1.2 时效性数据的存储结构
在Redis中，如何给数据设置它的失效周期呢？数据的时效在redis中如何存储呢？看下图：
过期数据是一块独立的存储空间，Hash结构，field是内存地址，value是过期时间，保存了所有key的过期描述，在最终进行过期处理的时候，对该空间的数据进行检测， 当时间到期之后通过field找到内存该地址处的数据，然后进行相关操作。
1.2 数据删除策略
1.2.1 数据删除策略的目标
在内存占用与CPU占用之间寻找一种平衡，顾此失彼都会造成整体redis性能的下降，甚至引发服务器宕机或 内存泄露
针对过期数据要进行删除的时候都有哪些删除策略呢？
创建一个定时器，当key设置有过期时间，且过期时间到达时，由定时器任务立即执行对键的删除操作
- 优点：节约内存，到时就删除，快速释放掉不必要的内存占用
- 缺点：CPU压力很大，无论CPU此时负载量多高，均占用CPU，会影响redis服务器响应时间和指令吞吐量
- 总结：用处理器性能换取存储空间（拿时间换空间）
1.2.3 惰性删除
数据到达过期时间，不做处理。等下次访问该数据时，我们需要判断
- 如果未过期，返回数据
- 发现已过期，删除，返回不存在
-
优点：节约CPU性能，发现必须删除的时候才删除
-
缺点：内存压力很大，出现长期占用内存的数据
-
总结：用存储空间换取处理器性能（拿空间换时间）
-
-
1.2.4 定期删除
定时删除和惰性删除这两种方案都是走的极端，那有没有折中方案？
我们来讲redis的定期删除方案：
-
Redis启动服务器初始化时，读取配置server.hz的值，默认为10
-
每秒钟执行server.hz次serverCron()-------->databasesCron()(定时执行)--------->activeExpireCycle()
-
**activeExpireCycle()**对每个expires[*]逐一进行检测，每次执行耗时：250ms/server.hz
-
对某个expires[*]检测时，随机挑选W个key检测
如果key超时，删除key如果一轮中删除的key的数量>W*25%，循环该过程如果一轮中删除的key的数量≤W*25%，检查下一个expires[*]，0-15循环W取值=ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP属性值
-
参数current_db用于记录activeExpireCycle() 进入哪个expires[*] 执行
-
如果activeExpireCycle()执行时间到期，下次从current_db继续向下执行
-
总的来说：定期删除就是周期性轮询redis库中的时效性数据，采用随机抽取的策略，利用过期数据占比的方式控制删除频度 -
特点1：CPU性能占用设置有峰值，检测频度可自定义设置
-
特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理
-
总结：周期性抽查存储空间（随机抽查，重点抽查）
1.2.5 删除策略对比
1：定时删除：
节约内存，无占用,
不分时段占用CPU资源，频度高,
拿时间换空间
2：惰性删除：
内存占用严重
延时执行，CPU利用率高
拿空间换时间
3：定期删除：
内存定期随机清理
每秒花费固定的CPU资源维护内存
随机抽查，重点抽查
1.3 数据淘汰策略（逐出算法）
1.3.1 淘汰策略概述
什么叫数据淘汰策略？什么样的应用场景需要用到数据淘汰策略？
当新数据进入redis时，如果内存不足怎么办？
在执行每一个命令前，会调用**freeMemoryIfNeeded()**检测内存是否充足。如果内存不满足新 加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理存储空间。清理数据的策略称为逐出算法。
注意：逐出数据的过程不是100%能够清理出足够的可使用的内存空间，如果不成功则反复执行。当对所有数据尝试完毕， 如不能达到内存清理的要求，将出现错误信息如下
(error) OOM command not allowed when used memory >'maxmemory'
1.3.2 策略配置
影响数据淘汰的相关配置如下：
1：最大可使用内存，即占用物理内存的比例，默认值为0，表示不限制。生产环境中根据需求设定，通常设置在50%以上
maxmemory ?mb
2：每次选取待删除数据的个数，采用随机获取数据的方式作为待检测删除数据
maxmemory-samples count
3：对数据进行删除的选择策略
maxmemory-policy policy
那数据删除的策略policy到底有几种呢？一共是3类8种
第一类：检测易失数据（可能会过期的数据集server.db[i].expires ）
volatile-lru：挑选最近最少使用的数据淘汰
volatile-lfu：挑选最近使用次数最少的数据淘汰
volatile-ttl：挑选将要过期的数据淘汰
volatile-random：任意选择数据淘汰
第二类：检测全库数据（所有数据集server.db[i].dict ）
allkeys-lru：挑选最近最少使用的数据淘汰
allkeLyRs-lfu：：挑选最近使用次数最少的数据淘汰
allkeys-random：任意选择数据淘汰，相当于随机
第三类：放弃数据驱逐
no-enviction（驱逐）：禁止驱逐数据(redis4.0中默认策略)，会引发OOM(Out Of Memory)
注意：这些策略是配置到哪个属性上？怎么配置？如下所示
maxmemory-policy volatile-lru
数据淘汰策略配置依据
使用INFO命令输出监控信息，查询缓存 hit 和 miss 的次数，根据业务需求调优Redis配置