內存淘汰機制

當 Redis 內存超出物理內存限制時，內存的數據會開始和磁盤產生頻繁的交換 (swap)。 交換會讓 Redis 的性能急劇下降，對于訪問量比較頻繁的 Redis 來說，這樣低速的存取效率基本上等于不可用。

在生產環境中我們是不允許 Redis 出現交換行為的，為了限制最大使用內存，Redis 提供了配置參數 maxmemory 來限制內存超出期望大小。

1.淘汰策略

當實際內存超出 maxmemory 時，Redis 提供了6種可選策略 (maxmemory-policy) 來讓用戶自己決定該如何騰出新的空間以繼續提供讀寫服務。

• noeviction：不會繼續服務寫請求 (DEL 請求可以繼續服務)，讀請求可以繼續進行。這樣可以保證不會丟失數據，但是會讓線上的業務不能持續進行。這是默認的淘汰策略。
• volatile-lru：嘗試淘汰設置了過期時間的 key，通過LRU算法驅逐最近最少使用的key。沒有設置過期時間的 key 不會被淘汰，這樣可以保證需要持久化的數據不會突然丟失。
• volatile-random：嘗試淘汰設置了過期時間的 key，在設置了過期時間的key集合中隨機選擇數據淘汰。
• volatile-ttl：嘗試淘汰設置了過期時間的 key，在設置了過期時間的key集合中優先淘汰ttl小的。
• allkeys-lru：和volatile-lru的區別在于要淘汰的key對象是全體key集合而不只是設置了過期時間的key，其他都一樣。
• allkeys-random：和volatile-random的區別在于要淘汰的key對象是全體key集合而不只是設置了過期時間的key，其他都一樣。

Redis4.0后新增了兩個策略：

volatile-lfu：嘗試淘汰設置了過期時間的 key，通過LFU算法驅逐使用頻率最少的key。沒有設置過期時間的 key 不會被淘汰。

allkeys-lfu：和volatile-lfu的區別在于要淘汰的key對象是全體key集合而不只是設置了過期時間的key，其他都一樣。

2.LRU算法

Redis LRU使用的是近似LRU算法，它跟 LRU 算法還不太一樣。之所以不使用 LRU 算法，是因為需要消耗大量的額外的內存，需要對現有的數據結構進行較大的改造。近似 LRU 算法則很簡單，在現有數據結構的基礎上使用隨機采樣法來淘汰元素，能達到和 LRU 算法非常近似的效果。

Redis 為實現近似 LRU 算法，它給每個 key 增加了一個額外的小字段，這個字段長度24位，存的是最后一次被訪問的時間戳，當Redis執行寫操作時，發現內存超出我們配置的{maxmemory_samples}個樣本，默認值為5，然后淘汰掉最舊的key，如果淘汰后內存還超出{maxmemory}為止。

采樣數越大，近似LRU算法的效果越接近嚴格LRU算法，通過樣本數量調整算法的精度

淘汰池是一個數組，它的大小是${maxmemory_samples}，在每次淘汰循環中，新隨機出的key列表會淘汰池中的key列表進行融合，淘汰掉最舊的一個key之后，保留剩余較舊的key列表放入淘汰池等待下一個循環。