面试题：Redis性能调优之内存相关

Question

假设你正在使用Redis处理高并发业务，在内存配置方面，如 `maxmemory` 、 `maxmemory - policy` 等参数如何设置来优化性能并防止内存溢出？当内存达到上限后，不同的 `maxmemory - policy` 策略对业务会产生怎样的影响？请结合具体业务场景说明。

Answer 1

maxmemory 设置

maxmemory 应根据服务器实际可用内存来设置，一般建议预留一部分内存给操作系统及其他进程使用。例如，若服务器总内存为8GB，可设置 maxmemory 为6GB，即给操作系统等预留2GB左右。这样既能充分利用Redis处理高并发业务，又避免因Redis占用过多内存导致系统不稳定。

maxmemory - policy 设置优化性能及防止内存溢出

1. volatile - lru：
   • 适用于业务场景中有较多设置了过期时间的键值对。当内存达到上限时，Redis会从设置了过期时间的键值对中，使用最近最少使用（LRU）算法淘汰部分键值对，以释放内存。例如在缓存业务场景中，缓存数据通常设置了过期时间，使用此策略可以优先淘汰长时间未被访问的缓存数据，保证新数据能正常写入，优化性能并防止内存溢出。
2. allkeys - lru：
   • 适合业务中所有键值对都可被淘汰的场景。该策略会从所有键值对中，通过LRU算法淘汰部分键值对。比如在一个简单的计数器应用中，每个计数器可能没有设置过期时间，但数据量不断增长可能导致内存溢出，使用此策略可根据访问频率淘汰不常用的计数器，优化内存使用。
3. volatile - ttl：
   • 适用于希望优先淘汰即将过期的键值对的场景。在内存达到上限时，Redis会优先淘汰剩余过期时间最短的设置了过期时间的键值对。例如在限时抢购活动的缓存场景中，活动结束后相关缓存数据应尽快释放，使用此策略能优先淘汰快过期的抢购缓存数据，保证内存空间。
4. allkeys - random：
   • 随机从所有键值对中淘汰数据。这种策略不太适合对数据有严格访问要求的场景，但在一些对数据一致性和连续性要求不高，且希望快速释放内存的场景中可能有用，如某些临时数据存储场景，数据丢失对业务影响不大。
5. volatile - random：
   • 随机从设置了过期时间的键值对中淘汰数据。适用于对数据淘汰顺序无特定要求，且只希望淘汰有过期时间键值对的场景，如部分缓存场景中，对缓存数据淘汰无严格规则，只要能释放内存即可。
6. noeviction：
   • 此策略下，当内存达到上限时，Redis不再接受写请求，但读请求仍可正常处理。适用于对数据完整性要求极高，不允许数据被淘汰的场景，如数据库的实时备份数据存储在Redis中，不允许数据丢失，此时使用此策略，当内存满时，写操作失败，可通过监控和扩展内存等方式解决内存问题。

不同策略对业务影响

1. volatile - lru：
   • 优点：优先淘汰长时间未使用的有过期时间的数据，能较好地维持缓存命中率，对于依赖缓存数据提高响应速度的业务（如网页缓存），可以在一定程度上保证业务性能。
   • 缺点：如果有大量长时间未使用但仍需保留的缓存数据，可能会误删，影响业务数据完整性。
2. allkeys - lru：
   • 优点：全面淘汰不常用数据，在没有设置过期时间的数据较多时，能有效释放内存，适用于内存紧张且对数据使用频率有明显区分的业务。
   • 缺点：可能淘汰掉正在使用但使用频率相对较低的重要数据，影响业务正常运行。
3. volatile - ttl：
   • 优点：能精准淘汰即将过期的数据，对限时性业务（如限时优惠活动缓存）很友好，可及时释放内存空间，保证业务按预期运行。
   • 缺点：若业务中数据过期时间设置不合理，可能导致内存释放不及时或过度释放，影响业务性能。
4. allkeys - random：
   • 优点：简单直接，在内存紧张时能快速释放内存，对于一些临时数据存储业务，数据丢失对整体业务影响不大时较为适用。
   • 缺点：可能淘汰掉正在使用的数据，对业务数据稳定性影响较大，不适用于对数据准确性和连续性要求高的业务。
5. volatile - random：
   • 优点：在只淘汰有过期时间数据的前提下，能快速释放内存，对于一些对缓存数据淘汰顺序无严格要求的业务场景适用。
   • 缺点：同样存在可能淘汰正在使用数据的风险，对业务连续性有一定影响。
6. noeviction：
   • 优点：保证数据不丢失，对数据完整性要求极高的业务（如金融交易实时记录缓存）非常适用。
   • 缺点：当内存满时写操作失败，可能导致业务阻塞，需要额外的处理机制（如监控报警、扩展内存等）来解决内存问题。