我們的redis使用的是記憶體空間來儲存資料的，但是記憶體空間畢竟有限，隨著我們儲存資料的不斷增長，當超過了我們的記憶體大小時，即在redis中設定的快取大小（maxmeory 4GB），redis會怎麼處理呢？今天就來聊聊redis的快取淘汰策略。

一、redis的快取淘汰策略

在redis中，一種有8種對應的快取淘汰策略

根據是否進行資料淘汰可以分為：不淘汰的資料策略（noeviction）和7種淘汰資料策略。

在淘汰的資料策略中，又可以根據淘汰資料的樣本分為：在設定了過期時間的資料中進行淘汰資料的四種策略（volatile-ttl，volatile-radom，volatile-lru，volatile-lfu）和在全部資料中進行資料淘汰的三種策略（allkeys-radmom、allkeys-lru、allkeys-lfu）

volatile-ttl：表示在設定可過期時間的鍵值對中，根據過期時間的先後進行淘汰資料，越早被過期的資料，越先被淘汰。

volatile-random：從名字可以看出來，就是在設定了過期時間的鍵值對中，隨機淘汰資料。

volatile-lru：會根據lru演算法進行資料的淘汰

volatile-lfu：會根據lfu演算法進行資料的淘汰

allkeys-random：在全部的鍵值對資料中，進行資料的隨機淘汰。

allkeys-lru：在全部的鍵值對資料中，根據lru演算法進行資料的淘汰。

allkeys-lfu：在全部的鍵值對資料中，根據lfu演算法進行資料的淘汰。

二、LRU演算法機制

LRU演算法的全稱叫做Least Recently Used，也就是最近最少使用原則來進行資料的淘汰演算法。其原理就是，會將資料放入到一個連結串列中，當連結串列中的某個元素被訪問時，這個元素就被會提到連結串列的前面，其他元素，預設向後移動；當這個時候我們想快取中新增一個元素時，也會被增加到連結串列的頭部，那麼尾部的最後一個元素就被淘汰了。

lru的實現思想就是：就是剛被訪問的資料，在接下來的時間裡，更容易被再次訪問，而一段時間沒有被訪問的資料，之後也不會再次訪問。但是要將redis的全部資料都放入這樣一個連結串列中的話，redis的資料被頻繁訪問時，需要不停的移動連結串列的位置，降低redis的效能，所以redis對LRU演算法進行了最佳化。

在redis中，會給每個資料記錄一個最近訪問的時間戳（記錄在RedisObject的lru欄位中），當需要進行資料淘汰時，redis就隨機篩選出N個數據放入到候選集合中去，然後比較這N個數據中的lru的值，最小的就會被淘汰。當再次需要淘汰資料時，這個時候篩選資料放入到第一次建立的淘汰集合中，那麼這次篩選就不在是隨機篩選，而是能進入候選集合的資料的 lru 欄位值必須小於候選集合中最小的 lru 值，然後再次將最小的lru的值的資料進行淘汰。其中N的配置項為：

maxmemory-samples 100 # 表示N為100

三、LFU演算法機制

LFU（Least frequently used）稱為最近使用最少的資料將被淘汰，redis在就是在LRU的基礎上增加一個次數統計。其步驟就是根據資料的訪問次數進行篩選，淘汰訪問次數少的資料，如果訪問次數相同，在根據訪問時間進行比較，淘汰訪問時間久遠的資料。redis中的實現方式：就是在RedisObject的欄位lru上，拆分為兩個部分

ldt值：lru欄位的前16bit位，還是用來表示時間戳。

counter值：lru欄位的後8bit位，用來表示資料的訪問次數。

當 LFU 策略篩選資料時，Redis 會在候選集合中，根據資料 lru 欄位的後 8bit 選擇訪問次數最少的資料進行淘汰。當訪問次數相同時，再根據 lru 欄位的前 16bit 值大小，選擇訪問時間最久遠的資料進行淘汰。但是8個bit位，最大隻能記錄255的值，但是redis中的資料，有時候會被訪問成千上萬次，那麼這個問題如何進行解決呢？

redis對計數進行了最佳化，並不是資料被訪問一次，counter就會被加1，而是遵循如下規則：

當資料被訪問一次時，首先用計數器當前的值乘以配置項lfu_log_factor再加1，再取倒數得到一個p值

然後把這個p值和一個取值範圍在（0，1）的一個隨機數r，進行比大小，只有p值大於r時，counter的值才會被加一

#redis部分原始碼展示double r = （double）rand（）/RAND_MAX；。。。double p = 1。0/（baseval*server。lfu_log_factor+1）；if （r < p） counter++；

其中 baseval是計數器的當前值。計數器的預設初始值為5（由程式碼中的 LFU_INIT_VAL 常量設定），並不是為0，這樣可以避免資料剛進入快取，就因為訪問次數少而被立即淘汰。

當lfu_log_factor取不同的值時，實際訪問次數下，counter的值的變化情況：

在實際的使用場景中，還會有這樣一種情況，某些資料可能一開始會被大量的訪問，但是過了時間段後，就不會再被訪問，如果這個時候counter的值很大，就算後續不會被訪問，也就不會被redis進行資料淘汰。針對這種情況，在redis中，設計了counter的衰減策略。其實現就是根據lfu_decay_time的配置值，來控制訪問次數的衰減。其流程如下：

lfu會計算當前時間和資料最近一次訪問的時間差值，並將這個差值換算為分鐘單位。

然後在將這個差值除以lfu_decay_time值，得到的就是我們需要減去的值

然後再講counter的值減去這個值

這樣就可以保證在一段時間後，可以淘汰這部分資料。

四、redis的淘汰策略怎麼選

存在即合理，每種淘汰策略都會有自己的使用場景，我們在設定redis的淘汰策略的時候，就需要結合自己的業務場景去定製化的配置。下面就是我給的一些建議：

可以優先將淘汰策略設定為allkeys-lru，這樣可以充分利用lru演算法的特性，把最近訪問的資料都留在快取中，長時間沒有訪問的資料給淘汰掉。

如果業務中的訪問資料，沒有冷熱資料之分，資料的訪問時間相差不大，可以採用allkeys-lru策略。

如果在業務中，有需要置頂資料，可以不給置頂資料設定過期時間，然後採用volatile-lru策略來實現。

如果在業務中，有一些定時任務的資料，過了這個時間段後，基本就不會訪問的資料，可以採用allkeys-lfu演算法。