1 介绍
Redis无论是惰性删除还是定期删除，都可能存在删除不尽的情况，无法删除完全，比如每次删除完过期的 key 还是超过 25%，且这些 key 再也不会被客户端访问。
这样的话，定期删除和堕性删除可能都彻底的清理掉。如果这种情况长时间持续下去，可能会导致内存耗尽，所以Redis必须有一个完善的内存淘汰机制来保障。这就是我们这一篇的重点，Redis内存自动淘汰机制。
2 Redis内存淘汰策略
在 redis 中总共由8种淘汰策略，默认的淘汰策略是 noeviction。
| noeviction不淘汰策略(默认) | |||
| 淘汰数据策略 | 设置过期时间的淘汰策略 | valatile-random | 随机淘汰算法 |
| volatile-ttl | 淘汰失效时间最短的key | ||
| volatile-lru | 删除最近最少使用的key | ||
| volatile-lfu | 删除访问次数最少的key | ||
| 所有数据的淘汰策略 | allkeys-lru | 删除最近最少使用的key（全部） | |
| allkeys-lfu | 删除访问次数最少的key（全部） | ||
| allkey-random | 随机淘汰算法（全部） |
2.1 设置过期时间的淘汰策略
volatile-ttl、volatile-random、volatile-lru、volatile-lfu 这4种策略淘汰的数据范围为设置了过期时间的数据。
2.2 所有 key 的淘汰策略
allkeys-lru、allkeys-random、allkeys-lfu 这3种淘汰策略无论是否设置了过期时间，内存不足时都会进行淘汰。
也就是说无论它的过期时间到没到，都有可能被删除。
3 LRU淘汰策略执行过程
这边以LRU算法为例子讲解，它的全称是 Least Rencently Used，即将最近最久未使用的算法进行数据淘汰。
我们这边以图例来讲解，整个过程如下：
- 首先设置一个淘汰池（一个链表），假设默认大小是16，里面的数据采用末尾淘汰制。如图中
- MRU：表示链表的表头，代表着最近最常被访问的数据；
- LRU：表示链表的表尾，代表最近最不常使用的数据。
- 如果淘汰池中的数据被访问，则会被移动到 MRU 端，其他位置的数据则相应往后移动一位
- 每次指令操作的时候，自旋会判断当前内存是否满足指令所需要的内存
- 如果当前内存不能满足，会从淘汰池中的尾部拿取一个最适合淘汰的数据
- 取样模式（配置 maxmemory-samples属性）从Redis中获取随机的取样数据，避免一次性读取All Key性能慢
- 在取样的数据中，根据淘汰算法 找到最适合淘汰的数据
- 将需要淘汰的数据从Redis删除，并且从淘汰池移除
这边注意，LRU 更新和新增数据都发生在链表首，删除数据都发生在链表尾。
水果 Orange 跟 Pitaya 被访问，被移动到MRU端，新增的Mango也被插入到MRU端。而最末端的Olive则被删除。
4 算法实现
以下是使用Go语言实现Redis LRU淘汰过程的示例代码，代码注释很清楚：
package main import ( "container/list" "fmt" "time"
) type Redis struct { data map[string]*list.Element // 存储缓存项的键和值，以及它们在LRU链表中的位置 lru *list.List // LRU链表
} type cacheItem struct { key string value string // 记录该缓存项最后一次被访问的时间 lastAccess time.Time
} func NewRedis() *Redis { return &Redis{ data: make(map[string]*list.Element), lru: list.New(), }
} func (r *Redis) Get(key string) (string, bool) { // 从LRU链表中查找缓存项 if elem, ok := r.data[key]; ok { // 将该缓存项移动到链表头部，表示最近被访问过 r.lru.MoveToFront(elem) // 更新缓存项的最后访问时间 item := elem.Value.(*cacheItem) item.lastAccess = time.Now() return item.value, true } return "", false
} func (r *Redis) Set(key string, value string) { // 从LRU链表中查找缓存项 if elem, ok := r.data[key]; ok { // 如果缓存项存在，更新其值和最后访问时间，并将其移动到链表头部 item := elem.Value.(*cacheItem) item.value = value item.lastAccess = time.Now() r.lru.MoveToFront(elem) return } // 如果缓存项不存在，创建新的缓存项并将其添加到LRU链表头部 item := &cacheItem{ key: key, value: value, lastAccess: time.Now(), } elem := r.lru.PushFront(item) r.data[key] = elem // 如果缓存空间已满，执行LRU淘汰操作 for r.lru.Len() > maxItems { // 从链表尾部查找最久未被访问的缓存项 elem := r.lru.Back() item := elem.Value.(*cacheItem) // 如果该缓存项的过期时间已到达，则从链表中删除该缓存项 if item.lastAccess.Add(expireTime).Before(time.Now()) { r.lru.Remove(elem) delete(r.data, item.key) } else { // 否则，只从链表中删除该缓存项 r.lru.Remove(elem) } }
}
在这个示例中，我们使用了一个map来存储缓存项的键和值，以及它们在LRU链表中的位置。我们使用了一个LRU链表来存储缓存项，并按照访问时间将它们排序。在Get方法中，我们从LRU链表中查找缓存项，并将其移动到链表头部，表示最近被访问过。在Set方法中，如果缓存项已存在，我们更新其值和最后访问时间，并将其移动到链表头部；如果缓存项不存在，我们创建新的缓存项并将其添加到LRU链表头部。如果缓存空间已满，我们执行LRU淘汰操作，从链表尾部查找最久未被访问的缓存项，并从链表中删除它。注意，我们还检查了缓存项的过期时间，如果该缓存项已过期，则也会从链表中删除它。
