一般來說，快取的容量是小於資料總量的，所以，當快取資料越來越多，Redis 不可避免的會被寫滿，這時候就涉及到 Redis 的記憶體淘汰機制了。我們需要選定某種策略將“不重要”的資料從 Redis 中清除，為新的資料騰出空間。
配置 Redis 記憶體大小
我們應該為 Redis 設定多大的記憶體容量呢？
根據“八二原理“，即 80% 的請求訪問了 20% 的資料，因此如果按照這個原理來配置，將 Redis 記憶體大小設定為資料總量的 20%，就有可能攔截到 80% 的請求。當然，只是有可能，對於不同的業務場景需要進行不同的配置，一般建議把快取容量設定為總資料量的 15% 到 30%，兼顧訪問效能和記憶體空間開銷。
配置方式（以 5GB 為例，如果不帶單位則預設單位是位元組）：
-
命令列
config set maxmemory 5gb -
配置檔案
-
檢視 maxmemory 命令
config get maxmemory
Redis 的記憶體淘汰策略
在 Redis 4.0 版本之前有 6 種策略，4.0 增加了 2種，主要新增了 LFU 演算法。
下圖為 Redis 6.2.0 版本的配置檔案：
其中，預設的淘汰策略是 noevition，也就是不淘汰
我們可以對 8 種淘汰策略可以分為兩大類：
-
不進行淘汰的策略
-
noevition，此策略不會對快取的資料進行淘汰，當記憶體不夠了就會報錯，因此，如果真實資料集大小大於快取容量，就不要使用此策略了。
-
-
會進行淘汰的策略
- 在設定了過期時間的資料中篩選
- volatile-random：隨機刪除
- volatile-ttl：根據過期時間先後進行刪除，越早過期的越先被刪除
- volatile-lru：使用 LRU 演算法進行篩選刪除
- volatile-lfu：使用 LFU 演算法進行篩選刪除
- 在所有資料中篩選
- allkeys-random：隨機刪除
- allkeys-lru：使用 LRU 演算法進行篩選刪除
- allkeys-lfu：使用 LFU 演算法進行篩選刪除
- 在設定了過期時間的資料中篩選
以 volatile 開頭的策略只針對設定了過期時間的資料，即使快取沒有被寫滿，如果資料過期也會被刪除。
以 allkeys 開頭的策略是針對所有資料的，如果資料被選中了，即使過期時間沒到，也會被刪除。當然，如果它的過期時間到了但未被策略選中，同樣會被刪除。
那麼我們如何配置過期策略呢？
-
命令列
config set maxmemory-policy allkeys-lru -
配置檔案
LRU 演算法
首先簡單介紹一下 LRU 演算法：
LRU 全稱是 Least Recently Used，即最近最少使用，會將最不常用的資料篩選出來，保留最近頻繁使用的資料。
LRU 會把所有資料組成一個連結串列，連結串列頭部稱為 MRU，代表最近最常使用的資料；尾部稱為 LRU代表最近最不常使用的資料；
下圖是一個簡單的例子：
但是，如果直接在 Redis 中使用 LRU 演算法也會有一些問題：
LRU 演算法在實現過程中使用連結串列管理所有快取的資料，這會給 Redis 帶來額外的開銷，而且，當有資料訪問時就會有連結串列移動操作，進而降低 Redis 的效能。
於是，Redis 對 LRU 的實現進行了一些改變：
- 記錄每個 key 最近一次被訪問的時間戳（由鍵值對資料結構 RedisObject 中的 lru 欄位記錄）
- 在第一次淘汰資料時，會先隨機選擇 N 個資料作為一個候選集合，然後淘汰 lru 值最小的。（N 可以通過
config set maxmemory-samples 100命令來配置） - 後續再淘汰資料時，會挑選資料進入候選集合，進入集合的條件是：它的 lru 小於候選集合中最小的 lru。
- 如果候選集合中資料個數達到了 maxmemory-samples，Redis 就會將 lru 值小的資料淘汰出去。
LFU 演算法
LFU 全稱 Least Frequently Used，即最不經常使用策略，它是基於資料訪問次數來淘汰資料的，在 Redis 4.0 時新增進來。它在 LRU 策略基礎上，為每個資料增加了一個計數器，來統計這個資料的訪問次數。
前面說到，LRU 使用了 RedisObject 中的 lru 欄位記錄時間戳，lru 是 24bit 的，LFU 將 lru 拆分為兩部分：
- ldt 值：lru 欄位的前 16bit，表示資料的訪問時間戳
- counter 值：lru 欄位的後 8bit，表示資料的訪問次數
使用 LFU 策略淘汰快取時，會把訪問次數最低的資料淘汰，如果訪問次數相同，再根據訪問的時間，將訪問時間戳最小的淘汰。
為什麼 Redis 有了 LRU 還需要 LFU 呢？
在一些場景下，有些資料被訪問的次數非常少，甚至只會被訪問一次。當這些資料服務完訪問請求後，如果還繼續留存在快取中的話，就只會白白佔用快取空間。
由於 LRU 是基於訪問時間的，如果系統對大量資料進行單次查詢，這些資料的 lru 值就很大，使用 LFU 演算法就不容易被淘汰。
參考
- 極客時間《Redis核心技術與實戰》