Redis?緩存淘汰策略和事務(wù)實(shí)現(xiàn)樂觀鎖詳情
緩存淘汰策略
標(biāo)題LRU原理
LRU(Least recently used,最近最少使用)算法根據(jù)數(shù)據(jù)的歷史訪問記錄來進(jìn)行淘汰數(shù)據(jù),其核心思想是“如果數(shù)據(jù)最近被訪問過,那么將來被訪問的幾率也更高”。
最常見的實(shí)現(xiàn)是使用一個鏈表保存緩存數(shù)據(jù),詳細(xì)算法實(shí)現(xiàn)如下:

- 新數(shù)據(jù)插入到鏈表頭部;
- 每當(dāng)緩存命中(即緩存數(shù)據(jù)被訪問),則將數(shù)據(jù)移到鏈表頭部;
- 當(dāng)鏈表滿的時候,將鏈表尾部的數(shù)據(jù)丟棄。
在Java中可以使用LinkHashMap去實(shí)現(xiàn)LRU利用哈希鏈表實(shí)現(xiàn):

標(biāo)題Redis緩存淘汰策略
設(shè)置最大緩存
在 redis 中,允許用戶設(shè)置最大使用內(nèi)存大小maxmemory,默認(rèn)為0,沒有指定最大緩存,如果有新的數(shù)據(jù)添加,超過最大內(nèi)存,則會使redis崩潰,所以一定要設(shè)置。
redis 內(nèi)存數(shù)據(jù)集大小上升到一定大小的時候,就會實(shí)行數(shù)據(jù)淘汰策略。
淘汰策略
redis淘汰策略配置:maxmemory-policy voltile-lru,支持熱配置
redis 提供 6種數(shù)據(jù)淘汰策略:
- volatile-lru:從已設(shè)置過期時間的數(shù)據(jù)集(server.db[i].expires)中挑選最近最少使用的數(shù)據(jù)淘汰
- volatile-ttl:從已設(shè)置過期時間的數(shù)據(jù)集(server.db[i].expires)中挑選將要過期的數(shù)據(jù)淘汰
- volatile-random:從已設(shè)置過期時間的數(shù)據(jù)集(server.db[i].expires)中任意選擇數(shù)據(jù)淘汰
- allkeys-lru:從數(shù)據(jù)集(server.db[i].dict)中挑選最近最少使用的數(shù)據(jù)淘汰
- allkeys-random:從數(shù)據(jù)集(server.db[i].dict)中任意選擇數(shù)據(jù)淘汰
- no-enviction(驅(qū)逐):禁止驅(qū)逐數(shù)據(jù)
Redis事務(wù)
Redis事務(wù)介紹
- Redis 的事務(wù)是通過 MULTI 、 EXEC 、 DISCARD 和 WATCH 、UNWATCH這五個命令來完成的。
- Redis 的單個命令都是原子性的,所以這里需要確保事務(wù)性的對象是命令集合。
- Redis 將命令集合序列化并確保處于同一事務(wù)的命令集合連續(xù)且不被打斷的執(zhí)行
- Redis 不支持回滾操作。 事務(wù)命令
MULTI
用于標(biāo)記事務(wù)塊的開始。 Redis會將后續(xù)的命令逐個放入隊列中,然后使用EXEC命令原子化地執(zhí)行這個命令序列。
語法:
multi
EXEC
在一個事務(wù)中執(zhí)行所有先前放入隊列的命令,然后恢復(fù)正常的連接狀態(tài)
語法:
exec
DISCARD
清除所有先前在一個事務(wù)中放入隊列的命令,然后恢復(fù)正常的連接狀態(tài)。
語法:
discard
WATCH
當(dāng)某個[事務(wù)需要按條件執(zhí)行]時,就要使用這個命令將給定的[鍵設(shè)置為受監(jiān)控]的狀態(tài)。
語法:
watch key [key…]
注意事項(xiàng):使用該命令可以實(shí)現(xiàn) Redis 的樂觀鎖。
UNWATCH
清除所有先前為一個事務(wù)監(jiān)控的鍵
語法:
unwatch
命令圖解:

事務(wù)演示:
127.0.0.1:6379> multi OK 127.0.0.1:6379> set s1 111 QUEUED 127.0.0.1:6379> hset set1 name zhangsan QUEUED 127.0.0.1:6379> exec 1) OK 2) (integer) 1 127.0.0.1:6379> multi OK 127.0.0.1:6379> set s2 222 QUEUED 127.0.0.1:6379> hset set2 age 20 QUEUED 127.0.0.1:6379> discard OK 127.0.0.1:6379> exec (error) ERR EXEC without MULTI 127.0.0.1:6379> watch s1 OK 127.0.0.1:6379> multi OK 127.0.0.1:6379> set s1 555 QUEUED 127.0.0.1:6379> exec # 此時在沒有exec之前,通過另一個命令窗口對監(jiān)控的s1字段進(jìn)行修改 (nil) 127.0.0.1:6379> get s1 111
Redis 不支持事務(wù)回滾(為什么呢)
大多數(shù)事務(wù)失敗是因?yàn)檎Z法錯誤或者類型錯誤,這兩種錯誤,在開發(fā)階段都是可以預(yù)見的Redis 為了性能方面就忽略了事務(wù)回滾。
Redis樂觀鎖
樂觀鎖基于CAS(Compare And Swap)思想(比較并替換),是不具有互斥性,不會產(chǎn)生鎖等待而消耗資源,但是需要反復(fù)的重試,但也是因?yàn)橹卦嚨臋C(jī)制,能比較快的響應(yīng)。因此我們可以利用redis來
實(shí)現(xiàn)樂觀鎖。具體思路如下:
- 利用redis的watch功能,監(jiān)控這個redisKey的狀態(tài)值
- 獲取redisKey的值
- 創(chuàng)建redis事務(wù)
- 給這個key的值+1
- 然后去執(zhí)行這個事務(wù),如果key的值被修改過則回滾,key不加1
public void watch() {
try {
String watchKeys = "watchKeys";
//初始值 value=1
jedis.set(watchKeys, 1);
//監(jiān)聽key為watchKeys的值
jedis.watch(watchkeys);
//開啟事務(wù)
Transaction tx = jedis.multi();
//watchKeys自增加一
tx.incr(watchKeys);
//執(zhí)行事務(wù),如果其他線程對watchKeys中的value進(jìn)行修改,則該事務(wù)將不會執(zhí)行
//通過redis事務(wù)以及watch命令實(shí)現(xiàn)樂觀鎖
List<Object> exec = tx.exec();
if (exec == null) {
System.out.println("事務(wù)未執(zhí)行");
} else {
System.out.println("事務(wù)成功執(zhí)行,watchKeys的value成功修改");
}
} catch (Exception e) {
e.printStackTrace();
} finally {
jedis.close();
}
}Redis樂觀鎖實(shí)現(xiàn)秒殺
public class RedisLock {
public static void main(String[] arg) {
//庫存key
String redisKey = "stock";
ExecutorService executorService = Executors.newFixedThreadPool(20);
try {
Jedis jedis = new RedisProperties.Jedis("127.0.0.1", 6378);
// 可以被秒殺的庫存的初始值,庫存總共20個
jedis.set(redisKey, "0");
jedis.close();
} catch (Exception e) {
e.printStackTrace();
}
for (int i = 0; i < 1000; i++) {
executorService.execute(() -> {
Jedis jedis1 = new Jedis("127.0.0.1", 6378);
try {
jedis1.watch(redisKey);
String redisValue = jedis1.get(redisKey);
int valInteger = Integer.valueOf(redisValue);
String userInfo = UUID.randomUUID().toString();
// 沒有秒完
if (valInteger < 20) {
Transaction tx = jedis1.multi();
tx.incr(redisKey);
List list = tx.exec();
// 秒成功 失敗返回空list而不是空
if (list != null && list.size() > 0) {
System.out.println("用戶:" + userInfo + ",秒殺成 功!當(dāng)前成功人數(shù):" + (valInteger + 1));
}
// 版本變化,被別人搶了。
else {
System.out.println("用戶:" + userInfo + ",秒殺失 敗");
}
}
// 秒完了
else {
System.out.println("已經(jīng)有20人秒殺成功,秒殺結(jié)束");
}
} catch (Exception e) {
e.printStackTrace();
} finally {
jedis1.close();
}
});
}
executorService.shutdown();
}
}到此這篇關(guān)于Redis 緩存淘汰策略和事務(wù)實(shí)現(xiàn)樂觀鎖詳情的文章就介紹到這了,更多相關(guān)Redis 緩存淘汰策略內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
odoo中使用redis實(shí)現(xiàn)緩存的步驟
這篇文章主要介紹了odoo中使用redis實(shí)現(xiàn)緩存的步驟,本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2023-04-04
使用攔截器+Redis實(shí)現(xiàn)接口冪思路詳解
這篇文章主要介紹了使用攔截器+Redis實(shí)現(xiàn)接口冪等,接口冪等有很多種實(shí)現(xiàn)方式,攔截器/AOP+Redis,攔截器/AOP+本地緩存等等,本文講解一下通過攔截器+Redis實(shí)現(xiàn)冪等的方式,需要的朋友可以參考下2023-08-08
Redis+Caffeine實(shí)現(xiàn)多級緩存的步驟
隨著不斷的發(fā)展,這一架構(gòu)也產(chǎn)生了改進(jìn),在一些場景下可能單純使用Redis類的遠(yuǎn)程緩存已經(jīng)不夠了,還需要進(jìn)一步配合本地緩存使用,例如Guava cache或Caffeine,從而再次提升程序的響應(yīng)速度與服務(wù)性能,這篇文章主要介紹了Redis+Caffeine實(shí)現(xiàn)多級緩存,需要的朋友可以參考下2024-01-01
面試分析分布式架構(gòu)Redis熱點(diǎn)key大Value解決方案
這篇文章主要為大家介紹了分布式架構(gòu)Redis熱點(diǎn)key大Value解決方案,以及在面試中如果遇到這類問題的分析,有需要的朋友可以借鑒參考下,希望能夠有所幫助2022-03-03

