Redis的内存优化

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Redis的内存优化，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4467字，纯文字阅读大概需要7分钟。

内容图文

Redis所有数据都在内存中，用户自然会想到如何有效的使用内存。Redis的作者已考虑了内存的优化，所以从用户的角度，Redis内存的优化包括两个方面，一个是Redis Server本省对内存的优化，一个是应用方面的优化。

Redis Server本身对内存的优化

1.存储编码的优化

Redis存储的数据都使用redisObject结构体来封装，包括string、hash、list、set和zset在内的所有数据类型。

redisObject结构体如下所示：

redisObject

 type - 对象类型

 encoding - 内部编码类型

 lru - LRU计时时钟

 int refcount - 引用计数器

 void *ptr - 数据指针

在redisObject中有个encoding字段，表示Redis内部编码类型，同一个对象采用不同的编码实现内存占用存在明显差异。

对于编码优化的配置，可参考redis.conf：

# Lists are also encoded in a special way to save a lot of space.

# The number of entries allowed per internal list node can be specified

# as a fixed maximum size or a maximum number of elements.

# For a fixed maximum size, use -5 through -1, meaning:

# -5: max size: 64 Kb  <-- not recommended for normal workloads

# -4: max size: 32 Kb  <-- not recommended

# -3: max size: 16 Kb  <-- probably not recommended

# -2: max size: 8 Kb   <-- good

# -1: max size: 4 Kb   <-- good

# Positive numbers mean store up to _exactly_ that number of elements

# per list node.

# The highest performing option is usually -2 (8 Kb size) or -1 (4 Kb size),

# but if your use case is unique, adjust the settings as necessary.

list-max-ziplist-size -2

# Lists may also be compressed.

# Compress depth is the number of quicklist ziplist nodes from *each* side of

# the list to *exclude* from compression.  The head and tail of the list

# are always uncompressed for fast push/pop operations.  Settings are:

# 0: disable all list compression

# 1: depth 1 means "don't start compressing until after 1 node into the list,

#    going from either the head or tail"

#    So: [head]->node->node->...->node->[tail]

#    [head], [tail] will always be uncompressed; inner nodes will compress.

# 2: [head]->[next]->node->node->...->node->[prev]->[tail]

#    2 here means: don't compress head or head->next or tail->prev or tail,

#    but compress all nodes between them.

# 3: [head]->[next]->[next]->node->node->...->node->[prev]->[prev]->[tail]

# etc.

list-compress-depth 0

# Hashes are encoded using a memory efficient data structure when they have a

# small number of entries, and the biggest entry does not exceed a given

# threshold. These thresholds can be configured using the following directives.

hash-max-ziplist-entries 512

hash-max-ziplist-value 64

# Sets have a special encoding in just one case: when a set is composed

# of just strings that happen to be integers in radix 10 in the range

# of 64 bit signed integers.

# The following configuration setting sets the limit in the size of the

# set in order to use this special memory saving encoding.

set-max-intset-entries 512

# Similarly to hashes and lists, sorted sets are also specially encoded in

# order to save a lot of space. This encoding is only used when the length and

# elements of a sorted set are below the following limits:

zset-max-ziplist-entries 512

zset-max-ziplist-value 64

2.共享对象池（Java中也存在类似优化）

共享对象池是指Redis内部维护了[0-9999]的整数对象池，用于节约内存。除了整数值对象，其它类型如list、hash、set和zset内部元素也可以使用整数对象池。

但要注意当设置maxmemory，并启用LRU相关淘汰策略如，volatile-lru，allkeys-lru时，Redis禁止使用共享对象池。LRU算法需要获取对象最后被访问时间，以便淘汰最长未访问数据，每个对象最后访问时间存储在redisObject对象的lru字段。对象共享意味着多个引用共享同一个RedisObject，这时lru字段也会被共享，导致无法获取每个对象的最后访问时间。

3.字符串优化

Redis没有采用原生C语言的字符串类型，而是自己实现了字符串结构，简单动态字符串（simple dynamic string，SDS）。其内部实现空间预分配机制，降低内存再分配次数。但要防止预分配，带来的内存浪费。尽量减少字符串频繁修改操作append、setrange，改为直接使用set修改字符串，降低预分配带来的内存浪费和内存碎片。

应用方面的优化

1.控制键的数量，使用hash代替多个key value。

使用Redis不要进入一个误区，大量使用get/set这样的API，把其当成Memcached使用。对于存储相同的数据内容，利用Redis的数据结构降低外层键的数量，也可以节省大量内存。

2.缩减键值对象

对key长度，设计键时，在完整描述业务情况下，键值越短越好。

value长度，值对象缩减比较复杂，常见的做法是把业务对象序列化成二进制数组放入Redis，这时就要选择更高效的序列化工具。值对象除了存储二进制数据之外，通常还会使用通用格式存储数据比如json、xml等作为字符串存储在Redis中，可使用通用压缩算法压缩json、xml后再存入Redis，从而降低内存占用。

重点参考2个链接:

https://redis.io/topics/data-types-intro

https://redis.io/topics/memory-optimization

内容总结

以上是互联网集市为您收集整理的Redis的内存优化全部内容，希望文章能够帮你解决Redis的内存优化所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端