1. stringRedisTemplate.opsForValue().set("test", "100",60*10,TimeUnit.SECONDS);//向redis裡存入資料和設定快取時間

1. stringRedisTemplate.boundValueOps("test").increment(-1);//val做-1操作

1. stringRedisTemplate.opsForValue().get("test")//根據key獲取快取中的val

1. stringRedisTemplate.boundValueOps("test").increment(1);//val +1

1. stringRedisTemplate.getExpire(
   "test")//根據key獲取過期時間

1. stringRedisTemplate.getExpire("test",TimeUnit.SECONDS)//根據key獲取過期時間並換算成指定單位

1. stringRedisTemplate.delete("test");//根據key刪除快取

1. stringRedisTemplate.hasKey("546545");//檢查key是否存在，返回boolean值

1. stringRedisTemplate.opsForSet().add("red_123", "1","2","3");//向指定key中存放set集合

1. stringRedisTemplate.expire(
   "red_123",1000 , TimeUnit.MILLISECONDS);//設定過期時間
2. stringRedisTemplate.opsForSet().isMember("red_123", "1")//根據key檢視集合中是否存在指定資料

1. stringRedisTemplate.opsForSet().members("red_123");//根據key獲取set集合

=============================================================================

專案中有個介面要頻繁呼叫查詢資料庫中的資料，為了降低資料庫的壓力，所以把一部分記錄先快取在

redis-cli keys '*'|wc -l

• 1

• 1

獲取到的資料和實際情況是一樣的。如下面兩圖： 
 
 
對比發現，redis中key的總量為286957，比資料庫中的264032高出了20000多個！為什麼會這樣呢？查詢程式原因，並沒有發現邏輯問題。查詢redis相關資料，發現原來是redis對過期鍵處理機制導致的誤差。 
dbsize返回的是包含過期鍵的總數，所以造成了誤差！結合查詢的資料，拿來一起分享。

Redis對於過期鍵有三種清除策略：

• 被動刪除：當讀/寫一個已經過期的key時，會觸發惰性刪除策略，直接刪除掉這個過期key
• 主動刪除：由於惰性刪除策略無法保證冷資料被及時刪掉，所以Redis會定期主動淘汰一批已過期的key
• 當前已用記憶體超過maxmemory限定時，觸發主動清理策略

被動刪除

只有key被操作時(如GET)，REDIS才會被動檢查該key是否過期，如果過期則刪除之並且返回NIL。 
1、這種刪除策略對CPU是友好的，刪除操作只有在不得不的情況下才會進行，不會對其他的expire key上浪費無謂的CPU時間。 
2、但是這種策略對記憶體不友好，一個key已經過期，但是在它被操作之前不會被刪除，仍然佔據記憶體空間。如果有大量的過期鍵存在但是又很少被訪問到，那會造成大量的記憶體空間浪費。expireIfNeeded(redisDb *db, robj *key)函式位於src/db.c。 
但僅是這樣是不夠的，因為可能存在一些key永遠不會被再次訪問到，這些設定了過期時間的key也是需要在過期後被刪除的，我們甚至可以將這種情況看作是一種記憶體洩露—-無用的垃圾資料佔用了大量的記憶體，而伺服器卻不會自己去釋放它們，這對於執行狀態非常依賴於記憶體的Redis伺服器來說，肯定不是一個好訊息。

主動刪除

先說一下時間事件，對於持續執行的伺服器來說， 伺服器需要定期對自身的資源和狀態進行必要的檢查和整理， 從而讓伺服器維持在一個健康穩定的狀態， 這類操作被統稱為常規操作（cron job）

在 Redis 中， 常規操作由 redis.c/serverCron 實現， 它主要執行以下操作

• 更新伺服器的各類統計資訊，比如時間、記憶體佔用、資料庫佔用情況等。
• 清理資料庫中的過期鍵值對。
• 對不合理的資料庫進行大小調整。
• 關閉和清理連線失效的客戶端。
• 嘗試進行 AOF 或 RDB 持久化操作。
• 如果伺服器是主節點的話，對附屬節點進行定期同步。
• 如果處於叢集模式的話，對叢集進行定期同步和連線測試。

Redis 將 serverCron 作為時間事件來執行， 從而確保它每隔一段時間就會自動執行一次， 又因為 serverCron 需要在 Redis 伺服器執行期間一直定期執行， 所以它是一個迴圈時間事件： serverCron 會一直定期執行，直到伺服器關閉為止。

在 Redis 2.6 版本中， 程式規定 serverCron 每秒執行 10 次， 平均每 100 毫秒執行一次。 從 Redis 2.8 開始， 使用者可以通過修改 hz選項來調整 serverCron 的每秒執行次數， 具體資訊請參考 redis.conf 檔案中關於 hz 選項的說明也叫定時刪除，這裡的“定期”指的是Redis定期觸發的清理策略，由位於src/redis.c的activeExpireCycle(void)函式來完成。

serverCron是由redis的事件框架驅動的定位任務，這個定時任務中會呼叫activeExpireCycle函式，針對每個db在限制的時間REDIS_EXPIRELOOKUPS_TIME_LIMIT內遲可能多的刪除過期key，之所以要限制時間是為了防止過長時間 的阻塞影響redis的正常執行。這種主動刪除策略彌補了被動刪除策略在記憶體上的不友好。

因此，Redis會週期性的隨機測試一批設定了過期時間的key並進行處理。測試到的已過期的key將被刪除。典型的方式為,Redis每秒做10次如下的步驟：

1. 隨機測試100個設定了過期時間的key
2. 刪除所有發現的已過期的key
3. 若刪除的key超過25個則重複步驟1

這是一個基於概率的簡單演算法，基本的假設是抽出的樣本能夠代表整個key空間，redis持續清理過期的資料直至將要過期的key的百分比降到了25%以下。這也意味著在任何給定的時刻已經過期但仍佔據著記憶體空間的key的量最多為每秒的寫操作量除以4.

Redis-3.0.0中的預設值是10，代表每秒鐘呼叫10次後臺任務。

除了主動淘汰的頻率外，Redis對每次淘汰任務執行的最大時長也有一個限定，這樣保證了每次主動淘汰不會過多阻塞應用請求，以下是這個限定計算公式：

#define ACTIVE_EXPIRE_CYCLE_SLOW_TIME_PERC 25 /* CPU max % for keys collection */  

...  

timelimit = 1000000*ACTIVE_EXPIRE_CYCLE_SLOW_TIME_PERC/server.hz/100;

• 1
• 2
• 3
• 4
• 5
• 6

• 1
• 2
• 3
• 4
• 5
• 6

hz調大將會提高Redis主動淘汰的頻率，如果你的Redis儲存中包含很多冷資料佔用記憶體過大的話，可以考慮將這個值調大，但Redis作者建議這個值不要超過100。我們實際線上將這個值調大到100，觀察到CPU會增加2%左右，但對冷資料的記憶體釋放速度確實有明顯的提高（通過觀察keyspace個數和used_memory大小）。

可以看出timelimit和server.hz是一個倒數的關係，也就是說hz配置越大，timelimit就越小。換句話說是每秒鐘期望的主動淘汰頻率越高，則每次淘汰最長佔用時間就越短。這裡每秒鐘的最長淘汰佔用時間是固定的250ms（1000000*ACTIVE_EXPIRE_CYCLE_SLOW_TIME_PERC/100），而淘汰頻率和每次淘汰的最長時間是通過hz引數控制的。

從以上的分析看，當redis中的過期key比率沒有超過25%之前，提高hz可以明顯提高掃描key的最小個數。假設hz為10，則一秒內最少掃描200個key（一秒呼叫10次*每次最少隨機取出20個key），如果hz改為100，則一秒內最少掃描2000個key；另一方面，如果過期key比率超過25%，則掃描key的個數無上限，但是cpu時間每秒鐘最多佔用250ms。

當REDIS執行在主從模式時，只有主結點才會執行上述這兩種過期刪除策略，然後把刪除操作”del key”同步到從結點。

maxmemory 
當前已用記憶體超過maxmemory限定時，觸發主動清理策略

• volatile-lru：只對設定了過期時間的key進行LRU（預設值）
• allkeys-lru ： 刪除lru演算法的key
• volatile-random：隨機刪除即將過期key
• allkeys-random：隨機刪除
• volatile-ttl ： 刪除即將過期的
• noeviction ： 永不過期，返回錯誤

當mem_used記憶體已經超過maxmemory的設定，對於所有的讀寫請求，都會觸發redis.c/freeMemoryIfNeeded(void)函式以清理超出的記憶體。注意這個清理過程是阻塞的，直到清理出足夠的記憶體空間。所以如果在達到maxmemory並且呼叫方還在不斷寫入的情況下，可能會反覆觸發主動清理策略，導致請求會有一定的延遲。

清理時會根據使用者配置的maxmemory-policy來做適當的清理（一般是LRU或TTL），這裡的LRU或TTL策略並不是針對redis的所有key，而是以配置檔案中的maxmemory-samples個key作為樣本池進行抽樣清理。

maxmemory-samples在redis-3.0.0中的預設配置為5，如果增加，會提高LRU或TTL的精準度，redis作者測試的結果是當這個配置為10時已經非常接近全量LRU的精準度了，並且增加maxmemory-samples會導致在主動清理時消耗更多的CPU時間，建議：

• 儘量不要觸發maxmemory，最好在mem_used記憶體佔用達到maxmemory的一定比例後，需要考慮調大hz以加快淘汰，或者進行叢集擴容。
• 如果能夠控制住記憶體，則可以不用修改maxmemory-samples配置；如果Redis本身就作為LRU cache服務（這種服務一般長時間處於maxmemory狀態，由Redis自動做LRU淘汰），可以適當調大maxmemory-samples。

這裡提一句，實際上redis根本就不會準確的將整個資料庫中最久未被使用的鍵刪除，而是每次從資料庫中隨機取5個鍵並刪除這5個鍵裡最久未被使用的鍵。上面提到的所有的隨機的操作實際上都是這樣的，這個5可以用過redis的配置檔案中的maxmemeory-samples引數配置。

Replication link和AOF檔案中的過期處理

為了獲得正確的行為而不至於導致一致性問題，當一個key過期時DEL操作將被記錄在AOF檔案並傳遞到所有相關的slave。也即過期刪除操作統一在master例項中進行並向下傳遞，而不是各salve各自掌控。這樣一來便不會出現資料不一致的情形。當slave連線到master後並不能立即清理已過期的key（需要等待由master傳遞過來的DEL操作），slave仍需對資料集中的過期狀態進行管理維護以便於在slave被提升為master會能像master一樣獨立的進行過期處理。

參考博文：