1 前言

通过前面的一些文章我们知道，Redis的各项能力是基于内存实现的，相对其他的持久化存储（如MySQL、File等，数据持久化在磁盘上），性能会高很多，这也是高速缓存的一个优势。
但是问题来了，每一台机器内存终归是有限的，即使是集群模式，总的内存空间也是有限的，不能无限制的消耗。而在Redis的使用过程中，很有可能出现使用消耗超过内存实际大小的情况。比如以下几种情况：

  • 未设置过期时间，Redis的Key将一直存在，直至我们明确将它删除。
  • 过度跟不合理的持久化（无论是RDB快照 或是 AOF日志），都会在内存和磁盘中反复操作，需要一定的内存空间进行处理。
  • 不及时清理过期缓存：清理过期缓存的方式主要有以下两种，并不是实时或者准实时，所以存在部分过期缓存依旧存在的问题。
  • 主动定期删除： Redis 默认每 1 秒运行 10 次（平均每 100 ms 执行一次），每次随机抽取部分设置过期时间的 key，检查是否过期，若是过期就直接删除，直至过期的 key 比率低于 1/4。
  • 被动惰性删除：缓存过期并不马上清理，当客户端的请求查询该 key 的时候，检查下 key 是否过期，如果过期，则删除该 key，重新获取。如果长时间未请求，就会有过期缓存滞留。
  • 不合理不规范的使用缓存，导致内存耗尽，比如：
  • 过度使用缓存，既缓存冷数据也能缓存热数据，导致内存占用过多，性能也没有得到有效提高
  • 缓存数量过多或者单个缓存的Value体积过大
  • 缓存过期时间设置过长或者根本不设置

2 Redis内存淘汰策略

所以，如果放任上面的那几种情况，内存终归会满的，Redis自身有一套比较完善的内存淘汰策略来专门应对这个问题，在Redis Memory占用超过我们配置的阈值的时候触发策略执行。

# redis.conf 配置大内存空间占用为2gb，超过则执行内存淘汰策略
redis > CONFIG SET maxmemory 2gb

内存淘汰策略一共有8中，除了一种不执行淘汰策略之外，其他7种都是按照各自不一的算法对内存中现有的数据进行处理。
我们下面详细来看一下这些淘汰策略，把他们分成三大类，8小类来逐一讲解：

2.1 不淘汰策略

2.1.1 noeviction 不淘汰策略

noeviction指的是即使资源超过 maxmemory 限制的值也不会执行淘汰，只是不允许创建新的缓存了。
当Redis内存占用达到我们上面的配置的阈值（比如 5gb）之后，就不允许新增缓存key了，当有新的缓存要创建的时候，Redis 直接返回error。

2.2 仅淘汰配置过期时间key

这边仅针对配置了过期时间的数据进行淘汰

2.3.1 volatile-lru ：删除近少使用的key

LRU（Least Recently Used）是按照近少使用原则来筛选数据，即不常用的数据会被筛选出来。
如果我们的服务中有冷热数据隔离需求，这无疑是一个比较好的办法。可以将缓存的一些不经常使用的冷数据，而且数据size比较大的，筛选出来清理掉。而近期频繁被使用的key就被保留下来了。
常见的场景如下：

  • 电商平台的冷热数据：比如冬季，保暖冬装、电暖设备的浏览次数就会升高，而相应的冷饮、制冷设备（冰箱、空调）的浏览次数就会降低，那么LRU策略下优先删除的就是近一段时间未访问的缓存信息。
  • 外卖平台：每天的1113点，1719点，一定是美食外卖品种的高频率访问时间段，而日用品、果蔬生鲜 大都会避开这个高峰期，这时如果内存不够用了，那么就会成为被优先删除的缓存类型。

RedisTemplate redis 重新设置过期时间 redis重复设置过期时间_数据

2.3.2 volatile-lfu：删除访问次数少的key（4.0 之后新增的策略）

LRU算法的不足之处在于，一个本身很少被访问的key，只是刚刚被访问了1次，就被认为是近有使用的热点数据，导致短时间内不会被淘汰。
而LFU弥补了这个不足，LFU（Least Frequently Used）淘汰策略会根据key的近访问频率进行淘汰，解决上面说的这个不足。

  • LFU在LRU的基础上，为每个数据增加了一个计数器，用于统计该数据的访问次数。
  • 当使用LFU策略淘汰数据时，会根据数据的访问次数进行筛选，把访问次数低的数据淘汰出内存。
  • 如果两个缓存数据的访问次数相同，LFU再比较这两个key近一次的访问时间，把访问时间更早的缓存key淘汰出内存。

常见的应用场景：

  • 对于电商平台中的冷门的商品，电子书App中热度较低、阅读量较低的书籍。这种类型的缓存会优先被淘汰掉。

RedisTemplate redis 重新设置过期时间 redis重复设置过期时间_数据_02

2.3.3 volatile-random：随机删除过期key

针对有配置过期时间，但没有明显的冷热访问频率区别，所有的查询分布比较均衡的数据。这时候就使用 allkeys-random 策略吧，让它随机选择需要淘汰数据，也相对公平。
常见的使用场景有：

  • 电商平台：常规时段的商品浏览。
  • 钉钉之类工具：老师无差别抽查学生的作业。

2.3.4 volatile-ttl：删除过期时间内剩余时间短的key

这个特性仅限于配置过期时间的场景，它是根据当前时间 跟 过期时间的差额进行由短到长的排序，较短的优先淘汰。

asc_sort(validate_time - current_time)

这种算法相对来说也不考虑缓存的访问频率和重要程度，仅按照创建的先后进行清理，越早的缓存越早清理。
所以不具备明显特征的业务场景都适用。

2.3.5 补充说明

业务场景有一些数据始终不需要删除，比如置顶新闻、视频，还有我们自己置顶的weibo。为了保障它们不被清理掉，就给这些数据不设置过期时间，这样的话 volatile类型的淘汰策略就不会影响了。但如果是 allkeys 开头的策略依旧会影响到。

2.3 淘汰所有缓存类型的key

无论是否配置了过期时间的数据均可进行淘汰。
从微服务拆分的角度说，不同的服务类型个方向的服务进行院子隔离会比较一点。这一点设计思维在缓存上依旧适用。
我们可以将不需要过期时间的缓存信息 和 需强制配置过期时间的缓存key分开。针对业务场景分别使用 volatile-xx策略 和 allkyes-xxx策略。

2.3.1 allkeys-lru：删除近少使用的key

保留近有使用的key，类似volatile-lru

2.3.2 allkeys-lfu：删除访问次数少的key

不经常使用的，类似volatile-lfu

2.3.3 allkeys-random：随机删除过期key

无差别随机删除，volatile-random，为添加新数据腾出空间

2.4 策略命令的使用

# 获取当前内存淘汰策略
redis > config get maxmemory-policy

# 获取Redis能使用的大内存大小：如果不设置大内存大小或者设置大内存大小为0，在64位操作系统下不限制内存大小，在32位操作系统下多使用3GB内存。
redis > config get maxmemory

#  通过命令配置淘汰策略
redis > config set maxmemory-policy volatile-lru

# 设置Redis大占用内存大小，这边大占用内存大小配置为2000M
redis > config set maxmemory 2000mb

3 总结