Redis：内存被我用完了！该怎么办？
介绍
Redis是一个内存数据库，当Redis使用的内存超过物理内存的限制后，内存数据会和磁盘产生频繁的交换，交换会导致Redis性能急剧下降。所以在生产环境中我们通过配置参数maxmemoey来限制使用的内存大小。
当实际使用的内存超过maxmemoey后，Redis提供了如下几种可选策略。
noeviction：写请求返回错误
volatile-lru：使用lru算法删除设置了过期时间的键值对 volatile-lfu：使用lfu算法删除设置了过期时间的键值对 volatile-random：在设置了过期时间的键值对中随机进行删除 volatile-ttl：根据过期时间的先后进行删除，越早过期的越先被删除
allkeys-lru：在所有键值对中，使用lru算法进行删除 allkeys-lfu：在所有键值对中，使用lfu算法进行删除 allkeys-random：所有键值对中随机删除
我们来详细了解一下lru和lfu算法，这是2个常见的缓存淘汰算法。「因为计算机缓存的容量是有限的，所以我们要删除那些没用的数据，而这两种算法的区别就是判定没用的纬度不一样。」
LRU算法
「lru(Least recently used，最近最少使用)算法，即最近访问的数据，后续很大概率还会被访问到，即是有用的。而长时间未被访问的数据，应该被淘汰」
lru算法中数据会被放到一个链表中，链表的头节点为最近被访问的数据，链表的尾节点为长时间没有被访问的数据
「lru算法的核心实现就是哈希表加双向链表」。链表可以用来维护访问元素的顺序，而hash表可以帮我们在O(1)时间复杂度下访问到元素。
「至于为什么是双向链表呢」?主要是要删除元素，所以要获取前继节点。数据结构图示如下
使用双向链表+HashMap
双向链表节点定义如下
public class ListNode { K key; V value; ListNode pre; ListNode next; public ListNode() {} public ListNode(K key, V value) { this.key = key; this.value = value; } }
封装双向链表的常用操作
public class DoubleList { private ListNode head; private ListNode tail; public DoubleList() { head = new ListNode(); tail = new ListNode(); head.next = tail; tail.pre = head; } public void remove(ListNode node) { node.pre.next = node.next; node.next.pre = node.pre; } public void addLast(ListNode node) { node.pre = tail.pre; tail.pre = node; node.pre.next = node; node.next = tail; } public ListNode removeFirst() { if (head.next == tail) { return null; } ListNode first = head.next; remove(first); return first; } }
封装一个缓存类，提供最基本的get和put方法。「需要注意，这两种基本的方法都涉及到对两种数据结构的修改」。
public class MyLruCache { private int capacity; private DoubleList doubleList; private Map map; public MyLruCache(int capacity) { this.capacity = capacity; map = new HashMap<>(); doubleList = new DoubleList(); } public V get(Object key) { ListNode node = map.get(key); if (node == null) { return null; } // 先删除该节点，再接到尾部 doubleList.remove(node); doubleList.addLast(node); return node.value; } public void put(K key, V value) { // 直接调用这边的get方法，如果存在，它会在get内部被移动到尾巴，不用再移动一遍,直接修改值即可 if ((get(key)) != null) { map.get(key).value = value; return; } // 如果超出容量，把头去掉 if (map.size() == capacity) { ListNode listNode = doubleList.removeFirst(); map.remove(listNode.key); } // 若不存在，new一个出来 ListNode node = new ListNode(key, value); map.put(key, node); doubleList.addLast(node); } }
这里我们的实现为最近访问的放在链表的尾节点，不经常访问的放在链表的头节点
测试一波，输出为链表的正序输出(代码为了简洁没有贴toString方法)
MyLruCache myLruCache = new MyLruCache<>(3); // {5 : 5} myLruCache.put("5", "5"); // {5 : 5}{3 : 3} myLruCache.put("3", "3"); // {5 : 5}{3 : 3}{4 : 4} myLruCache.put("4", "4"); // {3 : 3}{4 : 4}{2 : 2} myLruCache.put("2", "2"); // {4 : 4}{2 : 2}{3 : 3} myLruCache.get("3");
「因为LinkedHashMap的底层实现就是哈希表加双向链表，所以你可以用LinkedHashMap替换HashMap和DoubleList来改写一下上面的类」。
我来演示一下更骚的操作，只需要重写一个构造函数和removeEldestEntry方法即可。
使用LinkedHashMap实现LRU
public class LruCache extends LinkedHashMap { private int cacheSize; public LruCache(int cacheSize) { /** * initialCapacity: 初始容量大小 * loadFactor: 负载因子 * accessOrder: false基于插入排序（默认），true基于访问排序 */ super(cacheSize, 0.75f, true); this.cacheSize = cacheSize; } /** * 当调用put或者putAll方法时会调用如下方法，是否删除最老的数据，默认为false */ @Override protected boolean removeEldestEntry(Map.Entry eldest) { return size() > cacheSize; } }
注意这个缓存并不是线程安全的，可以调用Collections.synchronizedMap方法返回线程安全的map
LruCache lruCache = new LruCache(3); Map safeMap = Collections.synchronizedMap(lruCache);
Collections.synchronizedMap实现线程安全的方式很简单，只是返回一个代理类。代理类对Map接口的所有方法加锁
public static Map synchronizedMap(Map m) { return new SynchronizedMap<>(m); }
LFU算法
「LRU算法有一个问题，当一个长时间不被访问的key，偶尔被访问一下后，可能会造成一个比这个key访问更频繁的key被淘汰。」
即LRU算法对key的冷热程度的判断可能不准确。而LFU算法(Least Frequently Used，最不经常使用)则是按照访问频率来判断key的冷热程度的，每次删除的是一段时间内访问频率较低的数据，比LRU算法更准确。
使用3个hash表实现lfu算法
那么我们应该如何组织数据呢?
为了实现键值的对快速访问，用一个map来保存键值对
private HashMap keyToFreq;
还需要用一个map来保存键的访问频率
private HashMap keyToFreq;
「当然你也可以把值和访问频率封装到一个类中，用一个map来替代上述的2个map」
接下来就是最核心的部分，删除访问频率最低的数据。
为了能在O(1)时间复杂度内找到访问频率最低的数据，我们需要一个变量minFreq记录访问最低的频率每个访问频率有可能对应多个键。当空间不够用时，我们要删除最早被访问的数据，所以需要如下数据结构，Map<频率, 有序集合>。每次内存不够用时，删除有序集合的第一个元素即可。并且这个有序集合要能快速删除某个key，因为某个key被访问后，需要从这个集合中删除，加入freq+1对应的集合中有序集合很多，但是能满足快速删除某个key的只有set，但是set插入数据是无序的。「幸亏Java有LinkedHashSet这个类，链表和集合的结合体，链表不能快速删除元素，但是能保证插入顺序。集合内部元素无序，但是能快速删除元素，完美」
下面就是具体的实现。
public class LfuCache { private HashMap keyToVal; private HashMap keyToFreq; private HashMap> freqTokeys; private int minFreq; private int capacity; public LfuCache(int capacity) { keyToVal = new HashMap<>(); keyToFreq = new HashMap<>(); freqTokeys = new HashMap<>(); this.capacity = capacity; this.minFreq = 0; } public V get(K key) { V v = keyToVal.get(key); if (v == null) { return null; } increaseFrey(key); return v; } public void put(K key, V value) { // get方法里面会增加频次 if (get(key) != null) { // 重新设置值 keyToVal.put(key, value); return; } // 超出容量，删除频率最低的key if (keyToVal.size() >= capacity) { removeMinFreqKey(); } keyToVal.put(key, value); keyToFreq.put(key, 1); // key对应的value存在，返回存在的key // key对应的value不存在，添加key和value freqTokeys.putIfAbsent(1, new LinkedHashSet<>()); freqTokeys.get(1).add(key); this.minFreq = 1; } // 删除出现频率最低的key private void removeMinFreqKey() { LinkedHashSet keyList = freqTokeys.get(minFreq); K deleteKey = keyList.iterator().next(); keyList.remove(deleteKey); if (keyList.isEmpty()) { // 这里删除元素后不需要重新设置minFreq // 因为put方法执行完会将minFreq设置为1 freqTokeys.remove(keyList); } keyToVal.remove(deleteKey); keyToFreq.remove(deleteKey); } // 增加频率 private void increaseFrey(K key) { int freq = keyToFreq.get(key); keyToFreq.put(key, freq + 1); freqTokeys.get(freq).remove(key); freqTokeys.putIfAbsent(freq + 1, new LinkedHashSet<>()); freqTokeys.get(freq + 1).add(key); if (freqTokeys.get(freq).isEmpty()) { freqTokeys.remove(freq); // 最小频率的set为空，key被移动到minFreq+1对应的set了 // 所以minFreq也要加1 if (freq == this.minFreq) { this.minFreq++; } } } }
测试一下
LfuCache lfuCache = new LfuCache(2); lfuCache.put("1", "1"); lfuCache.put("2", "2"); // 1 System.out.println(lfuCache.get("1")); lfuCache.put("3", "3"); // 1的频率为2，2和3的频率为1，但2更早之前被访问，所以被清除 // 结果为null System.out.println(lfuCache.get("2"));
版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。
