本文最后更新于 250 天前，其中的信息可能已经有所发展或是发生改变。

持久化原理

持久化流程

Redis 是基于内存的数据库，数据存储在内存中，为了避免进程退出导致数据永久丢失，需要定期对内存中的数据以某种形式从内存呢保存到磁盘当中；当 Redis 重启时，利用持久化文件实现数据恢复。

Redis 的持久化主要有以下流程：

客户端向服务端发送写操作数据
数据库服务端接收到写请求的数据
服务端调用 write 这个系统调用，将数据往磁盘上写
操作系统将缓冲区中的数据转移到磁盘控制器上
磁盘控制器将数据写到磁盘的物理介质

上述流程中，数据的传播过程为：客户端内存 -> 服务端内存 -> 系统内存缓冲区 -> 磁盘缓冲区 -> 磁盘

在理想条件下，上述过程是一个正常的保存流程，但是在大多数情况下，我们的机器等等都会有各种各样的故障，这里划分两种情况：

Redis 数据库发生故障，只要在上面的第三步执行完毕，那么就可以持久化保存，剩下的两步由操作系统替我们完成
操作系统发生故障，必须上面 5 步都完成才可以

为了应对以上 5 步操作，Redis 提供了两种不同的持久化方式：RDB(Redis DataBase) 和 AOF(Append Only File)。

RDB 原理

基础概念

RDB 是 Redis 默认开启的全量数据快照保存方案：

每隔一段时间，将当前进程中的数据生成快照保存到磁盘（快照持久化），生成一个文件后缀名为 rdb 的文件
当 Redis 重启时，可以读取快照文件进行恢复

关于 RDB 的配置均保存在 redis.conf 文件中，可以进行修改

触发机制及原理

通过 SAVE 命令手动触发 RDB，这种方式会阻塞 Redis 服务器，直到 RDB 文件创建完成，线上禁止使用这种方式

通过 BGSAVE 命令，这种方式会 fork 一个子进程，由子进程负责持久化过程，因此阻塞只会发生在 fork 子进程的时候

注意：

子进程不直接拷贝硬盘数据，而是拷贝父进程的页表，但实际上仍然和父进程共享同一物理地址（共享数据）
子进程执行 bgsave 操作会生成临时的 RDB 文件，不会直接修改原有的 RDB 文件
为了避免脏写，这里 fork 时又引入了 copy-on-write 的技术：
- 主进程读操作访问共享内存，此时不会复制数据
- 主进程发生写操作，会复制一份物理地址的数据副本进行写入，子进程仍然读取原来的旧版数据

除了上述指令手动执行外，Redis 还可以根据 redis.conf 文件的配置自动触发：

设置 redis.conf 中的 save x y：表示 x 秒内，至少有 y 个 key 值变化，则触发 bgsave
当发生主从节点复制时，从节点申请同步，主节点会触发 bgsave 操作，将生成的文件快照发送给从节点
执行 Debug reload 命令重新加载 redis 时，也会触发 bgsave 操作
默认情况下，执行了 shutdown 指令，如果没有开启 AOF 持久化，则也会触发 bgsave 操作

AOF 原理

基础概念

AOF 是 Redis 默认未开启的持久化策略：

以日志的形式来记录用户请求的写操作，读操作不会记录，因为写操作才会存储
文件以追加的形式而不是修改的形式
redis 的 AOF 恢复其实就是把追加的文件从开始到结尾读取执行写操作

持久化原理

AOF 的持久化实现原理分为四大步骤：

命令追加：所有的命令都会被追加到 AOF 缓冲当中
文件同步：AOF 缓冲区根据对应的策略向磁盘进行同步操作
文件重写：随着同步的进行，AOF 文件追加的命令会越来越多，导致文件臃肿，会触发重写以便减小文件体积
重启恢复：当 Redis 重启时，会重新加载 AOF 执行命令恢复数据

注意：

AOF 默认是关闭的，修改 redis.conf 文件的 appendonly yes 即可开启
频率配置：
- always 同步刷盘：数据可靠，但性能影响大
- everysec 每秒刷盘：性能适中，最多丢失一秒数据
- no 系统控制刷盘：性能最好，可靠性差，容易丢失大量数据
设置重写：
- 用 bgrewriteaof 重写 AOF 文件，用最少命令达到相同效果
- 可设置文件大小到大一定阈值自动触发

AOF 数据恢复过程

已知 Redis 通过重新执行一遍 AOF 文件里面的命令进行还原状态，但实际上 Redis 并不是直接执行的：

具体步骤如下：

首先创建一个不带有网络链接的伪客户端，此过程只需要载入 AOF 文件即可，因此无需网络连接
之后读取一条 AOF 文件中的命令并使用伪客户端执行
重复上述过程，直到 AOF 文件所有的命令执行完毕

AOF 文件重写过程

为了解决 AOF 文件持续追加命令导致 AOF 文件过度膨胀的问题，Redis 提供了 AOF 文件重写功能

例如上述命令在执行重写前，会记录 list 这个 key 的状态，重写前 AOF 要保存这五条命令，重写后只需要一条命令，结果确是等价的。

注意：

AOF 重写的过程并不是针对现有的 AOF 文件读取、分析或写入操作，而是读取服务器当前数据库的状态来实现
例如，首先从数据库中读取当前键的值，然后用一条命令记录键值对，以此代替记录这个键值对的多条命令

触发机制：

手动：使用命令 bgrewriteaof ，如果当前有正在运行的 rewrite 子进程，则本次的重写会延迟执行，否者直接触发
自动触发：根据配置规则 auto-aof-rewrite-min-size 64mb，若 AOF 文件超过配置大小则会自动触发

AOF 重写原理

AOF 重写函数会进行大量的写入操作，调用该函数的线程将被长时间阻塞，所以 Redis 在子进程中执行 AOF 重写操作：

在整个 AOF 重写的过程中，只有信号处理函数的执行过程会对 Redis 主进程造成阻塞，在其他时候都不会阻塞主进程

持久化优先级

首先对比一下两种持久化方式的优缺点：

文件大小：RDB 文件默认使用 LZF 算法进行压缩，压缩后的文件体积远远小于内存大小，适用于备份、全量复制等
恢复速度：Redis 加载 RDB 文件恢复数据要远远快于AOF 方式，AOF 则需要执行全部的命令
内存占用：两种方式都需要 fork 出子进程，子进程属于重量级操作，频繁执行的成本较高
备份容灾：RDB 文件为二进制文件，没有可读性，AOF 文件在了解其结构的情况下可以手动修改或者补全
数据一致性：RDB 方式的实时性不够，无法做到秒级的持久化，存在丢失数据的风险，AOF 可以做到最多丢失一秒的数据

在服务器同时开启了 RDB 和 AOF 的情况下，会优先选择 AOF 方式，若不存在 AOF 文件，则会执行 RDB 恢复。

RDB 混合 AOF 解决方案

针对上述 RDB 和 AOF 的持久化原理可知，两者都需要 fork 出子进程，可能会造成主进程的阻塞，因此需要：

降低 fork 的频率，手动触发 RDB 快照或 AOF 重写
控制 Redis 内存限制，防止 fork 耗时过长
配置 Linux 的内存分配策略，避免因为物理内存不足导致 fork 失败

除此之外，在线上环境中，如果不是特别敏感的数据或可以通过重新生成的方式恢复数据，则可以关闭持久化

对于其他场景，Redis 在 4.0 引入了 RDB 混合 AOF 的解决方案——混合使用 AOF 日志和内存快照：

在 redis.conf 里面开启配置：aof-use-rdb-preamble yes

当开启混合持久化时，在 AOF 重写日志时，fork 出来的子进程会先将与主线程共享的内存数据以 RDB 的方式写入 AOF，然后主线程处理的操作命令会被记录在重写缓冲区里，重写缓冲区的增量命令会以 AOF 的方式写入 AOF 文件，写入完成后，通知主进程将新的含有RDB 格式和 AOF 格式的 AOF 文件替换旧的 AOF 文件。

注意：对于采用混合持久化方案的 AOF 文件，AOF 文件的前半部分是 RDB 格式的全量数据，后半部分则是 AOF 格式的增量数据。

这样的好处在于，由于前半段为 RDB 格式的文件，恢复速度较快，加载完 RDB 的内容后再执行后半部分 AOF 的内容，以减少的丢失数据的风险。

安全策略

密码认证

可以通过 Redis 的配置文件设置密码参数，当客户端连接到 Redis 服务器时，需要密码验证：

打开 redis.conf，找到 requirepass 进行配置
密码要求：长度 8 位以上，包含四类中的三类字符（字母大小写，数字，符号）

配置完毕后，重启生效。

也可以通过命令的方式修改：

CONFIG SET requirepass password
登陆时需要：AUTH password

注意：

这里修改的密码为 default 用户密码
在 initServer 中会调用 ACLUpdateDefaultUserPassword(server.requirepass) 函数设置 default 用户的密码

/* Set the password for the "default" ACL user. This implements supports for
* requirepass config, so passing in NULL will set the user to be nopass. */
void ACLUpdateDefaultUserPassword(sds password) {
  ACLSetUser(DefaultUser,"resetpass",-1);
  if (password) {
      sds aclop = sdscatlen(sdsnew(">"), password, sdslen(password));
      ACLSetUser(DefaultUser,aclop,sdslen(aclop));
      sdsfree(aclop);
  } else {
      ACLSetUser(DefaultUser,"nopass",-1);
  }
}

密码不生效解决方案

查看 redis.conf 配置：

# IMPORTANT NOTE: starting with Redis 6 "requirepass" is just a compatibility
# layer on top of the new ACL system. The option effect will be just setting
# the password for the default user. Clients will still authenticate using
# AUTH <password> as usually, or more explicitly with AUTH default <password>
# if they follow the new protocol: both will work.
#
# The requirepass is not compatible with aclfile option and the ACL LOAD
# command, these will cause requirepass to be ignored.
#
# requirepass foobared

自 Redis 6.0 起，requirepass 只是针对 default 用户的配置，由于 redis 加载配置后会读取 aclfile，重新新建全局 Users 对象，此举会调用 ACLInitDefaultUser 函数重新新建 nopass 的 default 用户，因此导致配置的 requirepass 失效

根据上述分析，解决方案很明显：

更改启动 redis 的方式，不读取 aclfile：redis-server ./redis.conf
或者在启用 aclfile 的情况下，redis-cli 登录后，用 config set requirepass xxx，然后 acl save（会写 default 的 user 规则到 aclfile 中）

过期策略

基础操作

Redis 的 key 存在过期时间，设置命令如下：

expire <key> <n>：设置 key 在 n 秒后过期
pexpire <key> <n>：设置 key 在 n 毫秒后过期
expireat <key> <n>：设置 key 在某个时间戳（精确到秒）后过期
pexpireat <key> <n>：设置 key 在某个时间戳（精确到毫秒）后过期

也可以在 key 创建时直接设置：

set <key> <value> ex <n>：设置键值对的时候，同时指定过期时间（精确到秒）
set <key> <value> px <n>：设置键值对的时候，同时指定过期时间（精确到毫秒）
setex <key> <n> <va1ue>：设置键值对的时候，同时指定过期时间（精确到秒），该操作是一个原子操作

其他相关操作：

persist <key>：将 key 的过期时间删除
TTL <key>：返回 key 的剩余生存时间（精确到秒）
PTTL <key>：返回 key 的剩余生存时间（精确到毫秒）

Redis 过期删除策略

要想删除一个过期的 key，首先需要判断它是否过期：

在 Redis 内部，当我们给某个 key 设置过期时间时，Redis 会给该 key 带上过期时间存入一个过期字典（redisdb）中
每次查询一个 key 时，Redis 会先从过期字典查询该键是否存在：
- 不存在则正常返回
- 存在则取该 key 的时间和当前系统时间对比判定是否过期
对于过期的 key 会根据过期删除策略进行处理

Redis 提供了三种过期策略：

惰性删除：只有当客户端尝试获取一个 key 时，Redis才会检查该 key 是否过期，如果过期则删除
定时删除：在设定key的过期时间的同时，创建一个定时器，当达到过期时间时，定时器立即删除该 key
定期删除：每隔一段时间随机取出一定数量的 key 进行检查，并删除过期的 key

而 Redis 的过期删除策略是：惰性删除 + 定期删除

惰性删除原理

查看 Redis 源码 db.c，其中执行惰性删除的逻辑会反复调用 expireIfNeeded 函数对 key 其进行检查：

/* Return values for expireIfNeeded */
typedef enum {
    KEY_VALID = 0, /* Could be volatile and not yet expired, non-volatile, or even non-existing key. */
    KEY_EXPIRED, /* Logically expired but not yet deleted. */
    KEY_DELETED /* The key was deleted now. */
} keyStatus;

keyStatus expireIfNeeded(redisDb *db, robj *key, int flags) {
    if (server.lazy_expire_disabled) return KEY_VALID;  // 未设置过期策略直接返回 key 值
    if (!keyIsExpired(db,key)) return KEY_VALID;

    /* If we are running in the context of a replica, instead of
     * evicting the expired key from the database, we return ASAP:
     * the replica key expiration is controlled by the master that will
     * send us synthesized DEL operations for expired keys. The
     * exception is when write operations are performed on writable
     * replicas.
     *
     * Still we try to return the right information to the caller,
     * that is, KEY_VALID if we think the key should still be valid, 
     * KEY_EXPIRED if we think the key is expired but don't want to delete it at this time.
     *
     * When replicating commands from the master, keys are never considered
     * expired. */
    // 这里说明了，从节点的 key 过期策略是由主节点控制的，如果是在复制主节点的命令时，键永远不会被视为已过期
    if (server.masterhost != NULL) {   
        if (server.current_client && (server.current_client->flags & CLIENT_MASTER)) return KEY_VALID;
        if (!(flags & EXPIRE_FORCE_DELETE_EXPIRED)) return KEY_EXPIRED;
    }

    /* In some cases we're explicitly instructed to return an indication of a
     * missing key without actually deleting it, even on masters. */
    if (flags & EXPIRE_AVOID_DELETE_EXPIRED)
        return KEY_EXPIRED;

    /* If 'expire' action is paused, for whatever reason, then don't expire any key.
     * Typically, at the end of the pause we will properly expire the key OR we
     * will have failed over and the new primary will send us the expire. */
    if (isPausedActionsWithUpdate(PAUSE_ACTION_EXPIRE)) return KEY_EXPIRED;

    /* The key needs to be converted from static to heap before deleted */
    int static_key = key->refcount == OBJ_STATIC_REFCOUNT;
    if (static_key) {
        key = createStringObject(key->ptr, sdslen(key->ptr));
    }
    /* Delete the key */
    deleteExpiredKeyAndPropagate(db,key);
    if (static_key) {
        decrRefCount(key);
    }
    return KEY_DELETED;
}

定期删除原理

查看 Redis 源码 expire.c，其中执行定期删除的逻辑在 void activeExpireCycle(int type) 中：

void activeExpireCycle(int type) {
    /* Adjust the running parameters according to the configured expire
     * effort. The default effort is 1, and the maximum configurable effort
     * is 10. */
    unsigned long
    effort = server.active_expire_effort-1, /* Rescale from 0 to 9. */

    // 每次循环取出过期键的数量
    config_keys_per_loop = ACTIVE_EXPIRE_CYCLE_KEYS_PER_LOOP +
                           ACTIVE_EXPIRE_CYCLE_KEYS_PER_LOOP/4*effort,
    // FAST 模式下的执行周期
    config_cycle_fast_duration = ACTIVE_EXPIRE_CYCLE_FAST_DURATION +
                                 ACTIVE_EXPIRE_CYCLE_FAST_DURATION/4*effort,

    // SLOW 模式的执行周期
    config_cycle_slow_time_perc = ACTIVE_EXPIRE_CYCLE_SLOW_TIME_PERC +
                                  2*effort,
    config_cycle_acceptable_stale = ACTIVE_EXPIRE_CYCLE_ACCEPTABLE_STALE-
                                    effort;
    ...........

定期删除的周期配置在 redis.conf 中，其中 hz 10 默认值每秒进行 10 次过期检查

Redis 内存淘汰策略

当 Redis 运行内存超过设置的最大内存时，会执行淘汰策略删除符合条件的 key 保障高效运行

最大内存设置：redis.conf 中 maxmemory <bytes>，若不设置默认无限制（但最大为物理内存的四分之三）

Redis 支持八种淘汰策略：

noeviction：不删除任何数据，内存不足直接报错 (默认策略)
volatile-lru：挑选最近最久使用的数据淘汰
volatile-lfu：挑选最近最少使用数据淘汰
volatile-ttl：挑选将要过期的数据淘汰
volatile-random：任意选择数据淘汰
allkeys-lru：挑选最近最少使用的数据淘汰
allkeys-lfu：挑选最近使用次数最少的数据淘汰
allkeys-random：任意选择数据淘汰，相当于随机

LRU 算法原理

LRU 全称为 Least Recently Used，最近最少使用，会选择淘汰最近最少使用的数据

传统LRU算法实现：

基于链表的结构，链表中的元素按照操作顺序从前向后排列，最新操作的键会被移动到表头
当需要执行淘汰策略时，删除链表尾部的元素即可

但是 Redis 的 LRU 算法并不是传统的算法实现，在海量数据下，基于链表的操作会带来额外的内存开销，降低缓存性能

因此，Redis 采用了一种近似 LRU 算法

首先来看一下 Redis 源码中 server.h 中对 redisObject 的定义：

struct redisObject {
    unsigned type:4;
    unsigned encoding:4;
    unsigned lru:LRU_BITS; /* LRU time (relative to global lru_clock) or
                            * LFU data (least significant 8 bits frequency
                            * and most significant 16 bits access time). */
    int refcount;
    void *ptr;
};

其中 lru 的值在创建对象时会被初始化，在 object.c 中：

// typedef struct redisObject robj;
robj *createObject(int type, void *ptr) {
    robj *o = zmalloc(sizeof(*o));
    o->type = type;
    o->encoding = OBJ_ENCODING_RAW;
    o->ptr = ptr;
    o->refcount = 1;
    o->lru = 0;
    return o;
}

void initObjectLRUOrLFU(robj *o) {
    if (o->refcount == OBJ_SHARED_REFCOUNT)
        return;
    /* Set the LRU to the current lruclock (minutes resolution), or
     * alternatively the LFU counter. */
    if (server.maxmemory_policy & MAXMEMORY_FLAG_LFU) {
        o->lru = (LFUGetTimeInMinutes() << 8) | LFU_INIT_VAL;
    } else {
        o->lru = LRU_CLOCK();
    }
    return;
}

Redis 在每一个对象的结构体中添加了 lru 字段，用于记录此数据最后一次访问的时间戳，这里是基于全局 LRU 时钟计算的

如果一个 key 被访问了，则会调用 db.c 中的 lookupKey 函数对 lru 字段进行更新：

robj *lookupKey(redisDb *db, robj *key, int flags) {
    // 通过 dbFind 函数查找给定的键（key）如果找到，则获取键对应的值
    dictEntry *de = dbFind(db, key->ptr);
    robj *val = NULL;
    if (de) {
        val = dictGetVal(de);
        /* Forcing deletion of expired keys on a replica makes the replica
         * inconsistent with the master. We forbid it on readonly replicas, but
         * we have to allow it on writable replicas to make write commands
         * behave consistently.
         *
         * It's possible that the WRITE flag is set even during a readonly
         * command, since the command may trigger events that cause modules to
         * perform additional writes. */

        // 处理键过期的情况
        int is_ro_replica = server.masterhost && server.repl_slave_ro;
        int expire_flags = 0;
        if (flags & LOOKUP_WRITE && !is_ro_replica)
            expire_flags |= EXPIRE_FORCE_DELETE_EXPIRED;
        if (flags & LOOKUP_NOEXPIRE)
            expire_flags |= EXPIRE_AVOID_DELETE_EXPIRED;
        if (expireIfNeeded(db, key, expire_flags) != KEY_VALID) {
            /* The key is no longer valid. */
            val = NULL;
        }
    }

    if (val) {
        /* Update the access time for the ageing algorithm.
         * Don't do it if we have a saving child, as this will trigger
         * a copy on write madness. */
        // 更新访问时间
        if (server.current_client && server.current_client->flags & CLIENT_NO_TOUCH &&
            server.current_client->cmd->proc != touchCommand)
            flags |= LOOKUP_NOTOUCH;
        if (!hasActiveChildProcess() && !(flags & LOOKUP_NOTOUCH)){
            if (server.maxmemory_policy & MAXMEMORY_FLAG_LFU) {
                updateLFU(val);         // 策略为 LFU，更新使用频率
            } else {
                val->lru = LRU_CLOCK();  // 策略为 LRU，更新时间戳 
            }
        }

        if (!(flags & (LOOKUP_NOSTATS | LOOKUP_WRITE)))
            server.stat_keyspace_hits++;
        /* TODO: Use separate hits stats for WRITE */
    } else {
        if (!(flags & (LOOKUP_NONOTIFY | LOOKUP_WRITE)))
            notifyKeyspaceEvent(NOTIFY_KEY_MISS, "keymiss", key, db->id);
        if (!(flags & (LOOKUP_NOSTATS | LOOKUP_WRITE)))
            server.stat_keyspace_misses++;
        /* TODO: Use separate misses stats and notify event for WRITE */
    }

    return val;
}

当 Redis 进行内存淘汰时，会使用随机采样的方式来淘汰数据，查看源码 evict.c：

struct evictionPoolEntry {
    unsigned long long idle;    /* Object idle time (inverse frequency for LFU) */
    sds key;                    /* Key name. */
    sds cached;                 /* Cached SDS object for key name. */
    int dbid;                   /* Key DB number. */
    int slot;                   /* Slot. */
};

这里定义了一个淘汰池，所有待淘汰的 key 会通过 evictionPoolPopulate 函数填入：

int evictionPoolPopulate(redisDb *db, kvstore *samplekvs, struct evictionPoolEntry *pool) {
    int j, k, count;
    dictEntry *samples[server.maxmemory_samples];

    int slot = kvstoreGetFairRandomDictIndex(samplekvs);

    // 从字典中获取一些键，结果存放到 samples 中，并且返回获取的键的数量。所选取的键的数量不能超过 server.maxmemory_samples
    count = kvstoreDictGetSomeKeys(samplekvs,slot,samples,server.maxmemory_samples);
    // 循环采样，对抽样得到的键进行处理
    for (j = 0; j < count; j++) {
        unsigned long long idle;
        sds key;
        robj *o;
        dictEntry *de;

        de = samples[j];
        key = dictGetKey(de);

        /* If the dictionary we are sampling from is not the main
         * dictionary (but the expires one) we need to lookup the key
         * again in the key dictionary to obtain the value object. */
        if (server.maxmemory_policy != MAXMEMORY_VOLATILE_TTL) {
            if (samplekvs != db->keys)
                de = kvstoreDictFind(db->keys, slot, key);
            o = dictGetVal(de);
        }
        ............

LFU 算法原理

LFU 全称 Least Frequently Used，最近最不常用，LFU 算法是根据数据访问次数来淘汰数据的，它的核心思想是“如果数据过去
被访问多次，那么将来被访问的频率也更高”

传统 LFU 算法实现：

基于链表的结构，链表中的元素按照访问的次数从大到小排序，新插入的元素在尾部，访问后次数加一
当需要执行淘汰策略时，对链表进行排序，相同次数按照时间排序，删除访问次数最少的尾部元素

Redis 实现的 LFU 算法也是一种近似 LFU 算法

首先，仍然从 Redis 源码中 server.h 中对 redisObject 的定义入手：

struct redisObject {
    unsigned type:4;
    unsigned encoding:4;
    unsigned lru:LRU_BITS; /* LRU time (relative to global lru_clock) or
                            * LFU data (least significant 8 bits frequency
                            * and most significant 16 bits access time). */
    int refcount;
    void *ptr;
};

之前在 LRU 算法原理时我仅仅提到 lru 字段作为 LRU 算法的时间戳来使用，但如果选择 LFU 算法，该字段将被拆分为两部分：

低 8 位：计数器，被设置为宏定义 LFU_INIT_VAL = 5
高 16 位：以分钟为精度的 Unix 时间戳

之后仍然是 db.c 中的 lookupKey 函数，这次具体来看 LRU 的更新策略：

        if (!hasActiveChildProcess() && !(flags & LOOKUP_NOTOUCH)){
            if (server.maxmemory_policy & MAXMEMORY_FLAG_LFU) {
                updateLFU(val);         // 策略为 LFU，更新使用频率
            } else {
                val->lru = LRU_CLOCK();  // 策略为 LRU，更新时间戳 
            }
        }

更新策略为调用了 updateLFU：

void updateLFU(robj *val) {
    // 根据距离上次访问的时长，衰减访问次数
    unsigned long counter = LFUDecrAndReturn(val);
    // 根据当前访问更新访问次数
    counter = LFULogIncr(counter);
    // 更新 lru 变量值
    val->lru = (LFUGetTimeInMinutes()<<8) | counter;
}

Redis 执行 LFU 淘汰策略和 LRU 基本类似，也是将所有待淘汰的 key 通过 evictionPoolPopulate 函数填入，区别在于填充策略的选择：

        /* Calculate the idle time according to the policy. This is called
         * idle just because the code initially handled LRU, but is in fact
         * just a score where a higher score means better candidate. */
        if (server.maxmemory_policy & MAXMEMORY_FLAG_LRU) {
            idle = estimateObjectIdleTime(o);
        } else if (server.maxmemory_policy & MAXMEMORY_FLAG_LFU) {
            /* When we use an LRU policy, we sort the keys by idle time
             * so that we expire keys starting from greater idle time.
             * However when the policy is an LFU one, we have a frequency
             * estimation, and we want to evict keys with lower frequency
             * first. So inside the pool we put objects using the inverted
             * frequency subtracting the actual frequency to the maximum
             * frequency of 255. */
            idle = 255-LFUDecrAndReturn(o);
        } else if (server.maxmemory_policy == MAXMEMORY_VOLATILE_TTL) {
            /* In this case the sooner the expire the better. */
            idle = ULLONG_MAX - (long)dictGetVal(de);
        } else {
            serverPanic("Unknown eviction policy in evictionPoolPopulate()");
        }

Redis 高可用

主从复制解决方案

将一台 Redis 服务器的数据，复制到其他的 Redis 服务器，前者称为主节点（master），其他服务器称为从节点（slave）。

注意：主从复制的数据流动是单向的，只能从主节点流向从节点

Redis 的主从复制是异步复制，异步分为两个方面：

一个是 master 服务器在将数据同步到 slave 时是异步的，因此 master 服务器在这里仍然可以接收其他请求，
一个是 slave 在接收同步数据也是异步的

一主多从：

一个主节点：负责数据修改操作
多个从节点：负责读数据，一般多为一主一从的配置

如果从节点需求大，由于主从同步时，主节点需要发送自己的 RDB 文件给从节点进行同步，若此时从节点数量过多，主节点需要频繁地进行 RDB 操作，会影响主节点的性能。

因此，考虑从节点再做为主节点配置从节点：

全量同步原理

全量同步发生在主节点和从节点的第一次同步

从节点向主节点发起同步请求
主节点先返回 replid 给从节点更新
然后主节点执行 bgsave 生成 RDB 文件发送给从节点
从节点删除本地数据，接收 RDB 文件并加载
同步过程中若主节点收到新的命令也会写入从节点的缓冲区中
从节点将缓冲区的命令写入本地，记录最新数据到 offset

增量同步原理

因为各种原因 master 服务器与 slave 服务器断开后，slave 服务器在重新连上 master 服务器时会尝试重新获取断开后未同步的数据
即部分同步，或者称为部分复制。

master 服务器会记录一个 replicationId 的伪随机字符串，用于标识当前的数据集版本，还会记录一个当数据集的偏移量 offset
主节点不断滴把自己接收到的命令记录在 repl_backlog 中，并修改 offset
执行增量同步时，主节点在 repl_backlog 获取 offset 后的数据并返回给从节点
从节点接收数据后写入本地，修改 offset 与主节点一致

注意：

epl_backlog 大小有上限，超过后新数据会覆盖老数据
如果从节点断开时间太久导致未备份的数据被覆盖则无法基于 log 做增量同步

Sentinel 哨兵解决方案

对于主从同步解决方案，如果主节点因为某种原因宕掉，从节点也无法承担主节点的任务，导致整个系统无法正常执行业务

因此引入 Sentinel，若主节点宕掉，则 Sentinel 会从节点之间会选举出一个节点作为主节点

服务监控原理

Sentinel 基于心跳机制监控服务状态，每 1 s 向集群的每个实例发送一次 ping
主观下线：某个 Sentinel 节点发现某个实例未响应，认为该实例主观下线
客观下线：超过一定数量的 Sentinel 节点都认为该实例主观下线，则该实例客观下线

选举规则

首先判断与主节点断开时间最短的从节点
然后判断从节点的 slave-priority 值，值越小优先级越高
slave-priority 值相同判断 offset 值，值越大优先级越高
最后是从节点运行 id，id越小优先级越高

脑裂问题

假设 Sentinel 和集群的各个实例处于不同的网络分区，由于网络抖动，Sentinel 没有心跳感知到主节点，因此选举提升了一个从节点作为新的主节点：

客户端由于还在老的主节点写数据
但网络恢复后，老的主节点会被强制降为从节点导致原有数据丢失

解决方案：

设置 redis 参数
min-replicas-to-write 1 表示最少的 salve 节点为 1 个
min-replicas-max-lag 5 表示数据复制和同步的延迟不能超过 5 秒
如果发生脑裂，原master会在客户端写入操作的时候拒绝请求，避免数据大量丢失

STATISTICS

持久化原理

持久化流程

RDB 原理

基础概念

触发机制及原理

AOF 原理

基础概念

持久化原理

AOF 数据恢复过程

AOF 文件重写过程

AOF 重写原理

持久化优先级

RDB 混合 AOF 解决方案

安全策略

密码认证

密码不生效解决方案

过期策略

基础操作

Redis 过期删除策略

惰性删除原理

定期删除原理

Redis 内存淘汰策略

LRU 算法原理

LFU 算法原理

Redis 高可用

主从复制解决方案

全量同步原理

增量同步原理

Sentinel 哨兵解决方案

服务监控原理

选举规则

脑裂问题

发送评论编辑评论

持久化原理

持久化流程

RDB 原理

基础概念

触发机制及原理

AOF 原理

基础概念

持久化原理

AOF 数据恢复过程

AOF 文件重写过程

AOF 重写原理

持久化优先级

RDB 混合 AOF 解决方案

安全策略

密码认证

密码不生效解决方案

过期策略

基础操作

Redis 过期删除策略

惰性删除原理

定期删除原理

Redis 内存淘汰策略

LRU 算法原理

LFU 算法原理

Redis 高可用

主从复制解决方案

全量同步原理

增量同步原理

Sentinel 哨兵解决方案

服务监控原理

选举规则

脑裂问题

发送评论 编辑评论

推荐文章

发送评论编辑评论