Redis 提供了多种数据淘汰策略，包括 volatile-lru、volatile-ttl、volatile-random、allkeys-lru、allkeys-random 和 no-eviction，用于处理内存不足时的数据处理。在 Redis 4.0 后，新增了 volatile-lfu 和 allkeys-lfu 策略，采用LFU算法淘汰使用频率较低的数据。LRU和LFU算法分别基于最近最少使用和最少使用频率来决定淘汰哪些数据。选择策略应考虑数据访问模式，如热点数据、均匀分布或周期性数据。Redis 的这些策略为缓存管理提供了灵活性。
1.Redis数据淘汰策略
在4.0之前，Redis提供了6种策略
volatile-lru
根据LRU算法选择设置了超时属性(expire)的数据，选择距离当前时间最长时间未访问的数据进行删除，如果没有可删除的键对象，回退到no-enviction策略，无法写入新的数据。
volatile-ttl
根据设置了超时属性(expire)的键，删除最近将要过期数据。如果没有可删除的键对象，回退到no-enviction策略，无法写入新的数据。
volatile-random
根据设置了超时属性(expire)的键，任意选择数据淘汰。如果没有可删除的键对象，回退到no-enviction策略，无法写入新的数据。
allkeys-lru
从所有数据中选择距离当前时间最长时间未访问的数据进行删除。
allkeys-random
从所有数据中任意选择数据淘汰。
no-enviction
默认策略，不会删除任何数据，拒绝所有写入操作并返回客户端错误信息。此时只响应读操作。
在4.0开始添加了2个策略
volatile-lfu
根据LFU算法选择设置了超时属性(expire)的数据选择使用频率最少的数据进行删除，如果没有可删除的键对象，回退到no-enviction策略，无法写入新的数据。
allkeys-lfu
从所有数据中选择使用频率最少的数据进行删除。
2.淘汰算法
在版本变更中Redis主要出现了2种缓存淘汰算法即2.8开始使用LRU(最近最少使用算法)和4.0才开始使用的LFU(最少使用频率算法)。
2.1 LRU
LRU算法是基于文件历史访问记录，从缓存中剔除离当前时间最近一次访问最早的数据，其本质认为最近会被访问的数据，未来短时间也会进行访问。而在Redis中并没有使用完全的LRU算法，在2.8中使用的是近似LRU，根据maxmemory-samples选取符合的数据，再从里面执行LRU算法，在3.0中对算法进行优化，新算法会维护一个数据经过排序的淘汰池，后面只会进入比淘汰池频率最高的数据低的数据进入淘汰池，当淘汰池满的时候就淘汰池中访问频率最低的数据，插入新待淘汰数据。
2.2 LFU
LFU基于文件的访问频率，从缓存中删去过去一段时间访问次数最少的数据。
3.策略选用场景
当访问数据拥有明显的热门和冷门数据趋势的时候我们可选择allkeys-lru策略。
当访问数据没有明显趋势，类似均匀分布访问的时候，我们可以allkeys-random策略。
当我们知道哪些数据常用，哪些数据不常用的时候，我们可以手动设定不同的TTL，让Redis使用volatile-ttl策略来进行数据淘汰。
当访问数据拥有明显的周期性，如年月日周的时候，我们可以选择allkeys-lfu策略。
官方文档：redis-doc/lru-cache.md at master · redis/redis-doc · GitHub
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
