当前位置:首页 > 文章列表 > 数据库 > Redis > Redis 4.0引入LFU后LRU还更新吗

Redis 4.0引入LFU后LRU还更新吗

2026-04-24 19:54:44 0浏览 收藏
Redis 4.0引入LFU并非取代LRU,而是与其共存互补:LRU仍是默认且持续优化的核心淘汰策略,适用于时间局部性强的短周期缓存场景;其底层实现虽保留24位lru字段带来的194天时间戳回绕与毫秒级精度限制,但通过提升采样数(maxmemory-samples默认升至10)、优化分布均匀性等方式在精度与性能间做出精妙权衡——这并非技术停滞,而是Redis在亿级键规模下,为内存效率、CPU开销与缓存行局部性所作出的清醒取舍。

Redis 4.0引入LFU后原有LRU还在更新吗_探析后续版本持续对LRU候选池和时钟精度的底层代码优化

Redis 4.0之后LRU是否被废弃?

没有。LRU不仅没被废弃,allkeys-lruvolatile-lru 仍是默认策略之一,且在 6.x、7.x 中持续获得底层优化。LFU是新增选项,不是替代项。两者共存,适用场景不同:LRU更适合访问时间局部性强的短周期缓存(如会话、临时令牌),LFU更适合识别长期稳定热点(如商品详情页、配置中心主键)。

LRU候选池采样逻辑在新版本有无变化?

有调整,但非重构。核心仍是随机采样 + 比较 lru 字段值,不过从 Redis 5.0 开始,maxmemory-samples 的默认值从 5 提升为 10;Redis 7.0 进一步优化了采样分布均匀性,避免极端偏斜导致误淘汰。你仍可通过 CONFIG SET maxmemory-samples 15 手动调高,但注意:超过 20 后性能收益趋缓,而 CPU 开销线性上升。

LRU的时间戳精度还受限于 24 位 lru 字段吗?

是的,至今未变。每个 redisObjectlru 字段仍是 24 位,存储的是毫秒级时间戳对 2²⁴ 取模结果(约 194 天周期)。这意味着:

  • 若两个 key 的访问间隔超过 194 天,它们的 lru 值可能“回绕”后无法正确比较先后
  • 高频写入场景下(如每秒数万次访问),同一毫秒内多个操作共享相同 lru 值,排序依赖采样随机性
  • 该设计是明确的取舍:用精度换空间和速度,Redis 宁可接受少量误判,也不愿为每个 key 额外分配 8 字节时间戳

为什么改不了 lru 字段长度?

因为牵一发而动全身。Redis 的 redisObject 是高频复用的核心结构体,其大小直接影响内存碎片率与缓存行利用率。当前 16 字节紧凑布局(含 type、encoding、lru、refcount、ptr)已高度优化。扩展 lru 到 32 或 64 位,会迫使整个结构体对齐到 24 或 32 字节,实测在亿级 key 场景下内存占用增加 8%–12%,且破坏 CPU 缓存行局部性。这不是技术不能,而是权衡后主动不为。

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Redis 4.0引入LFU后LRU还更新吗》文章吧,也可关注golang学习网公众号了解相关技术文章。

Linux日志监控技巧:logwatch自动分析指南Linux日志监控技巧:logwatch自动分析指南
上一篇
Linux日志监控技巧:logwatch自动分析指南
Linux安装配置Ansible-AWX运维平台
下一篇
Linux安装配置Ansible-AWX运维平台
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    197次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    252次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    207次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    192次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    182次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码