Redis 內存淘汰機制詳解
一般來說，緩存的容量是小於數據總量的，所以，當緩存數據越來越多，Redis 不可避免的會被寫滿，這時候就涉及到 Redis 的內存淘汰機制了。我們需要選定某種策略將「不重要」的數據從 Redis 中清除，為新的數據騰出空間。
配置 Redis 內存大小
我們應該為 Redis 設置多大的內存容量呢？
根據「八二原理「，即 80% 的請求訪問了 20% 的數據，因此如果按照這個原理來配置，將 Redis 內存大小設置為數據總量的 20%，就有可能攔截到 80% 的請求。當然，只是有可能，對於不同的業務場景需要進行不同的配置，一般建議把緩存容量設置為總數據量的 15% 到 30%，兼顧訪問性能和內存空間開銷。
配置方式（以 5GB 為例，如果不帶單位則默認單位是位元組）：
-
命令行
config set maxmemory 5gb -
配置文件
-
查看 maxmemory 命令
config get maxmemory
Redis 的內存淘汰策略
在 Redis 4.0 版本之前有 6 種策略，4.0 增加了 2種，主要新增了 LFU 算法。
下圖為 Redis 6.2.0 版本的配置文件：
其中，默認的淘汰策略是 noevition，也就是不淘汰
我們可以對 8 種淘汰策略可以分為兩大類：
-
不進行淘汰的策略
-
noevition，此策略不會對緩存的數據進行淘汰，當內存不夠了就會報錯，因此，如果真實數據集大小大於緩存容量，就不要使用此策略了。
-
-
會進行淘汰的策略
- 在設置了過期時間的數據中篩選
- volatile-random：隨機刪除
- volatile-ttl：根據過期時間先後進行刪除，越早過期的越先被刪除
- volatile-lru：使用 LRU 算法進行篩選刪除
- volatile-lfu：使用 LFU 算法進行篩選刪除
- 在所有數據中篩選
- allkeys-random：隨機刪除
- allkeys-lru：使用 LRU 算法進行篩選刪除
- allkeys-lfu：使用 LFU 算法進行篩選刪除
- 在設置了過期時間的數據中篩選
以 volatile 開頭的策略只針對設置了過期時間的數據，即使緩存沒有被寫滿，如果數據過期也會被刪除。
以 allkeys 開頭的策略是針對所有數據的，如果數據被選中了，即使過期時間沒到，也會被刪除。當然，如果它的過期時間到了但未被策略選中，同樣會被刪除。
那麼我們如何配置過期策略呢？
-
命令行
config set maxmemory-policy allkeys-lru -
配置文件
LRU 算法
首先簡單介紹一下 LRU 算法：
LRU 全稱是 Least Recently Used，即最近最少使用，會將最不常用的數據篩選出來，保留最近頻繁使用的數據。
LRU 會把所有數據組成一個鏈表，鏈表頭部稱為 MRU，代表最近最常使用的數據；尾部稱為 LRU代表最近最不常使用的數據；
下圖是一個簡單的例子：
但是，如果直接在 Redis 中使用 LRU 算法也會有一些問題：
LRU 算法在實現過程中使用鏈表管理所有緩存的數據，這會給 Redis 帶來額外的開銷，而且，當有數據訪問時就會有鏈表移動操作，進而降低 Redis 的性能。
於是，Redis 對 LRU 的實現進行了一些改變：
- 記錄每個 key 最近一次被訪問的時間戳（由鍵值對數據結構 RedisObject 中的 lru 字段記錄）
- 在第一次淘汰數據時，會先隨機選擇 N 個數據作為一個候選集合，然後淘汰 lru 值最小的。（N 可以通過
config set maxmemory-samples 100命令來配置） - 後續再淘汰數據時，會挑選數據進入候選集合，進入集合的條件是：它的 lru 小於候選集合中最小的 lru。
- 如果候選集合中數據個數達到了 maxmemory-samples，Redis 就會將 lru 值小的數據淘汰出去。
LFU 算法
LFU 全稱 Least Frequently Used，即最不經常使用策略，它是基於數據訪問次數來淘汰數據的，在 Redis 4.0 時添加進來。它在 LRU 策略基礎上，為每個數據增加了一個計數器，來統計這個數據的訪問次數。
前面說到，LRU 使用了 RedisObject 中的 lru 字段記錄時間戳，lru 是 24bit 的，LFU 將 lru 拆分為兩部分：
- ldt 值：lru 字段的前 16bit，表示數據的訪問時間戳
- counter 值：lru 字段的後 8bit，表示數據的訪問次數
使用 LFU 策略淘汰緩存時，會把訪問次數最低的數據淘汰，如果訪問次數相同，再根據訪問的時間，將訪問時間戳最小的淘汰。
為什麼 Redis 有了 LRU 還需要 LFU 呢？
在一些場景下，有些數據被訪問的次數非常少，甚至只會被訪問一次。當這些數據服務完訪問請求後，如果還繼續留存在緩存中的話，就只會白白佔用緩存空間。
由於 LRU 是基於訪問時間的，如果系統對大量數據進行單次查詢，這些數據的 lru 值就很大，使用 LFU 算法就不容易被淘汰。
參考
- 極客時間《Redis核心技術與實戰》
