大厂面试官问我:Redis内存淘汰,LRU维护整个队列吗?【后端八股文四:Redis内存淘汰策略八股文合集】

 往期内容:

大厂面试官问我:Redis处理点赞,如果瞬时涌入大量用户点赞(千万级),应当如何进行处理?【后端八股文一:Redis点赞八股文合集】-CSDN博客

大厂面试官问我:布隆过滤器有不能扩容和删除的缺陷,有没有可以替代的数据结构呢?【后端八股文二:布隆过滤器八股文合集】-CSDN博客

大厂面试官问我:Redis持久化RDB有没有可能阻塞?阻塞点在哪里?【后端八股文三:Redis持久化八股文合集】-CSDN博客

本文为【Redis内存淘汰策略八股文合集】初版,后续还会进行优化更新,欢迎大家关注点赞评论交流~

大家第一眼看到这个标题,不知道心中是否有答案了?在面试当中,面试官经常对项目亮点进行深挖,来考察你对这个项目亮点的理解以及思考!这个时候,你如果可以回答出面试官的问题,甚至是主动说出自己的思考,那在面试中是大大加分的~

内存淘汰策略

(新写报错,最近最少使用,随机,过期最近最少使用,过期随机,过期更早)
指的是Redis的用于缓存的内存不足时,怎么处理需要新写入且需要申请额外空间的数据

noeviction:新写入报错

allkeys-lru:在键空间中,移除最近最少使用的 key。

allkeys-random:在键空间中,随机移除某个key。

volatile-lru:在设置了过期时间的键空间中,移除最近最少使用的 key。

volatile-random:在设置了过期时间的键空间中,随机移除某个 key。

volatile-ttl:在设置了过期时间的键空间中,有更早过期时间的 key 优先移除。

Redis数据淘汰策略,最常用的是哪个?默认是哪个?

Redis中最常用的淘汰策略是LRU(Least Recently Used)。这也是Redis的默认淘汰策略。

有了删除策略为什么还需要有淘汰策略

因为删除策略的惰性策略是用到才比较是否过期,而定时策略是选一批执行删除。所以还有很多的数据是被漏掉的。

/

删除策略和淘汰策略都是为了解决Redis数据超出内存限制的问题。删除策略是在访问数据时才进行过期检查,比较被动。而淘汰策略是主动选择要淘汰的数据,更加主动和有计划。

Redis单线程怎么去淘汰Key的呢?

  • Redis虽然是单线程的,但是它会定期(每100ms)主动扫描一批Key,检查是否过期。
  • 对于过期的Key,Redis会立即将其删除。
  • 同时,在执行其他命令时,如果遇到过期的Key,也会立即将其删除。
  • 这样可以保证过期数据能够及时被清理。

Redis的超时淘汰了解过吗,数据结构是怎么实现的?

  • Redis使用一个过期字典(expire dictionary)来存储每个Key的过期时间戳。
  • 当访问一个Key时,会检查其是否过期,如果过期则立即删除。
  • 同时Redis会定期(每100ms)对过期字典进行扫描,删除已经过期的Key。
  • 这个过期字典采用惰性删除的方式,即在访问时检查过期,减轻了Redis的CPU负担。

Redis中的内存淘汰策略中volatile-lru和allkeys-lru有什么区别?

  • volatile-lru: 在设置了过期时间的key中,淘汰最近最少使用的key。
  • allkeys-lru: 在所有的key中,淘汰最近最少使用的key。

场景题:使用Redis淘汰策略为什么要给热门视频设置递增的TTL,有没有考虑过热门视频变的不那么热门了,但是零星有几个用户访问,此时该视频的生存时间又很长,很难被Redis淘汰,这个问题如何解决?

对于热门视频设置递增的TTL确实能让它们在一定时间内不被淘汰。但当热度下降后,这些视频可能会一直存在,难以被淘汰。可以考虑结合LRU策略,在过期前一段时间内将视频的TTL重置,或者使用volatile-lru策略来淘汰它们。

Redis如何设计LRU? / Redis内存淘汰, LRU维护整个队列吗?

  • Redis使用一个双向链表来维护LRU队列。每个Key都对应一个节点,节点包含该Key的访问时间戳。
  • 当访问一个Key时,会将其移动到链表头部,表示最近访问。
  • 当需要淘汰时,会从链表尾部(最久未访问)删除节点对应的Key。
  • 这样可以在O(1)时间内完成Key的访问和淘汰操作。

Redis如何设计LFU?

  • Redis使用一个字典来维护每个Key的访问频率Counter。
  • 当访问一个Key时,会增加其Counter值。
  • 当需要淘汰时,会从Counter值最小的Key开始淘汰。
  • 为了防止Counter无限增大,Redis会定期对所有Key的Counter进行衰减。

Redis为什么要使用LRU作为淘汰方式,不使用LFU呢?

(底层实现简单)

Redis使用LRU而不是LFU主要是因为LRU更简单高效,而且能较好地反映用户的访问模式。LFU需要维护一个频率统计,计算复杂度高,适合于某些特殊场景。

Redis怎么配置内存淘汰策略?

比如:配置文件中的maxmemory-policy的键中选

maxmemory-policy allkeys-lru

  ---------------------------------------------------------------------------------------------------------------

后期新的八股文合集文章会仅粉丝可见,感兴趣的小伙伴可以点个关注~

 更多精彩内容以及一手消息请关注公众号:绝命Coding

公众号私信回复“免费资料”可免费获取简历模板以及技术亮点合集等免费资料

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/745202.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

vue3 Cesium 离线地图

1、vite-plugin-cesium 是一个专门为 Vite 构建工具定制的插件,用于在 Vite 项目中轻松使用 Cesium 库。它简化了在 Vite 项目中集成 Cesium 的过程。 npm i cesium vite-plugin-cesium vite -D 2、配置vite.config.js import cesium from vite-plugin-cesiumexp…

监测与管理:钢筋计在工程项目中的应用

在现代工程建设中,特别是大型长期工程项目,对结构安全性的监测与管理至关重要。钢筋计作为一种重要的监测工具,在工程项目中发挥着不可替代的作用。本文将探讨钢筋计在长期工程项目中的应用,包括安装方法、数据监测与分析以及实际…

“基于下垂的多电源分布式控制系统设计”,高分资源,匠心制作,查重5%,下载可用。强烈推荐!!!

“基于下垂的多电源分布式控制系统设计”,高分资源,匠心制作,查重5%,下载可用。强烈推荐!!! 摘要 社会的进步与发展,人们对于能源的需求和依赖越来越大。与此同时,国家…

通达信擒牛亮剑出击抄底主升浪指标公式源码

通达信擒牛亮剑出击抄底主升浪指标公式源码&#xff1a; ABC1:(CLOSE-REF(CLOSE,1))/REF(CLOSE,1)*100; ABC2:IF(CLOSE>OPEN,CLOSE,OPEN); ABC3:IF(CLOSE>OPEN,OPEN,CLOSE); ABC4:LLV(ABC2,4); ABC5:HHV(ABC3,4); ABC6:ABC2>ABC4 AND ABC3<ABC4 AND ABC2>ABC5 …

【unity实战】制作unity数据保存和加载系统——大型游戏存储的最优解

最终效果 文章目录 最终效果前言存储位置信息存储更多数据存储场景信息持久化存储数据 前言 前面写过小型游戏存储功能&#xff1a; 【unity实战】制作unity数据保存和加载系统——小型游戏存储的最优解&#xff08;包含数据安全处理方案的加密解密&#xff09; 这次做一个针…

spire.Pdf 将pdf转成image

一、nuget安装 <ItemGroup><PackageReference Include"Spire.PDF" Version"10.6.7" /></ItemGroup> 二、直接上代码 using Microsoft.AspNetCore.Mvc; using Microsoft.Extensions.Logging; using System; using System.IO;namespace …

spring 中自动代理生成器的实现

为什么需要自动代理生成器 在 spring 中&#xff0c;提供了 org.springframework.aop.framework.ProxyFactoryBean 来实现对目标 bean 的增强&#xff0c;但此工具类存在以下缺点&#xff1a; 目标 bean 被增强后&#xff0c;获取实例对象时&#xff0c;使用的是配置的代理 b…

PostgreSQL使用教程

安装 PostgreSQL 您可以从 PostgreSQL 官方网站下载适合您操作系统的安装程序&#xff0c;并按照安装向导进行安装。 启动数据库服务器 安装完成后&#xff0c;根据您的操作系统&#xff0c;通过相应的方式启动数据库服务器。 连接到数据库 可以使用命令行工具&#xff08;如 p…

EE trade:利弗莫尔三步建仓法

在股市投资领域&#xff0c;利弗莫尔这个名字代表着无数的智慧和经历。他的三步建仓法成为了投资者们趋之若鹜的学习对象。本文将详细解析利弗莫尔的著名买入法&#xff0c;通过分步进攻方式&#xff0c;有效掌控市场并实现盈利。 一、利弗莫尔的三步建仓法详解 利弗莫尔三步…

SaaS 出海:Databend Cloud 的定位与实践

提到 “SaaS 出海”这个词大家肯定并不陌生&#xff0c;SaaS 企业将业务拓展到海外市场已经成为许多 SaaS 公司的重要战略方向。随着企业对于灵活性、可扩展性以及成本效益需求的不断增长&#xff0c; SaaS 模式提供了理想的解决方案。对于寻求出海机会的 SaaS 企业来说&#x…

秋招Java后端开发冲刺——关系型数据库篇(Mysql)

本文介绍关系型数据库及其代表Mysql数据库&#xff0c;并介常见面试题目。 一、数据库概述 1. 数据库&#xff08;Database, DB&#xff09;&#xff1a;是长期储存在计算机内的、有组织的、可共享的数据集合。 2. 数据库管理系统&#xff08;Database Management System, D…

高性能并行计算华为云实验五:PageRank算法实验

目录 一、实验目的 二、实验说明 三、实验过程 3.1 创建PageRank源码 3.2 makefile的创建和编译 3.3 主机配置文件建立与运行监测 四、实验结果与分析 4.1 采用默认的节点数量及迭代次数进行测试 4.2 分析并行化下节点数量与耗时的变化规律 4.3 分析迭代次数与耗时的变…

数据结构——跳表Skip List

本文对跳表的定义、实现、应用等进行简单总结。 一、 介绍 1.定义 跳表&#xff08;Skip List&#xff09;&#xff1a;是一种概率性数据结构&#xff0c;由William Pugh在1990年提出&#xff0c;主要用于在有序的元素集合上进行快速的搜索、插入和删除操作。跳表的效率与平衡…

百威英博旗下知名啤酒品牌Jupiler,创意助力比利时国足角逐欧洲杯冠军!

怎么说呢&#xff1f;今天非常开心。 因为今天分享的这个品牌创意案例很特别&#xff0c;和夏天、足球有关&#xff0c;和梦想、啤酒有关&#xff0c;还和QR Tiger 、二维彩虹有关。而把这一切连接在一起的&#xff0c;是一个小小的二维码。 这个夏天&#xff0c;百威英博旗下…

选专业,分析就业前景和市场需求

大学专业纷繁复杂&#xff0c;每个专业的就业前景和市场需求也天差地别&#xff0c;一般而言&#xff0c;就业前景优和市场需求的专业的学生更容易就业&#xff0c;更容易实现个人价值&#xff1f; 一、充分利用性格优势 在专业选择当中&#xff0c;如果我们自己对某个专业拥有…

背包模型——AcWing 423. 采药

背包模型 定义 背包模型是一种常见的算法问题模型&#xff0c;它主要涉及将一些物品放入一个容量有限的背包中&#xff0c;以达到某种最优目标&#xff0c;如最大化价值或最小化重量等。 运用情况 常用于资源分配、项目选择、货物装载等实际问题中。例如&#xff0c;在选择…

用AI解锁创意设计新思路

在数字化浪潮的推动下&#xff0c;创意设计领域正经历一场由人工智能&#xff08;AI&#xff09;引领的深刻变革。AI技术的崛起不仅显著提升了设计工作的效率&#xff0c;还为设计师们开辟了前所未有的创新空间。 随着AI技术的持续进步&#xff0c;传统的设计流程正在逐步被重…

Lua流媒体服务器支持(MP4视频、桌面直播、摄像头)

本来在做FFMPEG的项目&#xff0c;忽然想到Lua封装FFMPEG与SRS实现一个简易的直播网站何尝不是一个大胆的想法。 示例为初级版本&#xff0c;主要是用来验证可行性和功能性DEMO 演示效果&#xff1a; Lua流媒体直播服务器(支持MP4、桌面直播、摄像头)_哔哩哔哩_bilibili 代码简…

最佳实践 | HelpLook通过PartnerShare实现低成本的市场拓展

在如今许多行业市场竞争非常激烈&#xff0c;扩大品牌影响力、提升产品竞争力成为企业亟待攻克的难题之一。为此&#xff0c;HelpLook AI知识库对接了PartnerShare联盟系统&#xff0c;为SaaS产品如何做好全民分销带来了全新的解决思路。 PartnerShare凭借成熟的推广体系为Hel…

基于Python/MNE处理fnirs数据

功能性近红外光谱技术在脑科学领域被广泛应用&#xff0c;市面上也已经有了许多基于MATLAB的优秀工具包及相关教程&#xff0c;如&#xff1a;homer、nirs_spm等。而本次教程将基于Python的MNE库对fNIRS数据进行处理。 本次教程基于&#xff1a;https://mne.tools/stable/auto_…