这是Redis学习笔记的第三篇，这篇主要讲Redis的删除策略和高级数据结构。
数据删除
讲数据删除策略之前我们得先了解什么是过期数据？
其实之前我们就已经接触过数据得时限，Redis是一种内存级数据库，所有数据均存放在内存中，内存中的数据可以通过TTL指令获取其状态：
? XX ：具有时效性的数据
? -1 ：永久有效的数据
? -2 ：已经过期的数据 或 被删除的数据 或 未定义的数据
那么也就是说过期的数据指的是我们给他指定了期限，然后时间到期的数据。
那么这些数据是真的一到期Redis就把它们删除了吗，显然这个任务是很困难的，要达到这个目的Redis要时刻监视所有的数据的时间。
所有我们延时删除数据，于是我们就需要对过期数据做数据删除策略。
我们有三个数据删除策略：1，定时删除 2，惰性删除 3，定期删除
在讲到三种删除策略之前，我们先看这张图，可以发现：我们可以通过“EXPIRE”/“PEXPIRE”来指定key过期的时间(秒/毫秒)，然后具有“过期”时间的key将会被添加到expires集合中，那么我们的删除策略就是在这个expires上做文章。
定时删除
人如其名，这个策略就是定时删除过期数据。具体为：创建一个定时器，当key设置有过期时间，且过期时间到达时，由定时器任务立即执行对键的删除操作。
很好理解，就是定时去看看所有的有期限的key，发现过期的就删掉。
? 优点：节约内存，到时就删除，快速释放掉不必要的内存占用
? 缺点：CPU压力很大，无论CPU此时负载量多高，均占用CPU，会影响redis服务器响应时间和指令吞吐量
其实际就是用处理器性能换取存储空间 （拿时间换空间）。
惰性删除
数据到达过期时间，不做处理。等下次访问该数据时 ①如果未过期，返回数据。 ②发现已过期，删除，返回不存在。
这个也比较好理解，就是我们不刻意去做删除。等到有机会访问该数据时，再对这个数据做删除判断，如果发现过期则删除（Redis：看到这个数据了吗，丢掉也不给你
? 优点：节约CPU性能，发现必须删除的时候才删除
? 缺点：内存压力很大，出现长期占用内存的数据
其实际是用存储空间换取处理器性能（拿时间换空间）
定期删除
定时删除是上诉两种极端方法的折中。它周期性轮询redis库中的时效性数据，采用随机抽取的策略，利用过期数据占比的方式控制删除频度。
这个策略会复杂一些，我直接配合黑马程序员的图来讲了，首先在以前我们说过数据库其实不止一个（默认是16个，我们可以通过select去选择数据库），那么expires集合也不止一个（和数据库个数一样多）。那么这个定期删除策略就是CPU拿出250ms事件去做删除这件事，扫一个数据库期限集合expires的时间是250ms/server.hz（可以理解为一个时间片），那么每一个时间片我们对某个expires[]进行检测：
对某个expires[*]检测时，随机挑选W个key检测（这是一个时间片做的事情）
? 如果key超时，删除key
? 如果一轮中删除的key的数量>W*25%，循环该过程（即对这个比较多垃圾的库再用一个时间片）
? 如果一轮中删除的key的数量≤W*25%，检查下一个expires[*]，0-15循环（这个库垃圾不多，下一个）
那么大志就是这么一个流程了。另外要提的是redis用current_db来保证当前在扫哪个库，然后其实上诉的W可以通过ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP调整。
? 特点1：CPU性能占用设置有峰值，检测频度可自定义设置
? 特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理
其实际是周期性抽查存储空间（随机抽查，重点抽查）
逐出算法
上面讲的删除策略都是对有期限的数据的策略。我们考虑这种情况：可能是永久数据太多，可能是redis删除不够快导致有新数据想进入redis时候，内存不足了。于是就有了我们的逐出算法：
Redis使用内存存储数据，在执行每一个命令前，会调用freeMemorylfNeeded()检测内存是否充足。如果内存不满足新加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理存储空间。清理数据的策略称为逐出算法。
逐出算法的配置
maxmemory
最大可使用内存。作用是：占用物理内存的比例，默认为0，表示不限制。生产环境中根据需求设定，通常设置在50%以上
maxmemory-samples
每次选取待删除数据的个数。作用是：类似上面的定期删除策略，逐出算法选取数据时并不会全库扫描，导致严重的性能消耗，降低读写性能。因此采用随机获取数据的方式作为待检测删除数据
maxmemory-policy
删除策略。作用是：达到最大内存后的，对被挑选出来的数据进行删除的策略
逐出算法删除策略
有以下八种策略，大家都学过操作系统应该很好懂就不细讲了。
? 检测易失数据（可能会过期的数据集server.db[i].expires ）
① volatile-lru：挑选最近最少使用的数据淘汰
② volatile-lfu：挑选最近使用次数最少的数据淘汰
③ volatile-ttl：挑选将要过期的数据淘汰
④ volatile-random：任意选择数据淘汰
? 检测全库数据（所有数据集server.db[i].dict ）
⑤ allkeys-lru：挑选最近最少使用的数据淘汰
⑥ allkeys-lfu：挑选最近使用次数最少的数据淘汰
⑦ allkeys-random：任意选择数据淘汰
? 放弃数据驱逐
⑧ no-enviction（驱逐）：禁止驱逐数据（redis4.0中默认策略），会引发错误OOM（Out Of Memory）
Redis服务器配置
我们之前提到过redis的conf文件，我们通常建议以conf文件启动redis服务器端，那么这里再补充一些常用到的配置。
设置服务器以守护进程的方式运行
deamonize yes|no
绑定主机地址，绑定之后就只有这个ip能访问
bind 127.0.0.1
设置服务器端口号，用哪个端口
port 6379
设置数据库数量，之前多次说到的数据库数量其实可以调的
databases 16
日志配置：
设置服务器以指定日志记录级别
loglevel debug|verbose|notice|warning
日志记录文件名
logfile 端口号.log
客户端配置
设置同一时间最大客户端连接数，默认无限制。当客户端连接到达上限，Redis会关闭新的连接
maxclients 0
客户端闲置等待最大时长，达到最大值后关闭连接。如需关闭该功能，设置为 0
timeout 300
多服务器快捷配置
导入并加载指定配置文件信息，用于快速创建redis公共配置较多的redis实例配置文件，便于维护（就是想C的include功能来导入配置文件
include /path/server-端口号.conf
高级数据结构
在第一篇学习笔记主要讲的就是redis的5中数据结构，那5中式redis最最最常用的。这里再补充三种高级点的数据结构，它并不那么常用，但是能提供的功能也高级一点。
Bitmaps
bitmap是什么，这个也是比较常见的数据结构了。那么再redis这里也一样，bitmap就是二进制位来保存0/1信息的数据结构。
bitmap最基础的两个操作
获取指定key对应偏移量上的bit值：
getbit key offset
设置指定key对应偏移量上的bit值，value只能是1或0：
setbit key offset value
bitmap进阶的两个操作
对指定key按位进行交、并、非、异或操作，并将结果保存到destKey中：
bitop op destKey key1 [key2...]
这里的op可以取：and：交 or：并 not：非 xor：异或
统计指定key中1的数量：
bitcount key [start end]
可以看出，bitmap对于统计 只有是/否 两个答案的场景非常有用。
HyperLogLog
基数：基数是数据集去重后元素个数
HyperLogLog 是用来做基数统计的，运用了LogLog的算法
添加数据：
pfadd key element [element ...]
统计数据：
pfcount key [key ...]
合并数据：
pfmerge destkey sourcekey [sourcekey...]
GEO
GEO是用于统计地图上（经纬度表示）两点之间距离的。
GEO类型的基本操作
添加坐标点：
geoadd key longitude latitude member [longitude latitude member]
获取坐标点：
geopos key member[member …]
计算坐标点距离：
geodist key member1 member2 [unit]
参考资料：
Bilibili黑马程序员的Redis视频：https://www.bilibili.com/video/BV1CJ411m7Gc
原文：https://www.cnblogs.com/clno1/p/12994361.html