Redis 内存淘汰策略
Redis 提供了多种 内存淘汰策略（Eviction Policy），用于在内存达到上限时决定如何删除数据，以便存入新的数据。我们详细介绍这些策略的 工作机制、适用场景、优缺点。
1. Redis 内存淘汰策略分类
当 Redis 内存达到 maxmemory 限制后，淘汰策略决定如何处理数据。Redis 的淘汰策略主要分为三大类：
- (1) 拒绝写入（不删除数据）
- (2) 仅淘汰带过期时间的 Key
- (3) 淘汰所有 Key
2. 具体的淘汰策略
(1) noeviction（拒绝写入）
- 机制：当内存满时，Redis 不会删除任何 Key，而是直接返回错误。
- 适用场景：适用于 缓存不允许丢失 的情况，例如会话管理、金融交易数据等。
- 优点：
- 数据绝对安全，不会丢失任何 Key。
- 缺点：
- 可能导致 Redis 无法写入数据，影响业务正常运行。
- 适用于严格管控内存的场景，不适用于缓存（cache）用途。
(2) allkeys-lru（所有 Key 采用 LRU 淘汰）
- 机制：在 所有 Key（无论是否有 TTL） 中，淘汰最近最少使用（Least Recently Used, LRU）的 Key。
- 适用场景：适用于 普通缓存，例如 Web 页面缓存、短期存储等。
- 优点：
- 能够自动保留 最近访问的热点数据，提升缓存命中率。
- 缺点：
- 需要额外的 LRU 计算开销（但 Redis 内部已做优化）。
(3) volatile-lru（仅带过期时间的 Key 采用 LRU 淘汰）
- 机制：只淘汰**带 TTL（过期时间）**的 Key，按照 LRU 规则删除最少使用的 Key。
- 适用场景：适用于数据有明确过期时间的缓存（如 Web 页面缓存、令牌管理）。
- 优点：
- 不会影响永久存储的数据（无 TTL 的 Key）。
- 缺点：
- 如果带 TTL 的 Key 很少，或者都还未过期，可能导致无法释放足够的内存，最终 Redis 仍然会写入失败。
(4) allkeys-random（所有 Key 随机淘汰）
- 机制：在所有 Key 中随机选择一些 Key 进行淘汰，不管是否有 TTL。
- 适用场景：适用于不要求缓存命中率的场景，如临时性存储、非核心数据。
- 优点：
- 低计算开销，不需要维护访问频率信息。
- 缺点：
- 缓存命中率较低，可能会删除热点数据，导致 Redis 效率下降。
(5) volatile-random（仅带过期时间的 Key 随机淘汰）
- 机制：只淘汰 带 TTL 的 Key，随机选择一部分 Key 进行删除。
- 适用场景：适用于缓存系统，数据有过期时间，但访问频率无规律。
- 优点：
- 避免删除无 TTL 的数据。
- 缺点：
- 删除不够智能，可能误删热点数据，影响缓存命中率。
(6) volatile-ttl（仅带过期时间的 Key，优先淘汰 TTL 最短的）
- 机制：在所有带 TTL 的 Key 中，优先删除 TTL 最短的 Key。
- 适用场景：适用于有明确过期时间的数据（如定期缓存的数据、会话管理）。
- 优点：
- 使即将过期的数据优先被删除，符合一般业务逻辑。
- 缺点：
- 如果 TTL 设定不合理（比如大量 Key 过期时间相同），仍可能影响命中率。
3. Redis 6.0+ 的 LFU 淘汰策略
Redis 6.0 引入了 LFU（Least Frequently Used） 淘汰策略，进一步优化 LRU 算法。
(7) allkeys-lfu（所有 Key 采用 LFU 淘汰）
- 机制：在 所有 Key 中，淘汰访问最少的 Key。
- 适用场景：适用于热点数据变化较快的场景，如新闻推荐、个性化广告缓存等。
- 优点：
- 能够自动保留最常访问的 Key，比 LRU 更智能。
- 缺点：
- 计算代价比 LRU 高，但 Redis 内部做了优化（基于近似计数）。
(8) volatile-lfu（仅带 TTL 的 Key 采用 LFU 淘汰）
- 机制：在带 TTL 的 Key 中，淘汰访问最少的 Key。
- 适用场景：适用于 对缓存命中率要求高，且数据带过期时间 的情况。
- 优点：
- 不会误删无 TTL 的 Key，并且优先保留访问频率高的 Key。
- 缺点：
- 计算开销较高，但 Redis 6.0 进行了优化。
4. 淘汰策略对比总结
| 淘汰策略 | 适用范围 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|---|
noeviction（默认淘汰策略） | 所有 Key | 数据不能丢失的场景（如金融系统） | 数据安全，不丢失 | 可能导致 Redis 写入失败 |
allkeys-lru | 所有 Key | 普通缓存（如 Web 缓存） | 适应热点数据变化，缓存命中率高 | 需要维护 LRU |
volatile-lru | 仅带 TTL | 数据有明确过期时间的缓存 | 避免删除永久存储的数据 | 若带 TTL 的 Key 很少，可能无法释放足够内存 |
allkeys-random | 所有 Key | 临时存储（不要求命中率） | 计算简单 | 缓存命中率低 |
volatile-random | 仅带 TTL | 随机淘汰缓存数据 | 计算简单 | 可能误删热点数据 |
volatile-ttl | 仅带 TTL | 定期缓存数据（如会话管理） | 优先删除即将过期的数据 | TTL 设定不合理可能影响命中率 |
allkeys-lfu | 所有 Key | 热点数据变化快（如推荐系统） | 优先保留高频访问数据 | 计算比 LRU 略高 |
volatile-lfu | 仅带 TTL | 高频访问缓存（如广告缓存） | 同时考虑访问频率和 TTL | 计算比 LRU 略高 |
5. 选择合适的策略
- 数据不能丢失 ➝
noeviction - 普通缓存，保留热点数据 ➝
allkeys-lru - 数据有过期时间，保留热点数据 ➝
volatile-lru - 不在意命中率，只要释放内存 ➝
allkeys-random - 热点数据变化快，使用频率高 ➝
allkeys-lfu - 仅对带 TTL 的 Key 进行优化 ➝
volatile-ttl/volatile-lfu
总结
Redis 采用 LRU、LFU、TTL、随机淘汰等方式，适应不同场景，合理选择淘汰策略，可以提高 缓存命中率 和 数据管理效率。