Redis淘汰策略简介

Redis的淘汰策略发生在内存被写满的时候。内存是有限的，总有满的时候。所以Redis就为我们提供了多种不同的策略让我们来淘汰掉旧的数据。

Redis的内存大小限制和淘汰策略可以用如下配置进行：

maxmemory <bytes>
maxmemory-policy <policy>



eg.   maxmemory 300mb
      maxmemory-policy allkeys-lru

下面就来分别介绍这些策略。

noeviction

noeviction是这些策略里面最特殊的一个，它不淘汰旧数据，而是当内存满的时候，直接拒绝新数据的加入，返回错误。

volatile-random

在设置了过期时间的数据中，随机进行删除。

volatile-ttl

在设置了过期时间的数据中，根据过期时间的先后进行删除，越早过期的越先被删除。

volatile-lru

在设置了过期时间的数据中，使用LRU算法筛选出要删除的数据

volatile-lfu

在设置了过期时间的数据中，使用LFU算法筛选出要删除的数据

allkeys-random

在所有的数据中，随机进行删除

allkeys-lru

在所有的数据中，使用LRU算法筛选出要删除的数据

allkeys-lfu

在所有的数据中，使用LFU算法筛选出要删除的数据

LRU?LFU?

上面的这些其实都很好理解，区别无非是在设置了过期时间还是在全体数据中选择，以及选择时采用的算法不同而已。那么上面都提到了LRU算法和LFU算法，它们是什么意思，有什么区别呢？

LRU（Least Recently Used）就是最近最少使用淘汰算法。Redis在触发淘汰的时候，会优先淘汰最长时间没被使用的那个数据。这其实很合理，因为我们大部分时间使用Redis都是为了将热点数据缓存起来，然后加快访问速度。那么一个数据如果很长时间没有被访问，那它相对来说可能就“没有那么热点”。所以淘汰掉它是很合理的。

但是Redis里的数据太多了，如果把全部的数据都拿来分析，也是一个非常消耗性能的工作。Redis的实现方式是这样的：随机选取一些key，把最长时间没有使用的key移除。这个随机选取的数量可以在 maxmemory-samples这个配置中进行设置。但是这样还是有一些缺点，它在每次选择的时候，没有利用历史信息。每次都是随机移除，但其实在上一轮移除的时候，有几个key的信息我是已经知道了的，可以加以利用。

所以Redis又改进了策略，采用缓冲池。每一轮移除key的时候，如果它的最长未使用时间比池子里的还要大，就把它添加到缓冲池。这样，每次移除的key不仅是随机选择的数据中最长未使用时间最大的，还是包含了池子中的数据里最大的。而且缓冲池中的数据经过多轮筛选，本身概率就要比随机挑选的大，这样就利用好了每次随机选取的数据。

LFU（Least Frequently Used）就是最不经常使用淘汰算法。Redis中，LFU算法是在LRU算法上的进一步优化。在LRU中有这么一个问题，就是如果在取值的时候，一个不常被访问的数据，刚好被访问了，那么它就会被认为是一个热点数据，从而难以被淘汰。淘汰算法的本意是留下热点数据，这就造成了问题。LFU就解决了这个问题，它在LRU的基础上增加了访问次数的统计，当访问次数相同时，再用LRU进行处理。并且并不是每一次被访问，这个访问次数都会+1，而是有一个随机的过程，这使得计数器是非线性递增的。并且还有一个递减策略，防止某些数据短时间内大量访问，但是后面很长一段时间都不被访问，造成一种热点数据的假象。有递减策略，就可以减少这种假热点数据发生的机率。

以上就是Redis淘汰策略的介绍，可以看出，策略是不断发展的，更新的策略会在某种程度上解决旧策略的一些痛点，从而使被淘汰的数据更加合理。