目录

写在前面

数据淘汰策略

不进行数据淘汰策略

进行数据淘汰策略

LRU和LFU的对比

---

写在前面

我们都知道redis中的数据是采访在内存中的，在从redis中增删查改数据时，都是操作的内存中的数据，而内存是有限的，当内存被占满了之后，这时就有必要将一些数据清理淘汰掉，以便新的数据能够放到redis中。而到底需要去淘汰掉那些数据是我们需要去考虑的问题，也是我今天想谈的东西。

Redis的内存大小可以通过配置文件redis.conf中的maxmemory参数来进行配置。maxmemory参数的默认值为0，表示Redis可以使用的最大内存为无限大。

如果要限制Redis使用的最大内存大小，可以将maxmemory参数设置为一个正整数，表示Redis最大可以使用的内存大小（单位是字节）。例如，可以将maxmemory参数设置为"maxmemory 512mb"，表示Redis最大可以使用512MB的内存。

通过设置maxmemory-policy参数来定义当内存不足时的处理策略。maxmemory-policy参数的默认值为"noeviction"，表示当内存不足时，Redis会拒绝写入新数据。

其他可选的策略包括volatile-lru、allkeys-lru、volatile-random、allkeys-random、volatile-ttl和volatile-lfu等。需要注意的是，Redis的内存大小配置需要结合实际情况进行调整，避免内存不足或浪费。 

 注意：逐出数据的过程不是100%能够清理出足够的可使用的内存空间，如果不成功则反复执行。当对所有数据尝试完毕， 如不能达到内存清理的要求，将出现错误信息如下：

(error) OOM command not allowed when used memory >'maxmemory'

数据淘汰策略

不进行数据淘汰策略

noeviction： 它是Redis3.0 之后，默认的内存淘汰策略，它表示当运行内存超过最大设置内存时，不淘汰任何数据，这时如果有新的数据写入，则会触发 OOM，但是如果没用数据写入的话，只是单纯的查询或者删除操作的话，还是可以正常工作。

进行数据淘汰策略

大体上可以分为4种，lru、lfu、random、ttl。 

在设置了过期时间的数据中进行淘汰

• volatile-random： 随机淘汰设置了过期时间的任意键值；
• volatile-ttl： 优先淘汰更早过期的键值；
• volatile-lru： 它是Redis3.0 之前，默认的内存淘汰策略，淘汰所有设置了过期时间的键值中，最久未使用的键值；
• volatile-lfu： Redis 4.0 后新增的内存淘汰策略，淘汰所有设置了过期时间的键值中，最少使用的键值；

在所有数据范围内进行淘汰

• allkeys-random： 随机淘汰任意键值；
• allkeys-lru： 淘汰整个键值中最久未使用的键值；
• allkeys-lfu Redis 4.0 后新增的内存淘汰策略，淘汰整个键值中最少使用的键值；

数据库有1000万数据 ,Redis只能缓存20w数据, 保证Redis中的数据都是热点数据 可以采用 使用 allkeys-lru （挑选最近最少使用的数据淘汰）淘汰策略，那留下来的都是经常访问的热点数据  。

如果Redis的内存用完了，要看redis的数据淘汰策略是什么，如果是默认的配置，redis内存用完以后则直接报错。

在实际使用中，可以根据具体的业务需求和数据特性选择合适的淘汰策略。例如，对于一些重要的数据，可以采用 noeviction 策略，以保证数据的完整性；对于一些缓存数据，可以采用 volatile-lru 策略，以保证缓存的有效性。

LRU和LFU的对比

LRU（最近最少使用）：LRU策略根据数据项在过去的访问时间来确定淘汰哪些数据。最近最少使用的数据项将被优先淘汰。LRU的核心思想是，如果一个数据项最近被访问过，那么它在未来可能还会被访问到。

LFU（最不频繁使用）：LFU策略根据数据项被访问的频率来确定淘汰哪些数据。访问次数最少的数据项将被优先淘汰。LFU的核心思想是，访问频次较高的数据项可能在未来还会被多次访问，因此应该保留在缓存中。

• LRU侧重于数据项最近的访问时间，而LFU侧重于数据项的访问频率。
• LRU易于实现，通常使用双向链表和哈希表。而LFU实现起来相对复杂，需要使用最小堆或哈希表等数据结构。
• 在某些情况下，LFU可能比LRU表现得更好，因为它更关注访问频率。然而，LFU对于某些访问模式可能会导致较低的命中率。