前言：

　　我们的redis使用的是内存空间来存储数据的，但是内存空间毕竟有限，随着我们存储数据的不断增长，当超过了我们的内存大小时，即在redis中设置的缓存大小（maxmeory 4GB），redis会怎么处理呢？

Redis内存淘汰策略，是被很多小伙伴忽略的知识盲区，注意，是盲区。

注意，Redis如果内存淘汰策略配置不合理，可能会导致Redis无法服务。

今天就来聊聊redis的缓存淘汰策略：↓ ↓ ↓

首先，介绍一下Redis过期删除策略，然后，再介绍Redis淘汰策略.

1）：Redis过期删除策略 

Redis对于过期的key，有三种删除策略：

• 定期删除（主动删除：由于惰性删除策略无法保证冷数据被及时删掉，所以Redis会定期主动淘汰一批已过期的key）
• 惰性删除（被动删除：当读/写一个已经过期的key时，会触发惰性删除策略，直接删除掉这个过期key）
• 当前已用内存超过maxmemory限定时，触发主动清理策略

定期删除：

redis 会将每个设置了过期时间的 key 放入到一个独立的字典中，以后会定期遍历这个字典来删除到期的 key。

Redis 默认会每秒进行十次过期扫描（100ms一次），过期扫描不会遍历过期字典中所有的 key，而是采用了一种简单的贪心策略。

1、从过期字典中随机 20 个 key；

2、删除这 20 个 key 中已经过期的 key；

3、如果过期的 key 比率超过 1/4，那就重复步骤 1；

redis默认是每隔 100ms就随机抽取一些设置了过期时间的key，检查其是否过期，如果过期就删除。

注意这里是随机抽取的。为什么要随机呢？

你想一想假如 redis 存了几十万个 key ，每隔100ms就遍历所有的设置过期时间的 key 的话，就会给 CPU 带来很大的负载。

惰性删除：

所谓惰性策略就是在客户端访问这个key的时候，redis对key的过期时间进行检查，如果过期了就立即删除，不会给你返回任何东西。

为啥需要两种删除策略呢？

定期删除可能会导致很多过期key到了时间并没有被删除掉。

所以就有了惰性删除。假如你的过期 key，靠定期删除没有被删除掉，还停留在内存里，除非你的系统去查一下那个 key，才会被redis给删除掉。

这就是所谓的惰性删除，即当你主动去查过期的key时,如果发现key过期了,就立即进行删除,不返回任何东西.

总结：定期删除是集中处理，惰性删除是零散处理

2）：Redis 内存爆满 淘汰置换策略 

当 Redis 内存使用达到 maxmemory 时，需要选择设置好的 maxmemory-policy 进行对老数据的置换。

下面是可以选择的置换策略：

不同于之前的版本，redis5.0为我们提供了八个不同的内存置换策略；很早之前提供了6种。

1. volatile-lru：从已设置过期时间的数据集中挑选最近最少使用的数据淘汰。
2. volatile-ttl：从已设置过期时间的数据集中挑选将要过期的数据淘汰。
3. volatile-random：从已设置过期时间的数据集中任意选择数据淘汰。
4. volatile-lfu：从已设置过期时间的数据集挑选使用频率最低的数据淘汰。
5. allkeys-lru：从数据集中挑选最近最少使用的数据淘汰
6. allkeys-lfu：从数据集中挑选使用频率最低的数据淘汰。
7. allkeys-random：从数据集（server.db[i].dict）中任意选择数据淘汰
8. no-enviction（驱逐）：禁止驱逐数据，这也是默认策略。

意思是当内存不足以容纳新入数据时，新写入操作就会报错，请求可以继续进行，线上任务也不能持续进行，采用no-enviction策略可以保证数据不被丢失。

这八种大体上可以分为4中：

1. lru（Least Recently Used，最近最少使用）
2. lfu（Least Frequently Used，最不经常使用）、
3. random（随机）
4. ttl

设置 maxmemory-policy 的方法 和 设置 maxmemory 方法类似，通过 redis.conf 或是通过 CONFIG SET 动态修改。

选择合适的置换策略是很重要的，这主要取决于你的应用的访问模式，当然你也可以动态的修改置换策略；

并通过用 Redis 命令——INFO 去输出 cache 的命中率情况，进而可以对置换策略进行调优。

置换策略是如何工作的？

1. 客户端执行一条新命令，导致数据库需要增加数据（比如set key value）
2. Redis会检查内存使用，如果内存使用超过 maxmemory，就会按照置换策略删除一些 key
3. 新的命令执行成功

我们持续的写数据会导致内存达到或超出上限 maxmemory，但是置换策略会将内存使用降低到上限以下。

如果一次需要使用很多的内存（比如一次写入一个很大的set），那么，Redis 的内存使用可能超出最大内存限制一段时间。

LRU 算法机制：

LRU算法的全称叫做Least Recently Used,也就是最近最少使用原则来进行数据的淘汰算法。

其原理就是，会将数据放入到一个链表中，当链表中的某个元素被访问时，这个元素就被会提到链表的前面，其他元素，默认向后移动；

当这个时候我们想缓存中新增一个元素时，也会被增加到链表的头部，那么尾部的最后一个元素就被淘汰了。

lru的实现思想就是：就是刚被访问的数据，在接下来的时间里，更容易被再次访问，而一段时间没有被访问的数据，之后也不会再次访问。

但是要将redis的全部数据都放入这样一个链表中的话，redis的数据被频繁访问时，需要不停的移动链表的位置，降低redis的性能。

所以redis对LRU算法进行了优化 ↓

在redis中，会给每个数据记录一个最近访问的时间戳（记录在RedisObject的lru字段中），

当需要进行数据淘汰时，redis就随机筛选出N个数据放入到候选集合中去，然后比较这N个数据中的lru的值，最小的就会被淘汰。

当再次需要淘汰数据时，这个时候筛选数据放入到第一次创建的淘汰集合中，那么这次筛选就不在是随机筛选，而是能进入候选集合的数据的 lru 字段值必须小于候选集合中最小的 lru 值，

然后再次将最小的lru的值的数据进行淘汰。

其中N的配置项为：

maxmemory-samples 100 # 表示N为100

LFU 算法机制：

LFU（Least frequently used）称为最近使用最少的数据将被淘汰，redis在就是在LRU的基础上增加一个次数统计。

其步骤就是根据数据的访问次数进行筛选，淘汰访问次数少的数据，如果访问次数相同，在根据访问时间进行比较，淘汰访问时间久远的数据。

redis中的实现方式：就是在RedisObject的字段lru上，拆分为两个部分：

• ldt值：lru字段的前16bit位，还是用来表示时间戳。
• counter值：lru字段的后8bit位，用来表示数据的访问次数。

当 LFU 策略筛选数据时，Redis 会在候选集合中，根据数据 lru 字段的后 8bit 选择访问次数最少的数据进行淘汰。

当访问次数相同时，再根据 lru 字段的前 16bit 值大小，选择访问时间最久远的数据进行淘汰。

但是8个bit位，最大只能记录255的值，但是redis中的数据，有时候会被访问成千上万次，那么这个问题如何进行解决呢？

redis对计数进行了优化，并不是数据被访问一次，counter就会被加1，而是遵循如下规则：↓

当数据被访问一次时，首先用计数器当前的值乘以配置项lfu_log_factor再加1，再取倒数得到一个p值然后把这个p值和一个取值范围在（0,1）的一个随机数r，进行比大小，只有p值大于r时，counter的值才会被加一

lfu-log-factor可以调整计数器counter的增长速度，lfu-log-factor越大，counter增长的越慢。

lfu-decay-time是一个以分钟为单位的数值，可以调整counter的减少速度

#redis部分源码展示

double r = (double)rand()/RAND_MAX;

double p = 1.0/(baseval*server.lfu_log_factor+1);

if (r < p) counter++;

其中 baseval是计数器的当前值。计数器的默认初始值为5（由代码中的 LFU_INIT_VAL 常量设置），并不是为0，这样可以避免数据刚进入缓存，就因为访问次数少而被立即淘汰。

当lfu_log_factor取不同的值时，实际访问次数下，counter的值的变化情况：

在实际的使用场景中，还会有这样一种情况，某些数据可能一开始会被大量的访问，但是过了时间段后，就不会再被访问。

如果这个时候counter的值很大，就算后续不会被访问，也就不会被redis进行数据淘汰。

针对这种情况，在redis中，设计了counter的衰减策略。其实现就是根据lfu_decay_time的配置值，来控制访问次数的衰减。

其流程如下：

• lfu会计算当前时间和数据最近一次访问的时间差值，并将这个差值换算为分钟单位。
• 然后在将这个差值除以lfu_decay_time值，得到的就是我们需要减去的值
• 然后再讲counter的值减去这个值

这样就可以保证在一段时间后，可以淘汰这部分数据。

Redis 的淘汰策略怎么选：

一般来说，有这样一些常用的经验：

• 在所有的 key 都是最近最经常使用，那么就需要选择 allkeys-lru 进行置换最近最不经常使用的 key，如果你不确定使用哪种策略，那么推荐使用 allkeys-lru
• 如果所有的 key 的访问概率都是差不多的，那么可以选用 allkeys-random 策略去置换数据
• 如果对数据有足够的了解，能够为 key 指定 hint（通过expire/ttl指定），那么可以选择 volatile-ttl 进行置换

volatile-lru 和 volatile-random 经常在一个Redis实例既做cache又做持久化的情况下用到，然而，更好的选择使用两个Redis实例来解决这个问题。

设置是失效时间 expire 会占用一些内存，而采用 allkeys-lru 就没有必要设置失效时间，进而更有效的利用内存。