redis内存数据数据集大小升到一定大的时候，就会实行数据淘汰策略（回收策略）。
1，volatile-lru：从已设置过期时间的哈希表(server.db[i].expires)中随机挑选多个key,然后在选到的key中用lru算法淘汰最近最少使用的数据
2，allkey-lru：从所有key的哈希表（server.db[i].dict）中随机挑选多个key,然后再选到的key中利用lru算法淘汰最近最少使用的数据
3，volatile-ttl：从已设置过期时间的哈希表（server.db[i].expires)中随机挑选多个key,然后在选到的key中选择过期时间最小的数据淘汰掉。
4，volatile-random：从已设置过期时间的哈希表（server.db[i].expires）中随机挑选key淘汰掉。
5，allkey-random：从所有的key的哈希表（server.db[i].dict）中随机挑数据淘汰
6，no-eviction（驱逐）：内存达到上限，不淘汰数据。
redis确认驱逐某个键值对后，会删除这个数据，并将这个数据变更消息发布到本地（AOF持久化）和从机（主从连接）。
LRU数据淘汰机制是这样的：在数据集中随机挑选几个键值对，去除其中最近最少使用的键值对淘汰。所以Redis并不是保证取得所有数据集中最少最少使用的键值对，而只是在随机挑选的几个键值对中。
TTL数据淘汰机制：从国企时间redisDB.expires表中随机挑选几个键值对，取出其中最快过期的键值对淘汰。所以Redis并不保证取得所有过期时间表中最快过期的键值对，而是随机挑选的几个键值对中。
无论是什么机制，都是从所有的键值对中挑选合适的淘汰。
在哪里开始淘汰数据：
Redis服务器每执行一次命令的时候，会检测使用的内存是否超额。如果超额，即进行数据淘汰。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 |
int freeMemoryIfNeeded(void) { /** * noeviction 不淘汰数据，什么都不做 */ if (server.maxmemory_policy == MAXMEMORY_NO_EVICTION) return C_ERR; while (mem_freed < mem_tofree) { int j, k, keys_freed = 0; for (j = 0; j < server.dbnum; j++) { /** * 选择操作的哈希表，Redis另外维护着一个保存过期时间的key=>expire关联的哈希表 */ if (server.maxmemory_policy == MAXMEMORY_ALLKEYS_LRU || server.maxmemory_policy == MAXMEMORY_ALLKEYS_RANDOM) { dict = server.db[j].dict; } else { dict = server.db[j].expires; } /** * 分支一：全局哈希表随机或者过期时间哈希表中，随机淘汰一个key */ if (server.maxmemory_policy == MAXMEMORY_ALLKEYS_RANDOM || server.maxmemory_policy == MAXMEMORY_VOLATILE_RANDOM) { de = dictGetRandomKey(dict); bestkey = dictGetKey(de); } /** * 分支二：全局哈希表随机或者过期时间哈希表中，随机采样多个数据，再运用lru算法挑选一个淘汰 */ else if (server.maxmemory_policy == MAXMEMORY_ALLKEYS_LRU || server.maxmemory_policy == MAXMEMORY_VOLATILE_LRU) { /* 样本集 */ struct evictionPoolEntry *pool = db->eviction_pool; while(bestkey == NULL) { /* * 采样，更新和维护样本集； * 样本集开始是空的，每次操作完并不会清空样本集； * 而且每次采样，都会采集多个数据，同时和样本集中已有的数据进行比较，新增或者更新样本集； */ evictionPoolPopulate(dict, db->dict, db->eviction_pool); /** * 开始对样本集使用lru算法，淘汰样本集中访问时间最晚的key */ for (k = MAXMEMORY_EVICTION_POOL_SIZE-1; k >= 0; k--) { if (pool[k].key == NULL) continue; de = dictFind(dict,pool[k].key); /* 把选取到的key从样本集中移除 */ sdsfree(pool[k].key); memmove(pool+k,pool+k+1, sizeof(pool[0])*(MAXMEMORY_EVICTION_POOL_SIZE-k-1)); pool[MAXMEMORY_EVICTION_POOL_SIZE-1].key = NULL; pool[MAXMEMORY_EVICTION_POOL_SIZE-1].idle = 0; /* pool样本集内的key，只是样本，不一定和db内保持一致，也不必，可能在db中已经被删除的，所以要作判断 */ if (de) { bestkey = dictGetKey(de); break; } else { /* Ghost... */ continue; } } } } /** * 分支三：在设置了过期时间的哈希表里面随机选择多个key，在挑选到的key中选择过期时间最小的一个淘汰掉 */ else if (server.maxmemory_policy == MAXMEMORY_VOLATILE_TTL) { for (k = 0; k < server.maxmemory_samples; k++) { sds thiskey; long thisval; de = dictGetRandomKey(dict); thiskey = dictGetKey(de); thisval = (long) dictGetVal(de); if (bestkey == NULL || thisval < bestval) { bestkey = thiskey; bestval = thisval; } } } if (bestkey) { long long delta; robj *keyobj = createStringObject(bestkey,sdslen(bestkey)); // 命令扩散，把删除key的命令同步到所有从库slave propagateExpire(db,keyobj); // 删除key dbDelete(db,keyobj); } } } return C_OK; } |
