Redis缓存总结：淘汰机制、缓存雪崩、数据不一致....

https://github.com/Ccww-lx/JavaCommunity

在实际的工作项目中， 缓存成为高并发、高性能架构的关键组件 ，那么Redis为什么可以作为缓存使用呢？首先可以作为缓存的两个主要特征：

• 在分层系统中处于内存/CPU具有访问性能良好，

• 缓存数据饱和，有良好的数据淘汰机制

由于Redis 天然就具有这两个特征，Redis基于内存操作的，且其具有完善的数据淘汰机制，十分适合作为缓存组件。

其中，基于内存操作，容量可以为32-96GB，且操作时间平均为100ns，操作效率高。而且数据淘汰机制众多，在Redis 4.0 后就有8种了促使Redis作为缓存可以适用很多场景。

那Redis缓存为什么需要数据淘汰机制呢？有哪8种数据淘汰机制呢？

数据淘汰机制

Redis缓存基于内存实现的，则其缓存其容量是有限的，当出现缓存被写满的情况，那么这时Redis该如何处理呢？

Redis对于缓存被写满的情况，Redis就需要缓存数据淘汰机制，通过一定淘汰规则将一些数据刷选出来删除，让缓存服务可再使用。那么Redis使用哪些淘汰策略进行刷选删除数据？

在Redis 4.0 之后，Redis 缓存淘汰策略6+2种，包括分成三大类：

• 不淘汰数据

  • noeviction ，不进行数据淘汰，当缓存被写满后，Redis不提供服务直接返回错误。

• 在设置过期时间的键值对中，

  • volatile-random ，在设置过期时间的键值对中随机删除

  • volatile-ttl ，在设置过期时间的键值对，基于过期时间的先后进行删除，越早过期的越先被删除。

  • volatile-lru ， 基于LRU(Least Recently Used) 算法筛选设置了过期时间的键值对， 最近最少使用的原则来筛选数据

  • volatile-lfu ，使用 LFU( Least Frequently Used ) 算法选择设置了过期时间的键值对, 使用频率最少的键值对,来筛选数据。

• 在所有的键值对中，

  • allkeys-random， 从所有键值对中随机选择并删除数据

  • allkeys-lru， 使用 LRU 算法在所有数据中进行筛选

  • allkeys-lfu， 使用 LFU 算法在所有数据中进行筛选

Note: LRU( 最近最少使用，Least Recently Used)算法， LRU维护一个双向链表 ，链表的头和尾分别表示 MRU 端和 LRU 端，分别代表最近最常使用的数据和最近最不常用的数据。

LRU 算法在实际实现时，需要用链表管理所有的缓存数据，这会带来额外的空间开销。而且，当有数据被访问时，需要在链表上把该数据移动到 MRU 端，如果有大量数据被访问，就会带来很多链表移动操作，会很耗时，进而会降低 Redis 缓存性能。

其中，LRU和LFU 基于Redis的对象结构 redisObject 的 lru 和 refcount 属性实现的:

typedef struct redisObject { 
unsigned type:4; 
unsigned encoding:4; 
// 对象最后一次被访问的时间 
unsigned lru:LRU_BITS; /* LRU time (relative to global lru_clock) or 
                          * LFU data (least significant 8 bits frequency 
// 引用计数               * and most significant 16 bits access time). */ 
int refcount; 
void *ptr; 
} robj; 

Redis 的 LRU 会使用 redisObject 的 lru 记录最近一次被访问的时间，随机选取参数 maxmemory-samples 配置的数量作为候选集合，在其中选择 lru 属性值最小的数据淘汰出去。

在实际项目中，那么该如何选择数据淘汰机制呢？

• 优先选择 allkeys-lru 算法，将最近最常访问的数据留在缓存中，提升应用的访问性能。

• 有顶置数据使用 volatile-lru 算法 ,顶置数据不设置缓存过期时间，其他数据设置过期时间，基于LRU 规则进行筛选 。

在理解了Redis缓存淘汰机制后，来看看Redis作为缓存其有多少种模式呢？

Redis缓存模式

Redis缓存模式基于是否接收写请求，可以分成只读缓存和读写缓存：

只读缓存：只处理读操作，所有的更新操作都在数据库中，这样数据不会有丢失的风险。

• Cache Aside模式

  

读写缓存，读写操作都在缓存中执行，出现宕机故障，会导致数据丢失。缓存写回数据到数据库有分成两种同步和异步：

• 同步：访问性能偏低，其更加侧重于保证数据可靠性

• Read-Throug模式

• Write-Through模式

• 异步：有数据丢失风险，其侧重于提供低延迟访问

• Write-Behind模式

本文转载自网络，原文链接：https://mp.weixin.qq.com/s?__biz=MzU2ODk2NDMwNw==&mid=2247484815&idx=1&sn=ef12c5c7f44381d3cc84c583b7306693&utm_source=tuicool&utm_medium=referral
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！