Redis系列1：深刻理解高性能Redis的本质
 Redis系列2：数据持久化提高可用性
 Redis系列3：高可用之主从架构
 Redis系列4：高可用之Sentinel(哨兵模式）
Redis系列5：深入分析Cluster 集群模式
 追求性能极致：Redis6.0的多线程模型
 追求性能极致：客户端缓存带来的革命
 Redis系列8：Bitmap实现亿万级数据计算
 Redis系列9：Geo 类型赋能亿级地图位置计算
 Redis系列10：HyperLogLog实现海量数据基数统计

1 前言

通过前面的一些文章我们知道，Redis的各项能力是基于内存实现的，相对其他的持久化存储（如MySQL、File等，数据持久化在磁盘上），性能会高很多，这也是高速缓存的一个优势。
但是问题来了，每一台机器内存终归是有限的，即使是集群模式，总的内存空间也是有限的，不能无限制的消耗。而在Redis的使用过程中，很有可能出现使用消耗超过内存实际大小的情况。比如以下几种情况：

未设置过期时间，Redis的Key将一直存在，直至我们明确将它删除。
过度跟不合理的持久化（无论是RDB快照或是 AOF日志），都会在内存和磁盘中反复操作，需要一定的内存空间进行处理。
不及时清理过期缓存：清理过期缓存的方式主要有以下两种，并不是实时或者准实时，所以存在部分过期缓存依旧存在的问题。
- 主动定期删除： Redis 默认每 1 秒运行 10 次（平均每 100 ms 执行一次），每次随机抽取部分设置过期时间的 key，检查是否过期，若是过期就直接删除，直至过期的 key 比率低于 1/4。
- 被动惰性删除：缓存过期并不马上清理，当客户端的请求查询该 key 的时候，检查下 key 是否过期，如果过期，则删除该 key，重新获取。如果长时间未请求，就会有过期缓存滞留。
不合理不规范的使用缓存，导致内存耗尽，比如：
- 过度使用缓存，既缓存冷数据也能缓存热数据，导致内存占用过多，性能也没有得到有效提高
- 缓存数量过多或者单个缓存的Value体积过大
- 缓存过期时间设置过长或者根本不设置

2 Redis内存淘汰策略

所以，如果放任上面的那几种情况，内存终归会满的，Redis自身有一套比较完善的内存淘汰策略来专门应对这个问题，在Redis Memory占用超过我们配置的阈值的时候触发策略执行。

# redis.conf 配置最大内存空间占用为2gb，超过则执行内存淘汰策略
redis > CONFIG SET maxmemory 2gb

内存淘汰策略一共有8中，除了一种不执行淘汰策略之外，其他7种都是按照各自不一的算法对内存中现有的数据进行处理。
我们下面详细来看一下这些淘汰策略，把他们分成三大类，8小类来逐一讲解：

2.1 不淘汰策略

2.1.1 noeviction 不淘汰策略

noeviction指的是即使资源超过 maxmemory 限制的值也不会执行淘汰，只是不允许创建新的缓存了。
当Redis内存占用达到我们上面的配置的阈值（比如 5gb）之后，就不允许新增缓存key了，当有新的缓存要创建的时候，Redis 直接返回error。

2.2 仅淘汰配置过期时间key

这边仅针对配置了过期时间的数据进行淘汰

2.3.1 volatile-lru ：删除最近最少使用的key

LRU（Least Recently Used）是按照最近最少使用原则来筛选数据，即最不常用的数据会被筛选出来。
如果我们的服务中有冷热数据隔离需求，这无疑是一个比较好的办法。可以将缓存的一些不经常使用的冷数据，而且数据size比较大的，筛选出来清理掉。而近期频繁被使用的key就被保留下来了。
常见的场景如下：

电商平台的冷热数据：比如冬季，保暖冬装、电暖设备的浏览次数就会升高，而相应的冷饮、制冷设备（冰箱、空调）的浏览次数就会降低，那么LRU策略下优先删除的就是最近一段时间未访问的缓存信息。
外卖平台：每天的11~13点，17~19点，一定是美食外卖品种的高频率访问时间段，而日用品、果蔬生鲜大都会避开这个高峰期，这时如果内存不够用了，那么就会成为被优先删除的缓存类型。

2.3.2 volatile-lfu：删除访问次数最少的key（4.0 之后新增的策略）

LRU算法的不足之处在于，一个本身很少被访问的key，只是刚刚被访问了1次，就被认为是最近有使用的热点数据，导致短时间内不会被淘汰。
而LFU弥补了这个不足，LFU（Least Frequently Used）淘汰策略会根据key的最近访问频率进行淘汰，解决上面说的这个不足。

LFU在LRU的基础上，为每个数据增加了一个计数器，用于统计该数据的访问次数。
当使用LFU策略淘汰数据时，会根据数据的访问次数进行筛选，把访问次数最低的数据淘汰出内存。
如果两个缓存数据的访问次数相同，LFU再比较这两个key最近一次的访问时间，把访问时间更早的缓存key淘汰出内存。

常见的应用场景：

对于电商平台中的冷门的商品，电子书App中热度较低、阅读量较低的书籍。这种类型的缓存会优先被淘汰掉。

2.3.3 volatile-random：随机删除过期key

针对有配置过期时间，但没有明显的冷热访问频率区别，所有的查询分布比较均衡的数据。这时候就使用 allkeys-random 策略吧，让它随机选择需要淘汰数据，也相对公平。
常见的使用场景有：

电商平台：常规时段的商品浏览。
钉钉之类工具：老师无差别抽查学生的作业。

2.3.4 volatile-ttl：删除过期时间内剩余时间最短的key

这个特性仅限于配置过期时间的场景，它是根据当前时间跟过期时间的差额进行由短到长的排序，较短的优先淘汰。

 asc_sort(validate_time - current_time)

这种算法相对来说也不考虑缓存的访问频率和重要程度，仅按照创建的先后进行清理，越早的缓存越早清理。
所以不具备明显特征的业务场景都适用。

2.3.5 补充说明

业务场景有一些数据始终不需要删除，比如置顶新闻、视频，还有我们自己置顶的weibo。为了保障它们不被清理掉，就给这些数据不设置过期时间，这样的话 volatile类型的淘汰策略就不会影响了。但如果是 allkeys 开头的策略依旧会影响到。

2.3 淘汰所有缓存类型的key

无论是否配置了过期时间的数据均可进行淘汰。
从微服务拆分的角度说，不同的服务类型个方向的服务进行院子隔离会比较一点。这一点设计思维在缓存上依旧适用。
我们可以将不需要过期时间的缓存信息和需强制配置过期时间的缓存key分开。针对业务场景分别使用 volatile-xxx 策略和 allkyes-xxx策略。

2.3.1 allkeys-lru：删除最近最少使用的key

保留最近有使用的key，类似volatile-lru

2.3.2 allkeys-lfu：删除访问次数最少的key

最不经常使用的，类似volatile-lfu

2.3.3 allkeys-random：随机删除过期key

无差别随机删除，volatile-random，为添加新数据腾出空间

2.4 策略命令的使用

# 获取当前内存淘汰策略
redis > config get maxmemory-policy

# 获取Redis能使用的最大内存大小：如果不设置最大内存大小或者设置最大内存大小为0，在64位操作系统下不限制内存大小，在32位操作系统下最多使用3GB内存。
redis > config get maxmemory

#  通过命令配置淘汰策略
redis > config set maxmemory-policy volatile-lru

# 设置Redis最大占用内存大小，这边最大占用内存大小配置为2000M
redis > config set maxmemory 2000mb