谈谈 Redis 的内存淘汰策略？

Redis 的内存淘汰策略？

Redis 使用的内存达到配置的最大限制 (maxmemory) 时，内存淘汰策略就决定了 Redis 应该如何选择数据来删除，以便为新写入的数据腾出空间。

一、核心概念与配置

在深入策略之前，必须先理解 redis.conf 配置文件中两个核心配置项：

# 1. 设置最大内存限制（必须设置）
maxmemory 2gb

# 2. 设置内存淘汰策略
maxmemory-policy noeviction

如果不设置 maxmemory，在 64 位系统上 Redis 会一直使用内存直到被操作系统 OOM Killer 强制杀死，这是生产环境的灾难。

二、八种内存淘汰策略详解

Redis 提供了 8 种策略，可以分为三大类：

第一类：不淘汰策略

1. noeviction（默认策略）

行为：当内存达到限制时，所有会引起内存增加的新写入命令都会报错（如 SET, LPUSH 等），而读命令（如 GET）正常执行。
错误信息：(error) OOM command not allowed when used memory > 'maxmemory'
适用场景：
- 数据绝对不能丢失的场景
- 作为存储系统而非缓存的 Redis
- 需要业务层自己处理写入失败的情况

第二类：对所有 Key 进行淘汰

这些策略会从整个数据集中选择要删除的 Key。

2. allkeys-lru（最常用策略）

行为：从所有 Key 中，淘汰最近最少使用的 Key。
算法：使用近似的 LRU 算法，通过随机采样来避免全量扫描的性能开销。
适用场景：Redis 作为缓存的通用场景。我们希望保留热点数据，淘汰长时间未被访问的冷数据。
示例：如果用户最近访问了商品 A、B、C，但很久没访问商品 D，那么当内存不足时，D 会被优先淘汰。

3. allkeys-lfu（Redis 4.0+）

行为：从所有 Key 中，淘汰最不经常使用的 Key。
与 LRU 的区别：
- LRU：关注最近访问时间，淘汰最久未访问的
- LFU：关注访问频率，淘汰访问次数最少的
适用场景：有明显访问热点的业务。比如某些热门商品被反复查看，而有些商品几乎无人问津。

4. allkeys-random

行为：从所有 Key 中，随机选择并淘汰。
适用场景：
- 所有 Key 被访问的概率大致相等
- 没有明显的访问模式或热点
- 简单粗暴，在特定场景下效果不错

第三类：仅对设置了过期时间的 Key 进行淘汰

这些策略只从设置了 TTL 的 Key 中选择要删除的目标。

5. volatile-lru

行为：从设置了过期时间的 Key 中，淘汰最近最少使用的。
适用场景：Redis 中同时存在缓存数据（有 TTL）和持久数据（无 TTL）。我们希望只淘汰缓存数据，保护核心的持久数据。

6. volatile-lfu（Redis 4.0+）

行为：从设置了过期时间的 Key 中，淘汰最不经常使用的。
适用场景：在缓存数据中进一步区分热点，保留频繁访问的缓存。

7. volatile-random

行为：从设置了过期时间的 Key 中，随机淘汰。
适用场景：缓存数据的访问模式比较随机。

8. volatile-ttl

行为：从设置了过期时间的 Key 中，淘汰剩余生存时间最短的。
适用场景：希望尽快清理即将过期的缓存，为更"新鲜"的数据腾出空间。比如会话（Session）缓存。

三、生产环境选型指南

作为架构师，我的选择基于 Redis 在系统中的角色：

Redis 角色	推荐策略	理由
纯缓存	`allkeys-lru`	通用选择，自动保留热点数据，淘汰冷数据
缓存（有明显热点）	`allkeys-lfu`	更好地保留高频访问数据，淘汰低频数据
缓存 + 数据库	`volatile-lru`	保护永久数据（不设 TTL），只淘汰缓存数据（设 TTL）
关键数据存储	`noeviction`	数据绝对不能丢失，通过监控和扩容解决内存问题
访问模式随机	`allkeys-random`	简单有效，在无热点场景下表现良好

配置示例：

# 作为缓存服务器
maxmemory 16gb
maxmemory-policy allkeys-lru

# 作为混合存储（缓存+持久化）
maxmemory 8gb
maxmemory-policy volatile-lru

四、底层算法深度解析

LRU 近似算法

传统的 LRU 需要维护一个所有 Key 的访问顺序链表，内存和性能开销巨大。Redis 使用随机采样法：

每次需要淘汰时，从数据库中随机抽取 maxmemory-samples（默认 5）个 Key
从这些样本中选出最近最久未使用的 Key 进行淘汰

通过调整采样数量，可以在精度和性能之间权衡：

maxmemory-samples 10  # 提高采样数，淘汰更精确，但CPU开销更大

LFU 实现机制

Redis 的 LFU 不是简单的访问计数，而是使用概率计数器：

访问计数：每次 Key 被访问时，计数器可能增加
计数衰减：计数器会随时间衰减，避免旧的历史访问影响当前决策
新 Key 保护：新加入的 Key 有一个基础计数值，避免立即被淘汰

五、监控与运维实践

关键监控指标

used_memory：已使用内存
used_memory_peak：内存使用峰值
maxmemory：配置的最大内存
evicted_keys：被淘汰的 Key 数量（重要！）

告警设置

# 当内存使用率超过 80% 时告警
used_memory / maxmemory > 0.8

# 当淘汰键数持续增长时告警
evicted_keys 持续增加

故障排查

如果 evicted_keys 持续快速增长，说明：

内存严重不足，需要扩容
或者淘汰策略选择不当，大量热点数据被淘汰

六、与过期策略的关系

需要明确区分：

过期策略：处理设置了 TTL 且已到期的 Key（何时删除）
内存淘汰：处理内存达到上限时的情况（删除什么）

两者协同工作，但解决的问题不同。

总结

面试官，Redis 的内存淘汰机制是一个精心设计的系统，其核心价值在于：

提供了多种选择：8 种策略覆盖了从"绝对保护"到"智能淘汰"的各种场景，让我们可以根据业务特性进行精准匹配。
基于智能算法：通过近似的 LRU/LFU 算法，在保证性能的同时实现了较好的淘汰效果。
生产实践关键：
- 必须设置 maxmemory，这是启用淘汰机制的前提
- 首选 allkeys-lru 作为缓存的通用策略
- 监控 evicted_keys 是发现内存问题的关键指标

我的核心建议是：明确 Redis 在架构中的定位。如果作为缓存，就大胆使用淘汰策略来保证服务的可用性；如果作为存储，就使用 noeviction 并确保有完善的内存监控和扩容机制。这种清晰的边界划分，是构建稳定分布式系统的基石。

发布于2025年11月22日|11:45:27

谈谈 Redis 的内存淘汰策略？

一、 核心概念与配置

二、 八种内存淘汰策略详解