Redis 内存淘汰策略深度解析(最新推荐)
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）
到此这篇关于Redis 内存淘汰策略深度解析的文章就介绍到这了,更多相关Redis 内存淘汰策略内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
Redis是一种高级key-value数据库。它跟memcached类似，不过数据可以持久化，而且支持的数据类型很丰富。有字符串，链表、哈希、集合和有序集合5种。下面这篇文章主要给大家介绍了关于redis状态监控和性能调优的相关资料，需要的朋友可以参考下。2017-09-09
本文主要介绍了Redis中lua脚本实现及其应用场景，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-04-04
本文讲述了Redis瞬时高并发秒杀方案总结，具有很好的参考价值，感兴趣的小伙伴们可以参考一下，具体如下：2018-05-05
这篇文章主要介绍了详解Redis实现限流的三种方式，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-04-04
开发中,一般会使用Redis缓存一些常用的热点数据用来减少数据库IO,提高系统的吞吐量,本文将给大家介绍了Redis与MySQL数据一致性问题的策略模式及解决方案,文中通过代码示例介绍的非常详细,需要的朋友可以参考下2024-07-07
这篇文章主要介绍了详解Redis中key的命名规范和值的命名规范，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-12-12
这篇文章主要给大家介绍了关于如何使用Redis保存用户会话Session的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-01-01
这篇文章主要介绍了Windows安装Redis并添加本地自启动服务的实例详解，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-11-11
这篇文章主要介绍了Redis底层数据结构，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2021-08-08
有很多基于Redis实现的分布式锁方案或者库，但是有些库并没有解决分布式环境下的一些问题陷阱，这篇文章主要介绍了Redis分布式锁存在的问题,需要的朋友可以参考下2022-12-12
最新评论