Redis 作为高性能的内存数据库，其内存资源的高效管理直接关系到系统的稳定性和性能。当 Redis 的内存使用达到配置的最大值（maxmemory）时，新的写入操作将触发内存淘汰机制（Eviction Policy），以释放空间存储新数据。本文将深入探讨 Redis 的内存淘汰策略、实现原理、适用场景及最佳实践。
一、 内存淘汰策略概述
Redis 的内存淘汰策略决定了在内存不足时，如何选择需要删除的键来释放空间。这些策略可以分为两大类：
- 基于过期时间的淘汰（volatile-*）：仅针对设置了过期时间的键。
- 全局淘汰（allkeys-*）：针对所有键，无论是否设置过期时间。
Redis 支持以下 8 种内存淘汰策略：
noeviction：默认策略，禁止写入新数据，直接返回错误。
volatile-lru：淘汰最近最少使用（LRU）的设置了过期时间的键。
volatile-lfu：淘汰最不经常使用（LFU）的设置了过期时间的键。
volatile-random：随机淘汰设置了过期时间的键。
volatile-ttl：优先淘汰剩余生存时间（TTL）最短的键。
allkeys-lru：淘汰所有键中最近最少使用的键。
allkeys-lfu：淘汰所有键中最不经常使用的键。
allkeys-random：随机淘汰任意键。
二、内存淘汰策略详解
2.1 noeviction（不淘汰）
行为：当内存不足时，拒绝所有写入命令（如 SET、LPUSH），但允许读取操作。
适用场景：适用于数据不可丢失的场景（如持久化存储），需确保内存足够或配合持久化机制。
缺点：若内存不足且无持久化，可能导致服务不可用。
2.2 LRU（Least Recently Used）
原理：淘汰最近最久未被访问的键。
Redis 实现：Redis 使用近似 LRU 算法，通过随机采样（默认取 5 个键）选择最久未使用的键，而非遍历所有键，以减少计算开销。
适用场景：适用于缓存场景，优先保留热点数据。
命令示例：
CONFIG SET maxmemory-policy volatile-lru # 针对带过期时间的键
CONFIG SET maxmemory-policy allkeys-lru # 针对所有键
2.3 LFU（Least Frequently Used）
原理：淘汰访问频率最低的键（Redis 4.0 引入）。
Redis 实现：通过计数器统计键的访问频率，并随时间衰减历史计数，避免长期累积导致无法淘汰旧键。
适用场景：适合长期缓存，如高频访问的静态数据。
命令示例：
CONFIG SET maxmemory-policy volatile-lfu # 针对带过期时间的键
CONFIG SET maxmemory-policy allkeys-lfu # 针对所有键
2.4 TTL（Time To Live）
原理：优先淘汰剩余生存时间（TTL）最短的键。
适用场景：适用于明确知道键生命周期的场景（如临时会话数据）。
限制：仅对设置了过期时间的键生效。
命令示例：
CONFIG SET maxmemory-policy volatile-ttl
2.5 Random（随机淘汰）
原理：随机选择键进行淘汰。
适用场景：内存压力大且数据重要性均等时，快速释放内存。
命令示例：
CONFIG SET maxmemory-policy volatile-random # 针对带过期时间的键
CONFIG SET maxmemory-policy allkeys-random # 针对所有键
三、 内存淘汰的底层实现
3.1 LRU/LFU 的近似算法
- Redis 通过 evictionPoolEntry结构维护候选淘汰键池。每次淘汰时，随机采样一组键，更新其访问时间或频率信息，选择最不活跃的键删除。
- LRU 时钟：Redis 使用全局 24 位时钟（精度为秒）记录键的最近访问时间。内存中每个对象存储与全局时钟的差值（lru字段），而非精确时间戳。
- LFU 计数器：每个键的 lru 字段被拆分为两部分：
- 高 16 位：最近访问时间的分钟级精度。
- 低 8 位：访问频率计数器（0~255），通过概率递增，随时间衰减。
3.2 淘汰流程
- 客户端执行写入命令触发内存检查。
- Redis 检查 maxmemory 是否已超出。
- 根据配置的策略选择待淘汰键。
- 删除键并触发相关事件（如 evicted 通知）。
四、 如何选择合适的内存淘汰策略？
4.1 缓存场景
推荐策略：allkeys-lru 或 allkeys-lfu
理由：优先保留热点数据，最大化缓存命中率。
4.2 持久化存储
推荐策略：noeviction（需确保内存足够或启用持久化）。
替代方案：若允许部分数据丢失，可使用 volatile-lru 结合过期时间。
4.3 临时数据场景
推荐策略：volatile-ttl
理由：自动清理生命周期明确的数据（如验证码、会话信息）。
4.4 混合型数据
推荐策略：allkeys-lru + 部分键设置过期时间。
示例：电商系统中，商品详情用 allkeys-lru 缓存，购物车数据设置 TTL。
五、最佳实践与注意事项
5.1 配置建议
设置合理的 maxmemory：通常为物理内存的 80%~90%，避免 OOM。
监控内存使用：
INFO memory # 查看内存指标（used_memory、maxmemory）
INFO stats # 查看 evicted_keys（淘汰键数量）
5.2 避免大规模淘汰
分片设计：通过集群分散数据，减少单个节点的内存压力。
预热缓存：重启后预加载高频数据，避免冷启动时集中淘汰。
5.3 常见误区
volatile-ttl 不依赖惰性删除：该策略仅在内存不足时触发，仍需依赖定期/惰性删除清理过期键。
LFU 计数器并非精确值：访问频率通过概率递增，适用于相对比较而非绝对计数。
六、总结
Redis 的内存淘汰策略是平衡内存使用与性能的关键机制。理解不同策略的原理和适用场景，结合业务需求合理配置，可显著提升系统的稳定性和效率。在高并发场景下，建议通过监控工具（如 RedisInsight、Prometheus）实时跟踪内存和淘汰指标，动态调整策略和资源配置。
通过本文的深度解析，希望您能掌握 Redis 内存淘汰的核心机制，并在实践中灵活运用，构建高效可靠的 Redis 服务。
参考资料
Redis 官方文档：https://redis.io/docs/reference/eviction/
《Redis 设计与实现》——黄健宏
Redis 源码解析（evict.c、object.c）
