Redis内存回收:LRU算法

Redis技术交流群 481804090

Redis:https://github.com/zwjlpeng/Redis_Deep_Read

Redis中采用两种算法进行内存回收，引用计数算法以及LRU算法，在操作系统内存管理一节中，我们都学习过LRU算法(最近最久未使用算法),那么什么是LRU算法呢

LRU算法作为内存管理的一种有效算法,其含义是在内存有限的情况下，当内存容量不足时，为了保证程序的运行，这时就不得不淘汰内存中的一些对象，释放这些对象占用的空间，那么选择淘汰哪些对象呢？LRU算法就提供了一种策略，告诉我们选择最近一段时间内，最久未使用的对象将其淘汰，至于为什么要选择最久未使用的，可以想想，最近一段时间内使用的东西，我们是不是可能一会又要用到呢~，而很长一段时间内都没有使用过的东西，也许永远都不会再使用~

在操作系统中LRU算法淘汰的不是内存中的对象，而是页,当内存中数据不足时，通过LRU算法，选择一页(一般是4KB)将其交换到虚拟内存区(Swap区)

LRU算法演示

这张图应该画的还行吧，用的是www.draw.io,解释如下，假设前提，只有三块内存空间可以使用，每一块内存空间只能存放一个对象，如A、B、C...

1、最开始时，内存空间是空的，因此依次进入A、B、C是没有问题的

2、当加入D时，就出现了问题，内存空间不够了，因此根据LRU算法，内存空间中A待的时间最为久远，选择A,将其淘汰

3、当再次引用B时，内存空间中的B又处于活跃状态，而C则变成了内存空间中，近段时间最久未使用的

4、当再次向内存空间加入E时，这时内存空间又不足了，选择在内存空间中待的最久的C将其淘汰出内存，这时的内存空间存放的对象就是E->B->D

LRU算法的整体思路就是这样的

算法实现应该采用怎样的数据结构 

队列？那不就是FIFO算法嘛~，LRU算法最为精典的实现，就是HashMap+Double LinkedList，时间复杂度为O(1),具体可以参考相关代码

REDIS中LRU算法的实际应用,在Redis 1.0中并未引入LRU算法，只是简单的使用引用计数法，去掉内存中不再引用的对象以及运行一个定时任务serverCron去掉内存中已经过期的对象占用的内存空间,以下是Redis 1.0中CT任务的释放内存中的部份代码

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

//去掉一些过期的KEYS for (j = 0; j < server.dbnum; j++) {     redisDb *db = server.db+j;     int num = dictSize(db->expires);//计算hash表中过期Key的数目     if (num) {         time_t now = time(NULL);         //#define REDIS_EXPIRELOOKUPS_PER_CRON 100         if (num > REDIS_EXPIRELOOKUPS_PER_CRON)             num = REDIS_EXPIRELOOKUPS_PER_CRON;         //循环100次，从过期Hash表中随机挑选出100个Key,判断Key是否过期，如果过期了，执行删除操作         while (num--) {             dictEntry *de;             time_t t;             //随机获取Key值(db->expires里面存储的均是即将过期的Keys)             if ((de = dictGetRandomKey(db->expires)) == NULL) break;             t = (time_t) dictGetEntryVal(de);             if (now > t) {                 //不仅要从存放过期keys的Hash表中删除数据，还要从存放实际数据的Hash表中删除数据                 deleteKey(db,dictGetEntryKey(de));             }         }     } }

如果没有看过Redis 1.0源码，理解起来可能有些困难，但看看1.0源码中的这个结构体，估计有点数据结构基础的人，都明白上面这几行代码的意思了(注释部份我也已经写的很清楚了)~

1 2 3 4 5

typedef struct redisDb {     dict *dict;//用来存放实际Key->Value数据的位置      dict *expires;//用于记录Key的过期时间      int id;//表示选择的是第几个redis库 } redisDb;

没有查证是从什么版本开始，Redis增加了LRU算法，以下是分析Redis 2.9.11代码中的LRU算法淘汰策略，在2.9.11版本中与LRU算法相关的代码主要位于object.c以及redis.c两个源文件中,　再分析这两个文件关于LRU源代码之前，让我们先看一下，Redis 2.9.11版本中关于LRU算法的配置,配置文件在redis.conf文件中,如下所示

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

# maxmemory <bytes>   # MAXMEMORY POLICY: how Redis will select what to remove when maxmemory # is reached. You can select among five behaviors: #  # volatile-lru -> remove the key with an expire set using an LRU algorithm # allkeys-lru -> remove any key accordingly to the LRU algorithm # volatile-random -> remove a random key with an expire set # allkeys-random -> remove a random key, any key # volatile-ttl -> remove the key with the nearest expire time (minor TTL) # noeviction -> don't expire at all, just return an error on write operations #  # Note: with any of the above policies, Redis will return an error on write #       operations, when there are not suitable keys for eviction. # #       At the date of writing this commands are: set setnx setex append #       incr decr rpush lpush rpushx lpushx linsert lset rpoplpush sadd #       sinter sinterstore sunion sunionstore sdiff sdiffstore zadd zincrby #       zunionstore zinterstore hset hsetnx hmset hincrby incrby decrby #       getset mset msetnx exec sort # # The default is: # # maxmemory-policy noeviction   # LRU and minimal TTL algorithms are not precise algorithms but approximated # algorithms (in order to save memory), so you can tune it for speed or # accuracy. For default Redis will check five keys and pick the one that was # used less recently, you can change the sample size using the following # configuration directive. # # The default of 5 produces good enough results. 10 Approximates very closely # true LRU but costs a bit more CPU. 3 is very fast but not very accurate. # # maxmemory-samples 5

从上面的配置中，可以看出,高版本的Redis中当内存达到极限时，内存淘汰策略主要采用了6种方式进行内存对象的释放操作

1.volatile-lru:从设置了过期时间的数据集中，选择最近最久未使用的数据释放

2.allkeys-lru:从数据集中(包括设置过期时间以及未设置过期时间的数据集中)，选择最近最久未使用的数据释放 

3.volatile-random:从设置了过期时间的数据集中，随机选择一个数据进行释放

4.allkeys-random:从数据集中(包括了设置过期时间以及未设置过期时间)随机选择一个数据进行入释放

5.volatile-ttl：从设置了过期时间的数据集中，选择马上就要过期的数据进行释放操作

6.noeviction：不删除任意数据(但redis还会根据引用计数器进行释放呦~),这时如果内存不够时，会直接返回错误

默认的内存策略是noeviction，在Redis中LRU算法是一个近似算法，默认情况下，Redis随机挑选5个键，并且从中选取一个最近最久未使用的key进行淘汰，在配置文件中可以通过maxmemory-samples的值来设置redis需要检查key的个数,但是栓查的越多，耗费的时间也就越久,但是结构越精确(也就是Redis从内存中淘汰的对象未使用的时间也就越久~),设置多少，综合权衡吧~~~

在redis.h中声明的redisObj定义的如下:

1 2 3 4 5 6 7 8 9 10 11 12 13 14

#define REDIS_LRU_BITS 24 #define REDIS_LRU_CLOCK_MAX ((1<<REDIS_LRU_BITS)-1) /* Max value of obj->lru */ #define REDIS_LRU_CLOCK_RESOLUTION 1000 /* LRU clock resolution in ms */ typedef struct redisObject {<br>　　//存放的对象类型      unsigned type:4;     //内容编码      unsigned encoding:4;     //与server.lruclock的时间差值      unsigned lru:REDIS_LRU_BITS; /* lru time (relative to server.lruclock) */     //引用计数算法使用的引用计数器     int refcount;     //数据指针     void *ptr; } robj;

从redisObject结构体的定义中可以看出，在Redis中存放的对象不仅会有一个引用计数器，还会存在一个server.lruclock,这个变量会在定时器中每次刷新时，调用getLRUClock获取当前系统的毫秒数，作为LRU时钟数,该计数器总共占用24位,最大可以表示的值为24个1即((1<<REDIS_LRU_BITS) - 1)=2^24 - 1,单位是毫秒，你可以算一下这么多毫秒，可以表示多少年~~

server.lruclock在redis.c中运行的定时器中进行更新操作,代码如下(redis.c中的定时器被配置中100ms执行一次)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

int serverCron(struct aeEventLoop *eventLoop, long long id, void *clientData) {     .....     run_with_period(100) trackOperationsPerSecond();       /* We have just REDIS_LRU_BITS bits per object for LRU information.      * So we use an (eventually wrapping) LRU clock.      *      * Note that even if the counter wraps it's not a big problem,      * everything will still work but some object will appear younger      * to Redis. However for this to happen a given object should never be      * touched for all the time needed to the counter to wrap, which is      * not likely.      *      * Note that you can change the resolution altering the      * REDIS_LRU_CLOCK_RESOLUTION define. */     server.lruclock = getLRUClock();     ....     return 1000/server.hz; }

看到这，再看看Redis中创建对象时，如何对redisObj中的unsigned lru进行赋值操作的，代码位于object.c中,如下所示

1 2 3 4 5 6 7 8 9 10 11

robj *createObject(int type, void *ptr) {     robj *o = zmalloc(sizeof(*o));     o->type = type;     o->encoding = REDIS_ENCODING_RAW;     o->ptr = ptr;     o->refcount = 1;     //很关键的一步，Redis中创建的每一个对象，都记录下该对象的LRU时钟     /* Set the LRU to the current lruclock (minutes resolution). */     o->lru = LRU_CLOCK();     return o; }

该代码中最为关键的一句就是o->lru=LRU_CLOCK(),这是一个定义，看一下这个宏定义的实现,代码如下所示

1	#define LRU_CLOCK() ((1000/server.hz <= REDIS_LRU_CLOCK_RESOLUTION) ? server.lruclock : getLRUClock())

其中REDIS_LRU_CLOCK_RESOLUTION为1000,可以自已在配置文件中进行配置，表示的是LRU算法的精度,在这里我们就可以看到server.lruclock的用处了，如果定时器执行的频率高于LRU算法的精度时，可以直接将server.lruclock直接在对象创建时赋值过去，避免了函数调用的内存开销以及时间开销~

有了上述的基础，下面就是最为关键的部份了，REDIS中LRU算法，这里以volatile-lru为例(选择有过期时间的数据集进行淘汰)，在Redis中命令的处理时，会调用processCommand函数，在ProcessCommand函数中，当在配置文件中配置了maxmemory时，会调用freeMemoryIfNeeded函数，释放不用的内存空间

以下是freeMemoryIfNeeded函数的关于LRU相关部份的源代码，其他代码类似

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

//不同的策略，操作的数据集不同 if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||     server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM) {     dict = server.db[j].dict; } else {//操作的是设置了过期时间的key集     dict = server.db[j].expires; } if (dictSize(dict) == 0) continue;   /* volatile-random and allkeys-random policy */ //随机选择进行淘汰 if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_RANDOM ||     server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_RANDOM) {     de = dictGetRandomKey(dict);     bestkey = dictGetKey(de); }   /* volatile-lru and allkeys-lru policy */ //具体的LRU算法 else if (server.maxmemory_policy == REDIS_MAXMEMORY_ALLKEYS_LRU ||     server.maxmemory_policy == REDIS_MAXMEMORY_VOLATILE_LRU) {     struct evictionPoolEntry *pool = db->eviction_pool;       while(bestkey == NULL) {         //选择随机样式，并从样本中作用LRU算法选择需要淘汰的数据         evictionPoolPopulate(dict, db->dict, db->eviction_pool);         /* Go backward from best to worst element to evict. */         for (k = REDIS_EVICTION_POOL_SIZE-1; k >= 0; k--) {             if (pool[k].key == NULL) continue;             de = dictFind(dict,pool[k].key);             sdsfree(pool[k].key);             //将pool+k+1之后的元素向前平移一个单位             memmove(pool+k,pool+k+1,                 sizeof(pool[0])*(REDIS_EVICTION_POOL_SIZE-k-1));             /* Clear the element on the right which is empty              * since we shifted one position to the left.  */             pool[REDIS_EVICTION_POOL_SIZE-1].key = NULL;             pool[REDIS_EVICTION_POOL_SIZE-1].idle = 0;             //选择了需要淘汰的数据             if (de) {                 bestkey = dictGetKey(de);                 break;             } else {                 /* Ghost... */                 continue;             }         }     } }

看了上面的代码，也许你还在奇怪，说好的，LRU算法去哪去了呢，再看看这个函数evictionPoolPopulate的实现吧

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

#define EVICTION_SAMPLES_ARRAY_SIZE 16 void evictionPoolPopulate(dict *sampledict, dict *keydict, struct evictionPoolEntry *pool) {     int j, k, count;     //EVICTION_SAMPLES_ARRAY_SIZE最大样本数，默认16     dictEntry *_samples[EVICTION_SAMPLES_ARRAY_SIZE];     dictEntry **samples;     //如果我们在配置文件中配置的samples小于16，则直接使用EVICTION_SAMPLES_ARRAY_SIZE     if (server.maxmemory_samples <= EVICTION_SAMPLES_ARRAY_SIZE) {         samples = _samples;     } else {         samples = zmalloc(sizeof(samples[0])*server.maxmemory_samples);     }   #if 1 /* Use bulk get by default. */     //从样本集中随机获取server.maxmemory_samples个数据，存放在     count = dictGetRandomKeys(sampledict,samples,server.maxmemory_samples); #else     count = server.maxmemory_samples;     for (j = 0; j < count; j++) samples[j] = dictGetRandomKey(sampledict); #endif       for (j = 0; j < count; j++) {         unsigned long long idle;         sds key;         robj *o;         dictEntry *de;         de = samples[j];         key = dictGetKey(de);         if (sampledict != keydict) de = dictFind(keydict, key);         o = dictGetVal(de);         //计算LRU时间         idle = estimateObjectIdleTime(o);         k = 0;         //选择de在pool中的正确位置,按升序进行排序,升序的依据是其idle时间         while (k < REDIS_EVICTION_POOL_SIZE &&                pool[k].key &&                pool[k].idle < idle) k++;         if (k == 0 && pool[REDIS_EVICTION_POOL_SIZE-1].key != NULL) {             /* Can't insert if the element is < the worst element we have              * and there are no empty buckets. */             continue;         } else if (k < REDIS_EVICTION_POOL_SIZE && pool[k].key == NULL) {             /* Inserting into empty position. No setup needed before insert. */         } else {             //移动元素，memmove,还有空间可以插入新元素             if (pool[REDIS_EVICTION_POOL_SIZE-1].key == NULL) {                 memmove(pool+k+1,pool+k,                     sizeof(pool[0])*(REDIS_EVICTION_POOL_SIZE-k-1));             } else {//已经没有空间插入新元素时，将第一个元素删除                 /* No free space on right? Insert at k-1 */                 k--;                 /* Shift all elements on the left of k (included) to the                  * left, so we discard the element with smaller idle time. */                 //以下操作突出了第K个位置                 sdsfree(pool[0].key);                 memmove(pool,pool+1,sizeof(pool[0])*k);             }         }         //在第K个位置插入         pool[k].key = sdsdup(key);         pool[k].idle = idle;     }     //执行到此之后，pool中存放的就是按idle time升序排序     if (samples != _samples) zfree(samples); }

看了上面的代码，LRU时钟的计算并没有包括在内，那么在看一下LRU算法的时钟计算代码吧,LRU时钟计算代码在object.c中的estimateObjectIdleTime这个函数中，代码如下~~

1 2 3 4 5 6 7 8 9 10

//精略估计LRU时间  unsigned long long estimateObjectIdleTime(robj *o) {     unsigned long long lruclock = LRU_CLOCK();     if (lruclock >= o->lru) {         return (lruclock - o->lru) * REDIS_LRU_CLOCK_RESOLUTION;     } else {//这种情况一般不会发生，发生时证明redis中键的保存时间已经wrap了         return (lruclock + (REDIS_LRU_CLOCK_MAX - o->lru)) *                     REDIS_LRU_CLOCK_RESOLUTION;     } }

好了，先到此吧~~~