Redis缓存失效策略思考

1 删除过期数据

我们设置Redis元素时可以指定过期时间，那么Redis如何删除这些超时元素？Redis采用了两种策略：定期删除和惰性删除。

(1) 定期删除

Redis每隔一段时间就检查哪些KEY已经过期，如果过期就删除。但是我们来设想一个问题：如果Redis存储KEY非常多，仅仅超时检查这项工作就会非常耗费资源并严重影响服务能力。为了解决这个问题Redis并不是检查全量KEY而只是检查部分，同时引入了惰性删除策略。

(2) 惰性删除

假设当KEY1已经过期，但是由于没有被检查到而未被删除。那么当程序访问KEY1时，Redis会检查KEY1是否过期，如果过期则删除并不返回该值，这就是惰性删除策略。结合定期删除和惰性删除两种策略，就可以保证过期数据可以被删除。

2 内存淘汰

当内存不足时Redis会选择一些缓存元素进行删除，那么哪些元素会被删除？常见内存淘汰策略如下：

no-enviction禁止驱逐数据，新写入操作会报错 volatile-lru从已设置过期时间的数据集选择最近最少使用的数据淘汰 volatile-ttl从已设置过期时间的数据集选择将要过期的数据淘汰 volatile-random从已设置过期时间的数据集选择任意的数据淘汰 allkeys-lru从数据集选择最近最少使用的数据淘汰 allkeys-random从数据集选择任意的数据淘汰

LRU（Least Recently Used）最近最少使用是比较常用的策略，我们使用JAVA代码实现一个简单LRU策略，代码原理并不复杂：使用一个链表存储元素，表头存储最近访问的元素，这样存储的结果是表尾存储最早访问的元素，表头存储最近访问的元素，当超出链表容量时删除表尾元素即可。

/** * 元素对象 * * @author 微信公众号「IT徐胖子」 * */public class CacheElement { private String key; private Object value;  public CacheElement(String key, Object value) { this.key = key; this.value = value; }  public String getKey() { return key; }  public Object getValue() { return value; }  @Override public String toString() { return "Element [key=" + key + ", value=" + value + "]"; }} /** * LRU缓存策略 * * @author 微信公众号「IT徐胖子」 * */public class LRUCache { private int capacity; private LinkedListcache;  public LRUCache(int capacity) { this.capacity = capacity; this.cache = new LinkedList<>(); }  /** * 获取缓存元素 * * 找到元素后将元素从原位置删除并插入到链表头部（最近） */ public CacheElement get(String key) { Iteratoriterator = cache.iterator(); while (iterator.hasNext()) { CacheElement element = iterator.next(); if (element.getKey().equals(key)) { iterator.remove(); System.out.println("获取到元素=" + element); put(element.getKey(), element.getValue()); return element; } } return null; }  /** * 存储缓存元素 * * 新元素插入到链表头部（最近） */ public boolean put(String key, Object value) { Iteratoriterator = cache.iterator(); while (iterator.hasNext()) { CacheElement element = iterator.next(); if (element.getKey().equals(key)) { iterator.remove(); break; } } if (capacity == cache.size()) { CacheElement deleteElement = cache.removeLast(); System.out.println("容量已满删除尾部元素=" + deleteElement); } CacheElement element = new CacheElement(key, value); cache.addFirst(element); System.out.println("插入头部元素=" + element); return Boolean.TRUE; }  @Override public String toString() { return "LRUCache [capacity=" + capacity + ", cache=" + cache + "]"; }} /** * LRU测试实例 * * @author 微信公众号「IT徐胖子」 * */public class TestCache { public static void main(String[] args) { System.out.println("==================存储缓存元素=================="); LRUCache cache = new LRUCache(2); CacheElement element0 = new CacheElement("k0", "v0"); CacheElement element1 = new CacheElement("k1", "v1"); CacheElement element2 = new CacheElement("k2", "v2"); cache.put(element0.getKey(), element0.getValue()); cache.put(element1.getKey(), element1.getValue()); cache.put(element2.getKey(), element2.getValue());  System.out.println("==================获取缓存元素=================="); System.out.println("获取元素之前缓存对象=" + cache); cache.get("k1"); System.out.println("获取元素之后缓存对象=" + cache); }} ==================存储缓存元素==================插入头部元素=Element [key=k0, value=v0]插入头部元素=Element [key=k1, value=v1]容量已满删除尾部元素=Element [key=k0, value=v0]插入头部元素=Element [key=k2, value=v2] ==================获取缓存元素==================获取元素之前缓存对象=LRUCache [capacity=2, cache=[Element [key=k2, value=v2], Element [key=k1, value=v1]]]获取到元素=Element [key=k1, value=v1]插入头部元素=Element [key=k1, value=v1]获取元素之后缓存对象=LRUCache [capacity=2, cache=[Element [key=k1, value=v1], Element [key=k2, value=v2]]]

3 文章总结

本文分析了Redis缓存失效策略：删除过期数据和内存淘汰，并且使用JAVA代码模拟了LRU策略实现。

这里我们可以做一个展开：Redis分布式锁是否可靠。因为Redis存在内存淘汰机制，那么作为分布式锁的KEY概率上会被淘汰，从而导致分布式锁失效。所以仅仅有分布式锁是不够的，我们还需要其它方法，例如设置数据库层唯一索引，防止重复数据产生。

特别推荐一个分享架构+算法的优质内容，还没关注的小伙伴，可以长按关注一下：
			

		

		

			
		

长按订阅更多精彩▼
		

			
如有收获，点个在看，诚挚感谢