政府网站集约化建设情况汇报软件优化
一：Redis 的过期删除策略及处理流程如下：
1. 过期删除策略
Redis 通过以下两种策略删除过期键：
1.1 惰性删除
- 触发时机：当客户端访问某个键时，Redis 会检查该键是否过期。
- 执行流程：
- 客户端请求访问键。
- Redis 检查键的过期时间。
- 如果键已过期，Redis 删除该键并返回空；如果未过期，返回键值。
1.2 定期删除
- 触发时机：Redis 定期随机抽取部分键检查是否过期。
- 执行流程：
- Redis 从设置了过期时间的键中随机抽取一部分。
- 检查这些键是否过期。
- 删除已过期的键。
- 如果过期键比例超过一定阈值，重复该过程。
2. 处理流程
Redis 处理过期键的流程结合了惰性删除和定期删除：
-
客户端访问：
- 客户端请求访问键时，Redis 先检查键是否过期，若过期则删除并返回空。
-
定期检查：
- Redis 定期随机抽取部分键检查过期情况，删除已过期的键。
- 如果过期键比例较高，继续检查更多键。
-
内存回收：
- 通过惰性删除和定期删除，Redis 逐步回收过期键占用的内存。
3. 配置参数
- hz：控制定期删除的频率，默认 10，表示每秒执行 10 次检查。
- maxmemory-samples：设置每次检查时随机抽取的键数量，默认 5。
4. 总结
- 惰性删除：在访问时检查并删除过期键。
- 定期删除：定期随机检查并删除过期键。
这两种策略共同确保 Redis 高效管理内存，避免过期键占用过多资源。
在 Redis 中，缓存淘汰策略 和 过期策略 是两种不同的机制，但它们共同作用于缓存数据的管理。以下是对 LRU 和 LFU 缓存淘汰策略的区别，以及它们与过期策略的应用场景的详细解读。
二、缓存淘汰策略：LRU 和 LFU 的区别
1. LRU（Least Recently Used，最近最少使用）
- 原理：优先淘汰最近最少被访问的数据。
- 实现方式：Redis 使用近似 LRU 算法，通过随机采样一部分键，从中淘汰最近最少使用的键。
- 特点：
- 关注数据的访问时间。
- 适合访问模式有明显热点数据的场景。
- 适用场景：
- 热点数据缓存（如新闻、社交媒体热门内容）。
- 需要保留最近访问数据的场景。
2. LFU（Least Frequently Used，最不常用）
- 原理：优先淘汰访问频率最低的数据。
- 实现方式：Redis 记录每个键的访问频率，淘汰访问次数最少的键。
- 特点：
- 关注数据的访问频率。
- 适合访问模式较为均匀的场景。
- 适用场景：
- 访问频率差异较大的场景（如推荐系统、广告系统）。
- 需要保留高频访问数据的场景。
3. LRU 和 LFU 的区别
| 特性 | LRU | LFU |
|---|---|---|
| 关注点 | 数据的访问时间 | 数据的访问频率 |
| 适用场景 | 有明显热点数据的场景 | 访问频率差异较大的场景 |
| 优点 | 简单高效，适合短期热点数据 | 更精准，适合长期高频数据 |
| 缺点 | 可能误删高频但近期未访问的数据 | 需要额外记录访问频率，开销较大 |
三、缓存淘汰策略与过期策略的结合应用
在实际应用中，缓存淘汰策略和过期策略通常需要结合使用，以满足不同的业务需求。
1. 热点数据缓存
- 过期策略：为热点数据设置较长的过期时间。
- 淘汰策略：使用
allkeys-lru，优先保留最近访问的热点数据。 - 场景：新闻、社交媒体热门内容。
2. 临时数据缓存
- 过期策略：为临时数据（如验证码、会话）设置较短的过期时间。
- 淘汰策略：使用
volatile-ttl，优先淘汰即将过期的数据。 - 场景：验证码、会话缓存。
3. 冷数据清理
- 过期策略：为冷数据设置过期时间。
- 淘汰策略：使用
volatile-lfu，优先淘汰访问频率低的冷数据。 - 场景：历史数据、低频访问数据。
4. 不允许数据丢失的场景
- 过期策略：不设置过期时间，或设置较长的过期时间。
- 淘汰策略：使用
noeviction，确保数据不被淘汰。 - 场景：金融、交易系统。
四、总结
1. LRU 和 LFU 的选择
- 如果业务有明显的热点数据，选择 LRU。
- 如果业务需要关注数据的访问频率，选择 LFU。
2. 过期策略的选择
- 如果数据有明确的生命周期，设置 过期时间。
- 如果需要及时清理过期键，启用 定期删除。
3. 结合使用
- 根据业务特点，合理配置 缓存淘汰策略 和 过期策略，以优化 Redis 的性能和资源利用率。
通过合理选择策略，可以有效提升 Redis 的缓存命中率和系统性能。