之前給大家講解過黍图，多級緩存架構厨喂，緩存數(shù)據(jù)生產(chǎn)服務和措，監(jiān)聽各個數(shù)據(jù)源服務的數(shù)據(jù)變更的消息，得到消息之后蜕煌，然后調用接口拉去數(shù)據(jù)
將拉去到的數(shù)據(jù)派阱，寫入本地ehcache緩存一份，spring boot整合斜纪，演示過
數(shù)據(jù)寫入redis分布式緩存中一份颁褂，你不斷的將數(shù)據(jù)寫入redis，寫入redis傀广，然后redis的內存是有限的颁独，每個redis實例最大一般也就是設置給10G
那如果你不斷的寫入數(shù)據(jù)，當數(shù)據(jù)寫入的量超過了redis能承受的范圍之后伪冰，改該怎么玩兒呢誓酒？？贮聂？
redis是會在數(shù)據(jù)達到一定程度之后靠柑，超過了一個最大的限度之后，就會將數(shù)據(jù)進行一定的清理吓懈，從內存中清理掉一些數(shù)據(jù)
只有清理掉一些數(shù)據(jù)之后歼冰，才能將新的數(shù)據(jù)寫入內存中
1、LRU算法概述
redis默認情況下就是使用LRU策略的耻警，因為內存是有限的隔嫡，但是如果你不斷地往redis里面寫入數(shù)據(jù)，那肯定是沒法存放下所有的數(shù)據(jù)在內存的
所以redis默認情況下甘穿，當內存中寫入的數(shù)據(jù)很滿之后腮恩，就會使用LRU算法清理掉部分內存中的數(shù)據(jù)，騰出一些空間來温兼，然后讓新的數(shù)據(jù)寫入redis緩存中
LRU：Least Recently Used秸滴，最近最少使用算法
將最近一段時間內，最少使用的一些數(shù)據(jù)募判，給干掉荡含。比如說有一個key，在最近1個小時內届垫，只被訪問了一次; 還有一個key在最近1個小時內释液，被訪問了1萬次
這個時候比如你要將部分數(shù)據(jù)給清理掉，你會選擇清理哪些數(shù)據(jù)岸厍弧均澳？肯定是那個在最近小時內被訪問了1萬次的數(shù)據(jù)
2、緩存清理設置
redis.conf
maxmemory符衔，設置redis用來存放數(shù)據(jù)的最大的內存大小找前，一旦超出這個內存大小之后，就會立即使用LRU算法清理掉部分數(shù)據(jù)
如果用LRU判族，那么就是將最近最少使用的數(shù)據(jù)從緩存中清除出去
對于64 bit的機器躺盛，如果maxmemory設置為0，那么就默認不限制內存的使用形帮，直到耗盡機器中所有的內存為止; 但是對于32 bit的機器槽惫，有一個隱式的閑置就是3GB
maxmemory-policy，可以設置內存達到最大閑置后辩撑，采取什么策略來處理
（1）noeviction: 如果內存使用達到了maxmemory界斜，client還要繼續(xù)寫入數(shù)據(jù)，那么就直接報錯給客戶端
（2）allkeys-lru: 就是我們常說的LRU算法合冀，移除掉最近最少使用的那些keys對應的數(shù)據(jù)
（3）volatile-lru: 也是采取LRU算法各薇，但是僅僅針對那些設置了指定存活時間（TTL）的key才會清理掉
（4）allkeys-random: 隨機選擇一些key來刪除掉
（5）volatile-random: 隨機選擇一些設置了TTL的key來刪除掉
（6）volatile-ttl: 移除掉部分keys，選擇那些TTL時間比較短的keys
在redis里面君躺，寫入key-value對的時候峭判，是可以設置TTL，存活時間棕叫，比如你設置了60s林螃。那么一個key-value對，在60s之后就會自動被刪除
redis的使用俺泣，各種數(shù)據(jù)結構疗认，list，set伏钠，等等
allkeys-lru
這邊拓展一下思路侮邀，對技術的研究，一旦將一些技術研究的比較透徹之后贝润，就喜歡橫向對比底層的一些原理
storm绊茧，科普一下
玩兒大數(shù)據(jù)的人搞得，領域打掘，實時計算領域华畏，storm
storm有很多的流分組的一些策略，按shuffle分組尊蚁，global全局分組亡笑，direct直接分組，fields按字段值hash后分組
分組策略也很多横朋，但是仑乌，真正公司里99%的場景下，使用的也就是shuffle和fields，兩種策略
redis晰甚，給了這么多種亂七八糟的緩存清理的算法衙传，其實真正常用的可能也就那么一兩種，allkeys-lru是最常用的
3厕九、緩存清理的流程
（1）客戶端執(zhí)行數(shù)據(jù)寫入操作
（2）redis server接收到寫入操作之后蓖捶，檢查maxmemory的限制，如果超過了限制扁远，那么就根據(jù)對應的policy清理掉部分數(shù)據(jù)
（3）寫入操作完成執(zhí)行
4俊鱼、redis的LRU近似算法
科普一個相對來說稍微高級一丟丟的知識點
redis采取的是LRU近似算法，也就是對keys進行采樣畅买，然后在采樣結果中進行數(shù)據(jù)清理
redis 3.0開始并闲，在LRU近似算法中引入了pool機制，表現(xiàn)可以跟真正的LRU算法相當谷羞，但是還是有所差距的帝火，不過這樣可以減少內存的消耗
redis LRU算法，是采樣之后再做LRU清理的洒宝，跟真正的购公、傳統(tǒng)、全量的LRU算法是不太一樣的
maxmemory-samples雁歌，比如5宏浩，可以設置采樣的大小，如果設置為10靠瞎，那么效果會更好比庄，不過也會耗費更多的CPU資源
