Redis4.0LFU24位时钟解析
Redis 4.0在LFU淘汰策略中巧妙复用24位lru字段:高16位存储分钟级时间戳(ldt),低8位采用概率递增的对数计数器(logc),以极小空间开销实现高效冷热识别——logc初始为5避免新key被误判为冷数据,通过LFULogIncr()算法让高频访问键缓慢积累计数值(如logc=200对应百万级访问),同时借助lfu-decay-time控制分钟级衰减节奏,使LFU既抗突发流量又具备时效性;配合object freq和idletime命令可直观观测logc与近似空闲时间,但需注意其惰性更新特性及分钟级精度限制,实际部署中合理匹配decay窗口与业务访问频率才是发挥LFU优势的关键。

LFU的24位lru字段怎么拆成16位+8位
Redis 4.0起,redisObject.lru这个24位字段在LFU模式下不再存LRU时间戳,而是复用为两段:高16位存“最后一次访问的分钟级时间戳”(ldt),低8位存对数计数器(logc)。不是按秒、毫秒,就是**精确到分钟**——比如当前Unix时间戳是1744388700,除以60取整得29073145,再对65536(2¹⁶)取模,结果填入高16位。
这个设计本质是空间换精度:省下额外字段开销,但代价是无法区分同一分钟内多次访问;不过对淘汰策略而言,分钟级衰减粒度已足够。
- 高16位(ldt):只保留
time_t / 60 & 0xFFFF,溢出自动截断,不需手动维护 - 低8位(logc):初始值固定为
LFU_INIT_VAL(即5),不是0——避免新key一上来就被误判为“冷数据” - 两者共存于同一
unsigned lru:24位域,编译器自动按位布局,无需用户干预
为什么logc用8位对数计数器而不是线性计数
8位最多表示0–255,如果直接当访问次数用,连一次高频接口调用都撑不住。Redis用概率递增算法LFULogIncr()绕过这个限制:counter越大,下次+1的概率越小。默认lfu-log-factor 10时,counter=200对应的实际访问次数已超百万。
关键点在于“抗突发”:短时间刷100次不会让logc从5飙到105,而是大概率停在20左右。这保证了真正长期高频的key才能积累高logc值。
- 公式实际是
1.0 / ((counter - 5) * server.lfu_log_factor + 1),counter ≤ 5时baseval=0,概率恒为1 counter == 255时直接返回,不再尝试增长,防止溢出回卷- 该函数在每次
lookupKey命中时调用,未命中的key不触发计数器更新
lfu-decay-time参数如何影响16位时间戳的衰减行为
lfu-decay-time设的是“多少分钟触发一次衰减”,不是时间戳本身的精度。Redis每分钟检查一次,若距上次衰减已超lfu-decay-time分钟,则对所有候选key的logc执行衰减:logc = logc - (now_ldt - ldt) * decay_factor,其中decay_factor固定为1。
也就是说,16位ldt存储的是“最后访问在哪一分钟”,而衰减计算依赖的是两个ldt的差值(单位:分钟)。如果lfu-decay-time设为0,衰减逻辑被跳过,logc永不下降——等同于关闭LFU的时效性。
- ldt本身不随衰减改变,只在每次key被访问时刷新为当前分钟值
- 两次访问间隔若为3分钟,且
lfu-decay-time=1,则中间会触发3次衰减(每分钟1次),logc总共减3 - 若
lfu-decay-time=10,同样3分钟间隔内不衰减,logc保持不变
用object freq和object idletime验证LFU字段是否生效
object freq命令返回的就是当前key的logc值(低8位),object idletime返回的是基于ldt推算的空闲秒数(注意:它用的是LRU逻辑,但在LFU模式下,ldt仍是分钟级,所以idletime精度会降为分钟×60,可能比真实空闲时间少最多59秒)。
这两个命令不修改lru字段,适合线上观察。但要注意:它们读取的是内存中当前值,而LFU衰减是惰性触发的——只有在淘汰流程或显式调用updateLFU时才真正计算。
object freq key返回0–255之间的整数,>0说明LFU已参与计数object idletime key返回-1表示key不存在,返回正数时需意识到这是近似值- 想看原始24位值?没有直接命令,只能通过debug object或内存dump解析
robj.lru
实际部署时,最易忽略的是lfu-decay-time与业务访问节奏的匹配。比如秒级高频写入的场景,设成10分钟会导致logc长期不衰减,冷热区分失效;而设成0又会让短期热点key迅速沉底。建议先用monitor观察key访问分布,再反推合理的衰减窗口。
今天关于《Redis4.0LFU24位时钟解析》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!
PHP字符串点号拼接技巧全解析
- 上一篇
- PHP字符串点号拼接技巧全解析
- 下一篇
- Windows调整桌面图标大小和间距方法
-
- 数据库 · Redis | 1小时前 | 消息队列 · redis 消费者组 XAUTOCLAIM Redis Streams pending消息
- Redis 消费者组 pending 消息的认领与恢复流程
- 101浏览 收藏
-
- 数据库 · Redis | 3小时前 |
- Redis Streams 按业务时间裁剪历史消息的参数方案
- 145浏览 收藏
-
- 数据库 · Redis | 5小时前 | Redis · redis 地理位置 GEOSEARCHSTORE
- Redis GEOSEARCHSTORE 怎么保存附近对象结果
- 351浏览 收藏
-
- 数据库 · Redis | 15小时前 |
- Redis BLMOVE 怎么实现可恢复的阻塞队列
- 460浏览 收藏
-
- 数据库 · Redis | 17小时前 |
- Redis BITFIELD 溢出策略 WRAP SAT FAIL 怎么选
- 471浏览 收藏
-
- 数据库 · Redis | 19小时前 |
- Redis SET 的 GET 选项怎么原子取得旧值
- 413浏览 收藏
-
- 数据库 · Redis | 21小时前 | Redis ·
- Redis 分片 Pub/Sub 与普通 Pub/Sub 有什么区别
- 327浏览 收藏
-
- 数据库 · Redis | 1天前 |
- Redis LATENCY DOCTOR 怎么判断延迟来源
- 169浏览 收藏
-
- 数据库 · Redis | 1天前 |
- Redis ACL 怎么同时限制命令和键前缀
- 244浏览 收藏
-
- 数据库 · Redis | 1天前 |
- Redis Functions 怎么替代需要重复加载的 Lua 脚本
- 177浏览 收藏
-
- 数据库 · Redis | 1天前 |
- Redis 有序集合按分值和字典序查询有什么区别
- 411浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 256次使用
-
- 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。
- 298次使用
-
- 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。
- 275次使用
-
- 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。
- 253次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 61次使用
-
- Redis Stream XTRIM 如何避免消费组积压无限增长
- 2026-09-12 501浏览
-
- Redis AOF rewrite 期间如何判断磁盘与内存压力
- 2026-09-12 501浏览
-
- Redis RDB 和 AOF 怎么按可接受数据丢失量选择
- 2026-09-08 501浏览
-
- Redis XAUTOCLAIM 之后为什么仍有 pending:JUSTID、PEL 与消息删除边界
- 2026-08-29 501浏览
-
- Redis SET 的 GET 与 KEEPTTL 怎么一起验收:旧值返回、续期与回滚边界
- 2026-08-20 501浏览
