平时会用到redis 当缓存过多时会遇到下面的报错

OOM command not allowed when used memory > 'maxmemory'

这说明redis的缓存满了

我们可以通过修改过期策略来修改

cd /usr/local/redis/bin/
./redis-cli
127.0.0.1:6379> info memory
# Memory
used_memory:123020456
used_memory_human:117.32M
used_memory_rss:127684608
used_memory_rss_human:121.77M
used_memory_peak:123522928
used_memory_peak_human:117.80M
used_memory_peak_perc:99.59%
used_memory_overhead:18968560
used_memory_startup:487136
used_memory_dataset:104051896
used_memory_dataset_perc:84.92%
total_system_memory:1927262208
total_system_memory_human:1.79G
used_memory_lua:37888
used_memory_lua_human:37.00K
maxmemory:123000000
maxmemory_human:117.30M
maxmemory_policy:noeviction
mem_fragmentation_ratio:1.04
mem_allocator:jemalloc-4.0.3
active_defrag_running:0
lazyfree_pending_objects:0
127.0.0.1:6379> config set maxmemory-policy allkeys-lru

过期策略的具体方式。

redis 中的默认的过期策略是 volatile-lru 。

设置方式   

设置内存淘汰策略

• 方式1：config set maxmemory-policy <策略>，设置后立即生效，不需重启Redis，但重启就失效；

• 方式2：修改Redis配置文件，设置maxmemory-policy <策略>，必须重启，配置永久生效。/usr/local/redis/etc/redis.conf

config set maxmemory-policy volatile-random

maxmemory-policy 六种方式

1、volatile-lru：只对设置了过期时间的key进行LRU（默认值） 

2、allkeys-lru ： 删除lru算法的key   

3、volatile-random：随机删除即将过期key   

4、allkeys-random：随机删除   

5、volatile-ttl ： 删除即将过期的   

6、noeviction ： 永不过期，返回错误

Redis系统提供五种淘汰策略,即参数maxmemory_policy有五种取值:

noeviction: 如果缓存数据超过了maxmemory限定值,并且客户端正在执行的命令会导致内存分配,则向客户端返回错误响应.

allkeys-lru: 所有的缓存数据(包括没有超时属性的和具有超时属性的)都参与LRU算法淘汰.

volatile-lru: 只有超时属性的缓存数据才参与LRU算法淘汰.

allkeys-random: 所有的缓存数据(包括没有超时属性的和具有超时属性的)都参与淘汰, 但是采用随机淘汰,而不是用LRU算法进行淘汰.

volatile-random: 只有超时属性的缓存数据才参与淘汰,但是采用随机淘汰,而不是用LRU算法进行淘汰.

volatile-ttl: 只有超时属性的缓存数据才参与淘汰. 根据缓存数据的超时TTL进行淘汰,而不是用LRU算法进行淘汰.

因为volatile-lru, volatile-random和volatile-ttl这三个淘汰策略使用的不是全量的缓存数据,有可能无法淘汰出足够的内存空间.

因为将缓存数据设置超时属性占用更多的内存, 因此,当内存压力比较大的时候,需要慎重考虑设置超时属性.

如果当前缓存的数据使用的内存大于配置的maxmemory,并且淘汰策略不允许释放内存(noeviction),则该函数返回失败.

接下来,局部变量mem_tofree表示需要淘汰的内存,局部变量mem_freed表示已经淘汰的内存.循环执行while (mem_freed < mem_tofree)淘汰缓存数据,该循环中的逻辑可以概括为:

从全局的0号数据库开始(Redis默认有16个全局的数据库),根据淘汰策略,选择该数据库中的哈希表.如果该哈希表为空, 选择下一个全局数据库.

根据淘汰策略,在相应哈希表中找到一个待淘汰的key, 从该数据库对象中删除该key所对应的缓存数据.

如果没有找到待淘汰的key,即无法淘汰所需的缓存数据大小 函数直接返回错误.

如果当前访问的是最后一个全局数据库, 并且已经淘汰了所需的缓存数据,则该函数成功返回.如果没有淘汰所需的缓存数据,则返回步骤1,并且从0号数据库重新淘汰.

如果当前访问的不是最后一个全局数据库, 则返回步骤1, 从当前数据库的下一个数据库继续淘汰缓存数据.

如果淘汰策略是allkeys-random或者volatile-random,则从相应数据库中随机选择一个key进行淘汰.

如果淘汰策略是allkeys-lru或者volatile-lru, 则根据配置的采样值maxmemory_samples,随机从数据库中选择maxmemory_samples个key, 淘汰其中热度最低的key对应的缓存数据.

如果淘汰策略是volatile-ttl,则根据配置的采样值maxmemory_samples,随机从数据库中选择maxmemory_samples个key,淘汰其中最先要超时的key对应的缓存数据.

所以采样参数maxmemory_samples配置的数值越大, 就越能精确的查找到待淘汰的缓存数据,但是也消耗更多的CPU计算,执行效率降低.

Redis缓存清理

参考:https://blog.csdn.net/azurelaker/article/details/85045245