最近我们广告的曝光量有点少，于是开始查找原因，曝光量少就是广告没有下发，广告没有下发无非就是接口超时和缓存没数据

首先，我们的前端机针对评论流的广告位有六台，在查某条广告的缓存时发现，其中一台可以获取到，其余的几台都获取不到mc的

数据，但是我们连到这台没有缓存数据的机器上发现，可以正常的get或者set数据。那就开始看mc服务器的参数，于是发现正常的

机器参数如下 : echo -e "stats\nquit\n" | /usr/bin/nc 127.0.0.1 11512

中的evictions为0，其他出现缓存数据没有的机器这个值是：

对 evictions的值达到了接近3亿，也就是mc内存不够，启动了lru策略，值就是LRU释放的对象数目

其中详细解释一下其实的参数和作用

pid：mc服务器的进程id

uptime：服务器已经运行的秒数(可以知道mc运行多久了)

time：服务器的当前时间戳

version：mc版本

pointer_size:当前操作系统指针大小，反映了操作系统的位数，64意味着mc服务器是64位的

rusage-user：进程的累积用户时间

rusage_system:进程的累积系统时间

curr_connections:当前打开着的连接数

total_connections:当服务器启动以后曾经打开过的连接数

connection_structures:服务器分配的连接构造数

cmd_get:get命令总请求次数

cmd_set:set命令总请求次数

cmd_flush:flush_all命令总请求次数

get_hit:总命中次数，重要，缓存最重要的参数就是缓存命中率，以get_hits/(git_hits + get_misses)表示

get_misses:总未命中次数

auth_cmds:认证命令的处理次数

auth_errors:认证失败的处理次数

bytes_read:总读取的字节数

bytes_written:总发送的字节数

limit_maxbytes:分配的内存总大小（字节）

accepting_conns:服务器是否达到过最大连接

threads：当前线程数

bytes：当前存储占用的字节数

curr_items:当前存储的数据总数

total_items:启动以来存储的数据总数

evictions：LRU释放的对象数目（如果还有足够内存，那么这个值应该是0或者不再增长） 为了给新的数据项目释放空间，从缓存移除的缓存对象的数目，比如超过缓存大小时根据LRU算法移除的对象以及过期的对象。

以上就是需要知道的使用stats命令查看mc的缓存相关参数

因为我们看到经常丢失的mc的服务器evictions参数都是大于1，说明内存不足

在看一下运维给memcache是实例分配的大小是：

一个G的内存，-m表示所以slab class 可用内存的上限，以MB为单位，现在1024MB也就是分配了1G的内存给MC

现在得出的结果就是内存不够导致的mc使用lru策略删除最近最少使用的key的value值。

那为什么最近刚写入的数据就被清空了呢，按照策略难道不应该是很久之前的数据被清空么？

借鉴网上的一个设计场景：

1、部署一个memcached测试环境，分配比较小的内存

2、设置一条永远不过期的数据到memcached中，然后再get一次，这条数据后续应该存在LRU队尾

3、每隔1s向memcached set并get一次 10000条数据，过期时间设置为3s

4、一段时间后，stats命令现实evictions=1

按照之前我的理解，2步的数据永远不会被踢，因为有足够过期的数据空间可以给新来的数据用，lru淘汰算法应该跳过没过期的数据，但结果证实是错误的，以上业务

的服务器发生被踢的现象是由于保存了大量存活期短的keyvalue，且key是不重复的，另外又有一业务保存了小量不过期的数据，因此导致不过期的数据惨遭被挤到队列踢出

这是网上找到的一段测试用例。

针对上面那个场景总结以下几条解决方式：

• 过期的数据如果没被显式调用get，则也要占用空间。
• 过期的不要和不过期的数据存在一起，否则不过期的可能被踢。
• 从节约内存的角度考虑，即使数据会过期，也不要轻易使用随机字符串作为key，尽量使用定值如uid，这样占用空间的大小相对固定。
• 估算空间大小时候请用slab size计算，不要按value长度去计算。
• 不要把cache当作更快的key value store来用, cache不是storage。

而我遇到的就是因为内存不够而mc使用LRU策略来解决内存不够，因此导致的新写的key也被踢出去了。因为存储已经满了，那旧数据即使没有到过期时间，也会被移除。

下面分别说一下mc的工作原理和工作流程以及优化建议：

mc工作原理：

基本概念：

slab：它是在启动mc实例的时候预处理好的，每个slab对应一个chunk size

page：可以理解为内存页，大小固定事1M，slab会在存储请求时向系统申请page，并将page按照chunk size进行切割

chunk：保存用户数据的最小单位，用户数据item（包括key，value）最终会保存到chunk内。chunk规格时固定的，如果用户数据放进来后还有剩余则剩余部分不做其他用途

mc工作流程：

mc实例启动，根据-f和-n来进行预分配slab，然后每个slab分配一个page。当用户发来存储请求时（key、value）mc会计算key+value的大小，看看属于那个slab，确定slab后看里面

的释放有空闲chunk放key+value。如果不够就再向系统申请一个page，申请后将page按本slab的chunk size进行切割，然后分配一个存放用户数据

注：

1、chunk是在page里面划分的，而page时固定1M，所以chunk最大不能超过1M

2、chunk实际占用内存要加48b，因为chunk数据结构本身需要占用48B

3、如果用户数据大于1M，mc会将其切割，放到多个chunk内

4、已分配出去的page不能回收

优化建议：

1）-n 参数的设置，注意将此参数设置为1024可以整除的数（还要考虑48B的差值），否则余下来的部分就浪费了。

2）不要存储超过1m的数据。因为要拆成多个chunk，计算和时间成本都成倍增加。

3）善用stats命令查看memcached状态。

4）消灭eviction（被删除的数据）。

造成eviction是因为内存不够，有三个思路：

（1）在CPU有余力的情况下开启压缩（PHP扩展）；

（2）增加内存；

（3）调整-f参数，减少内存浪费。

5）调整业务代码，提高命中率。

6）缓存小数据。省带宽，省网络I/O时间，省内存。

7）根据业务特点，为数据尺寸区间小的业务分配专用的memcached实例。这样可以调小 -f 参数，使数据集中存在少数几个slab上，内存浪费较少。

启动时最重要的参数：

-m 整个memcached最大内存

-f chunk大小增长因子

-n chunk最小分配空间

-C 禁用CAS

-vvv 打印详细信息

我们通过计算可以看出，每个slab的chunk size大小都是上一个大小的1.25倍，1.25就是memcached启动时制定的-f的值，所以，要根据不同的业务场景调整，既要尽可能少的减少内存浪费，又要存得下我们业务中的数据，再举个例子，加入我们的业务很BT，大小都是200kb，我们该怎么做？那当然是要保证我们申请的chunk大小都是200kb了，虽然memcached并不支持这么做。假如创建了38个slabs，最后数据全都落到了第20-25个slab中，那0-19和26-38的内存就被浪费了，这只是能评估出来的，还有一种情况，加入我们的chunk大小是500kb，数据才200kb，因为每个chunk都只能存储一个，所以一个chunk就会有500kb-200kb的空间浪费，如果有一千万个chunk要存，那将会浪费多少空间？所以，在使用memcached之前，先要评估你的数据，根据它去调整-f因子。

memcached删除机制

memcached通过slab机制不会释放已分配的内存，记录超时或删除后不会释放内存，而是重复利用

mc优先使用超时的记录的内存空间

下面说一下LRU策略底层

当缓存没有内存可以分配给新的元素的时候，memcached会从LRU链表的尾部开始淘汰一个ITEM，不管这个ITEM是否还在有效期都将会面临淘汰。LRU链表插入缓存ITEM的时候有先后顺序，所以淘汰一个ITEM也是从尾部进行 也就是先淘汰最早的ITEM。

这就解释了 我们刚写入的数据，在陆续写入更多后，最先被写入的就被淘汰了，因为内存不够，而LRU策略也是从队尾开始淘汰。

最后总结：很久之前在学习memcache时，也知道LRU策略，因为在面试的时候会问哈哈，但是只是按照书面的理解了一下，在实战中没有遇到，就算遇到之前也是有运维。

但是你这样永远不知道咋回事。所以后来的我每次遇到这些问题，就会在屁股后面跟着

运维，一边时配合运维查问题，确保不是业务逻辑带来的，另一方面也是在学习遇到这种问题看看别人是怎么解决的，然后再网上查一下为什么会这样，最后总结整理一下知识点，加深印象。感谢身边优秀的同学们。