Redis 作為高性能的內存數據庫，其內存資源的高效管理直接關系到系統的穩定性和性能。當 Redis 的內存使用達到配置的最大值（maxmemory）時，新的寫入操作將觸發內存淘汰機制（Eviction Policy），以釋放空間存儲新數據。本文將深入探討 Redis 的內存淘汰策略、實現原理、適用場景及最佳實踐。
一、 內存淘汰策略概述
Redis 的內存淘汰策略決定了在內存不足時，如何選擇需要刪除的鍵來釋放空間。這些策略可以分為兩大類：
- ?基于過期時間的淘汰?（volatile-*）：僅針對設置了過期時間的鍵。
- 全局淘汰?（allkeys-*）：針對所有鍵，無論是否設置過期時間。
Redis 支持以下 8 種內存淘汰策略：
?noeviction：默認策略，禁止寫入新數據，直接返回錯誤。
?volatile-lru：淘汰最近最少使用（LRU）的設置了過期時間的鍵。
?volatile-lfu：淘汰最不經常使用（LFU）的設置了過期時間的鍵。
?volatile-random：隨機淘汰設置了過期時間的鍵。
?volatile-ttl：優先淘汰剩余生存時間（TTL）最短的鍵。
?allkeys-lru：淘汰所有鍵中最近最少使用的鍵。
?allkeys-lfu：淘汰所有鍵中最不經常使用的鍵。
?allkeys-random：隨機淘汰任意鍵。
二、內存淘汰策略詳解
2.1 ?noeviction（不淘汰）?
?行為：當內存不足時，拒絕所有寫入命令（如 SET、LPUSH），但允許讀取操作。
?適用場景：適用于數據不可丟失的場景（如持久化存儲），需確保內存足夠或配合持久化機制。
?缺點：若內存不足且無持久化，可能導致服務不可用。
2.2 ?LRU（Least Recently Used）?
?原理：淘汰最近最久未被訪問的鍵。
?Redis 實現：Redis 使用近似 LRU 算法，通過隨機采樣（默認取 5 個鍵）選擇最久未使用的鍵，而非遍歷所有鍵，以減少計算開銷。
?適用場景：適用于緩存場景，優先保留熱點數據。
?命令示例：
CONFIG SET maxmemory-policy volatile-lru # 針對帶過期時間的鍵
CONFIG SET maxmemory-policy allkeys-lru # 針對所有鍵
2.3 ?LFU（Least Frequently Used）?
?原理：淘汰訪問頻率最低的鍵（Redis 4.0 引入）。
?Redis 實現：通過計數器統計鍵的訪問頻率，并隨時間衰減歷史計數，避免長期累積導致無法淘汰舊鍵。
?適用場景：適合長期緩存，如高頻訪問的靜態數據。
?命令示例：
CONFIG SET maxmemory-policy volatile-lfu # 針對帶過期時間的鍵
CONFIG SET maxmemory-policy allkeys-lfu # 針對所有鍵
2.4 ?TTL（Time To Live）?
?原理：優先淘汰剩余生存時間（TTL）最短的鍵。
?適用場景：適用于明確知道鍵生命周期的場景（如臨時會話數據）。
?限制：僅對設置了過期時間的鍵生效。
?命令示例：
CONFIG SET maxmemory-policy volatile-ttl
2.5 ?Random（隨機淘汰）?
?原理：隨機選擇鍵進行淘汰。
?適用場景：內存壓力大且數據重要性均等時，快速釋放內存。
?命令示例：
CONFIG SET maxmemory-policy volatile-random # 針對帶過期時間的鍵
CONFIG SET maxmemory-policy allkeys-random # 針對所有鍵
三、 內存淘汰的底層實現
3.1 ?LRU/LFU 的近似算法
- Redis 通過 ?evictionPoolEntry?結構維護候選淘汰鍵池。每次淘汰時，隨機采樣一組鍵，更新其訪問時間或頻率信息，選擇最不活躍的鍵刪除。
- ?LRU 時鐘：Redis 使用全局 24 位時鐘（精度為秒）記錄鍵的最近訪問時間。內存中每個對象存儲與全局時鐘的差值（lru字段），而非精確時間戳。
- ?LFU 計數器：每個鍵的 lru 字段被拆分為兩部分：
- 高 16 位：最近訪問時間的分鐘級精度。
- 低 8 位：訪問頻率計數器（0~255），通過概率遞增，隨時間衰減。
3.2 ?淘汰流程
- 客戶端執行寫入命令觸發內存檢查。
- Redis 檢查 maxmemory 是否已超出。
- 根據配置的策略選擇待淘汰鍵。
- 刪除鍵并觸發相關事件（如 evicted 通知）。
四、 如何選擇合適的內存淘汰策略？
4.1 ?緩存場景
?推薦策略：allkeys-lru 或 allkeys-lfu
?理由：優先保留熱點數據，最大化緩存命中率。
4.2 ?持久化存儲
?推薦策略：noeviction（需確保內存足夠或啟用持久化）。
?替代方案：若允許部分數據丟失，可使用 volatile-lru 結合過期時間。
4.3 ?臨時數據場景
?推薦策略：volatile-ttl
?理由：自動清理生命周期明確的數據（如驗證碼、會話信息）。
4.4 ?混合型數據
?推薦策略：allkeys-lru + 部分鍵設置過期時間。
?示例：電商系統中，商品詳情用 allkeys-lru 緩存，購物車數據設置 TTL。
五、最佳實踐與注意事項
5.1 ?配置建議
?設置合理的 maxmemory：通常為物理內存的 80%~90%，避免 OOM。
?監控內存使用：
INFO memory # 查看內存指標（used_memory、maxmemory）
INFO stats # 查看 evicted_keys（淘汰鍵數量）
5.2 ?避免大規模淘汰
?分片設計：通過集群分散數據，減少單個節點的內存壓力。
?預熱緩存：重啟后預加載高頻數據，避免冷啟動時集中淘汰。
5.3 ?常見誤區
?volatile-ttl 不依賴惰性刪除：該策略僅在內存不足時觸發，仍需依賴定期/惰性刪除清理過期鍵。
?LFU 計數器并非精確值：訪問頻率通過概率遞增，適用于相對比較而非絕對計數。
六、總結
Redis 的內存淘汰策略是平衡內存使用與性能的關鍵機制。理解不同策略的原理和適用場景，結合業務需求合理配置，可顯著提升系統的穩定性和效率。在高并發場景下，建議通過監控工具（如 RedisInsight、Prometheus）實時跟蹤內存和淘汰指標，動態調整策略和資源配置。
通過本文的深度解析，希望您能掌握 Redis 內存淘汰的核心機制，并在實踐中靈活運用，構建高效可靠的 Redis 服務。
參考資料
Redis 官方文檔：https://redis.io/docs/reference/eviction/
《Redis 設計與實現》——黃健宏
Redis 源碼解析（evict.c、object.c）
