Redis的内存淘汰策略
长时间不使用的缓存
降低IO性能
物理内存不够
其实在Redis中是可以设置内存最大限制的，因此我们不用担心Redis占满机器的内存影响其他服务，这个参数maxmemory是可以配置的：
127.0.0.1:6379> config set maxmemory 1GBmaxmemory参数默认值为0。我们在使用redis 最好根据实际情况设置其内存大小。放在。redis占用太多内存，导致其他程序不可用。
内存淘汰策略
1.内存没满，但是key过期了 怎么淘汰的？
过期删除策略 进行淘汰
2.内存满了怎么淘汰的
LRU LFU 进行淘汰
Redis中共有下面六种内存淘汰机制：
noeviction: 当内存不足以容纳新写入数据时，新写入操作会报错，这个一般没人用吧，实在是太恶心了（redis默认的）。
allkeys-Iru:当内存不足以容纳新写入数据时，在键空间中，移除最近最少使用的 key(这个是最常用的)。
allkeys-random:当内存不足以容纳新写入数据时，在键空间中，随机移除某个 key，这个
一般没人用吧，为啥要随机，肯定是把最近最少使用的 key 给干掉啊。
volatile-Iru:当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近
最少使用的 key(这个一般不太合适)。
volatile-random:当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，随机
移除某个key。
volatile-ttl:当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的 key 优先移除。
内存淘汰算法的具体工作原理是：
客户端执行一条新命令，导致数据库需要增加数据（比如set key value）
Redis会检查内存使用，如果内存使用超过 maxmemory，就会按照置换策略删除一些 key
新的命令执行成功了解LRU算法
LRU是Least Recently Used的缩写，也就是表示最近很少使用，也可以理解成最久没有使用。也就是说
当内存不够的时候，每次添加一条数据，都需要抛弃一条最久时间没有使用的旧数据。
标准的LRU算法为了降低查找和删除元素的时间复杂度，一般采用Hash表和双向链表结合的数据结构，
hash表可以赋予链表快速查找到某个key是否存在链表中，同时可以快速删除、添加节点，如图4-21所
示。
双向链表的查找时间复杂度是O(n)，删除和插入是O(1)，借助HashMap结构，可以使得查找的时
间复杂度变成O(1)
Hash表用来查询在链表中的数据位置，链表负责数据的插入，当新数据插入到链表头部时有两种情况。
链表满了，把链表尾部的数据丢弃掉，新加入的缓存直接加入到链表头中。
当链表中的某个缓存被命中时，直接把数据移到链表头部，原本在头节点的缓存就向链表尾部移动这样，经过多次Cache操作之后，最近被命中的缓存，都会存在链表头部的方向，没有命中的，都会在链表尾部方向，
当需要替换内容时，由于链表尾部是最少被命中的，我们只需要淘汰链表尾部的数据即可。
Redis中的LRU算法
实际上，Redis使用的LRU算法其实是一种不可靠的LRU算法，它实际淘汰的键并不一定是真正最少使用
的数据，它的工作机制是：
随机采集淘汰的key，每次随机选出5个key(官方推荐5个就足够了，最多不超过10个，越大就越消耗CPU的资源)
然后淘汰这5个key中最少使用的key这5个key是默认的个数，具体的数值可以在redis.conf中配置
maxmemory-samples 5当近似LRU算法取值越大的时候就会越接近真实的LRU算法，因为取值越大获取的数据越完整，淘汰中
的数据就更加接近最少使用的数据。这里其实涉及一个权衡问题，
如果需要在所有的数据中搜索最符合条件的数据，那么一定会增加系统的开销，Redis是单线程的，所
以耗时的操作会谨慎一些。
为了在一定成本内实现相对的LRU，早期的Redis版本是基于采样的LRU，也就是放弃了从所有数据中搜
索解改为采样空间搜索最优解。Redis3.0版本之后，Redis作者对于基于采样的LRU进行了一些优化：
Redis中维护一个大小为16的候选池，当第一次随机选取采用数据时，会把数据放入到候选池中，
并且候选池中的数据会更具时间进行排序。
当第二次以后选取数据时，只有小于候选池内最小时间的才会被放进候选池。
当候选池的数据满了之后，那么时间最大的key就会被挤出候选池。当执行淘汰时，直接从候选池
中选取最近访问时间小的key进行淘汰。LFU算法
LFU（Least Frequently Used），表示最近最少使用，它和key的使用次数有关，其思想是：根据key最
近被访问的频率进行淘汰，比较少访问的key优先淘汰，反之则保留。LRU的原理是使用计数器来对key进行排序，每次key被访问时，计数器会增大，当计数器越大，意味着
当前key的访问越频繁，也就是意味着它是热点数据。 它很好的解决了LRU算法的缺陷：一个很久没有
被访问的key，偶尔被访问一次，导致被误认为是热点数据的问题。
LFU的实现原理如图4-23所示，LFU维护了两个链表，横向组成的链表用来存储访问频率，每个访问频
率的节点下存储另外一个具有相同访问频率的缓存数据。具体的工作原理是：
当添加元素时，找到相同访问频次的节点，然后添加到该节点的数据链表的头部。如果该数据链表
满了，则移除链表尾部的节点
当获取元素或者修改元素是，都会增加对应key的访问频次，并把当前节点移动到下一个频次节
点。添加元素时，访问频率默认为1，随着访问次数的增加，频率不断递增。而当前被访问的元素也会
随着频率增加进行移动。
TTL淘汰
Redis 数据集数据结构中保存了键值对过期时间的表，即 redisDb.expires。与 LRU 数据淘汰机制类似，
TTL 在设置了过期时间的key中，淘汰过期时间剩余最短的。
过期删除策略
前面介绍的LRU和LFU算法都是在Redis内存占用满的情况下的淘汰策略，那么当内存没占满时在Redis中过期的key是如何从内存中删除以达到优化内存占用的呢？
在Redis中过期的key不会立刻从内存中删除，而是会同时以下面两种策略进行删除：
惰性删除：当key被访问时检查该key的过期时间，若已过期则删除；已过期未被访问的数据仍保持在内存中，消耗内存资源；
定期删除：默认每隔100ms时间，随机检查设置了过期的key并删除已过期的key；维护定时器消耗CPU资源；Redis每10秒进行一次过期扫描：
1.随机取20个设置了过期策略的key；
2.检查20个key中过期时间中已过期的key并删除；
3.如果有超过25%的key已过期则重复第一步；这种循环随机操作会持续到过期key可能仅占全部key的25%以下时，并且为了保证不会出现循环过多的情况，默认扫描时间不会超过25ms；
AOF和RDB的过期删除策略
前面介绍了Redis的持久化策略RDB和AOF，当Redis中的key已过期未删除时，如果进行RDB和AOF的持久化操作时候会怎么操作呢？
在RDB持久化模式中我们可以使用save和bgsave命令进行数据持久化操作
在AOF持久化模式中使用rewriteaof和bgrewriteaof命令进行持久化操作这四个命令都不会将过期key持久化到RDB文件或AOF文件中，可以保证重启服务时不会将过期key载入Redis。
为了保证一致性，在AOF持久化模式中，当key过期时候，会同时发送DEL命令给AOF文件和所有节点；
从节点不会主动的删除过期key除非它升级为主节点或收到主节点发来的DEL命令；
