【退役之重学Java】Redis 的过期策略

2024-05-11 08:04

本文主要是介绍【退役之重学Java】Redis 的过期策略,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Redis 的过期策略

一、假设设置一个key 只能存活1h,那么1h之后,Redis 是怎么对这批 key 进行删除的?

回答: 定期删除 + 惰性删除

  1. 所谓定期删除,指的是 Redis 默认每隔100ms 就随机抽取一些设置了过期时间的 key,检查其是否过期,如果过期就删除。注意,这里可不是每隔 100ms 就遍历所有设置过期时间的key ,那样就是已超过性能的灾难。实际上,Redis 是每隔 100ms 随机抽取一些 key 来检查和删除的。
  2. 但问题是,定期删除可能会导致过多的 key 到了时间并没有删除掉。所以就需要惰性删除。就是说,在获取某个 key 的时候, Redis 会检查一下,这个 key 如果设置了过期时间,并且是否过期了,如果过期了,此时就会删除。
  3. 通过上述两种手段结合起来,保证过期的 key 一定回被干掉
  4. 但是,实际上这样还是存在一些问题的,如果定期删除漏掉了很多过期的 key, 然后你也没有及时去查,也就没走惰性删除,此时会怎么样?如果大量过期的 key 堆积在内存里,导致 Redis 内存耗尽了,那么怎么办呢?
  5. 答案是:内存淘汰机制

二、内存淘汰机制

如果 Redis 的内存占用过多的是偶,此时就会进行内存太太,有如下一些策略:
1)noeviction: 当内存不足以容纳新写入的数据时,新写入操作会报错,这个一般没人用吧,实在太恶心了
2)allkeys-lru: 当内存不足以容纳新写入的数据时,在键空间中,一处最近最少使用的key(这个是最常用的)
3)allkeys-random: 当内存不足以容纳新写入的数据时,在键空间中,随机移除某个 key(一般没人用)
4) volatile-lru: 当内存不足以容纳新写入的数据时,在设置了过期时间的键空间中,移除最近最少使用的 key(这个一般不太合适)
5)volatile-random: 当内存不足以容纳新写入的数据时,在设置了过期时间的键空间中,随机移除某个 key
6)volatile-ttl: 当内存不足以容纳新写入的数据时,在设置了过期时间的键空间中,有更早过期时间的 key 先移除

手写一个 LRU 算法

下面是一个简单的手写LRU(Least Recently Used)算法的示例代码,使用双向链表和哈希表实现:

import java.util.HashMap;class LRUCache {// 定义双向链表节点class Node {int key;int value;Node prev;Node next;public Node(int key, int value) {this.key = key;this.value = value;}}private HashMap<Integer, Node> map; // 哈希表用于快速查找缓存数据private Node head; // 虚拟头节点private Node tail; // 虚拟尾节点private int capacity; // 缓存容量public LRUCache(int capacity) {this.capacity = capacity;map = new HashMap<>();head = new Node(-1, -1);tail = new Node(-1, -1);head.next = tail;tail.prev = head;}// 获取缓存数据public int get(int key) {if (map.containsKey(key)) {Node node = map.get(key);remove(node); // 从链表中移除当前节点addFirst(node); // 将当前节点移动到链表头部return node.value;}return -1;}// 写入缓存数据public void put(int key, int value) {if (map.containsKey(key)) {Node node = map.get(key);node.value = value;remove(node); // 从链表中移除当前节点addFirst(node); // 将当前节点移动到链表头部} else {if (map.size() == capacity) {map.remove(tail.prev.key); // 移除链表尾部节点对应的缓存数据remove(tail.prev); // 移除链表尾部节点}Node newNode = new Node(key, value);map.put(key, newNode);addFirst(newNode); // 将新节点添加到链表头部}}// 从链表中移除节点private void remove(Node node) {node.prev.next = node.next;node.next.prev = node.prev;}// 将节点添加到链表头部private void addFirst(Node node) {Node next = head.next;head.next = node;node.prev = head;node.next = next;next.prev = node;}
}

在这个示例中,LRUCache类实现了一个LRU缓存,使用双向链表来维护缓存数据的访问顺序,使用哈希表来快速查找缓存数据。通过get和put方法实现对缓存的读取和写入操作,保持缓存中数据的最近访问顺序。

这篇关于【退役之重学Java】Redis 的过期策略的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/978965

相关文章

Redis客户端连接机制的实现方案

《Redis客户端连接机制的实现方案》本文主要介绍了Redis客户端连接机制的实现方案,包括事件驱动模型、非阻塞I/O处理、连接池应用及配置优化,具有一定的参考价值,感兴趣的可以了解一下... 目录1. Redis连接模型概述2. 连接建立过程详解2.1 连php接初始化流程2.2 关键配置参数3. 最大连

SpringBoot多环境配置数据读取方式

《SpringBoot多环境配置数据读取方式》SpringBoot通过环境隔离机制,支持properties/yaml/yml多格式配置,结合@Value、Environment和@Configura... 目录一、多环境配置的核心思路二、3种配置文件格式详解2.1 properties格式(传统格式)1.

Apache Ignite 与 Spring Boot 集成详细指南

《ApacheIgnite与SpringBoot集成详细指南》ApacheIgnite官方指南详解如何通过SpringBootStarter扩展实现自动配置,支持厚/轻客户端模式,简化Ign... 目录 一、背景:为什么需要这个集成? 二、两种集成方式(对应两种客户端模型) 三、方式一:自动配置 Thick

Python实现网格交易策略的过程

《Python实现网格交易策略的过程》本文讲解Python网格交易策略,利用ccxt获取加密货币数据及backtrader回测,通过设定网格节点,低买高卖获利,适合震荡行情,下面跟我一起看看我们的第一... 网格交易是一种经典的量化交易策略,其核心思想是在价格上下预设多个“网格”,当价格触发特定网格时执行买

Spring WebClient从入门到精通

《SpringWebClient从入门到精通》本文详解SpringWebClient非阻塞响应式特性及优势,涵盖核心API、实战应用与性能优化,对比RestTemplate,为微服务通信提供高效解决... 目录一、WebClient 概述1.1 为什么选择 WebClient?1.2 WebClient 与

Java.lang.InterruptedException被中止异常的原因及解决方案

《Java.lang.InterruptedException被中止异常的原因及解决方案》Java.lang.InterruptedException是线程被中断时抛出的异常,用于协作停止执行,常见于... 目录报错问题报错原因解决方法Java.lang.InterruptedException 是 Jav

深入浅出SpringBoot WebSocket构建实时应用全面指南

《深入浅出SpringBootWebSocket构建实时应用全面指南》WebSocket是一种在单个TCP连接上进行全双工通信的协议,这篇文章主要为大家详细介绍了SpringBoot如何集成WebS... 目录前言为什么需要 WebSocketWebSocket 是什么Spring Boot 如何简化 We

java中pdf模版填充表单踩坑实战记录(itextPdf、openPdf、pdfbox)

《java中pdf模版填充表单踩坑实战记录(itextPdf、openPdf、pdfbox)》:本文主要介绍java中pdf模版填充表单踩坑的相关资料,OpenPDF、iText、PDFBox是三... 目录准备Pdf模版方法1:itextpdf7填充表单(1)加入依赖(2)代码(3)遇到的问题方法2:pd

Java Stream流之GroupBy的用法及应用场景

《JavaStream流之GroupBy的用法及应用场景》本教程将详细介绍如何在Java中使用Stream流的groupby方法,包括基本用法和一些常见的实际应用场景,感兴趣的朋友一起看看吧... 目录Java Stream流之GroupBy的用法1. 前言2. 基础概念什么是 GroupBy?Stream

SpringBoot监控API请求耗时的6中解决解决方案

《SpringBoot监控API请求耗时的6中解决解决方案》本文介绍SpringBoot中记录API请求耗时的6种方案,包括手动埋点、AOP切面、拦截器、Filter、事件监听、Micrometer+... 目录1. 简介2.实战案例2.1 手动记录2.2 自定义AOP记录2.3 拦截器技术2.4 使用Fi