Redis 内存淘汰策略
Redis 提供了多种 内存淘汰策略（Eviction Policy），用于在内存到达上限时决定如何删除数据，以便存入新的数据。我们详细介绍这些策略的 工作机制、实用场景、优缺点。
1. Redis 内存淘汰策略分类
当 Redis 内存到达 maxmemory 限制后，淘汰策略决定如那边理数据。Redis 的淘汰策略重要分为三大类：
- (1) 拒绝写入（不删除数据）
- (2) 仅淘汰带逾期时间的 Key
- (3) 淘汰全部 Key
2. 详细的淘汰策略
(1) noeviction（拒绝写入）
- 机制：当内存满时，Redis 不会删除任何 Key，而是直接返回错误。
- 实用场景：实用于 缓存不答应丢失 的情况，比方会话管理、金融交易数据等。
- 长处：
- 缺点：
- 大概导致 Redis 无法写入数据，影响业务正常运行。
- 实用于严格管控内存的场景，不实用于缓存（cache）用途。
(2) allkeys-lru（全部 Key 接纳 LRU 淘汰）
- 机制：在 全部 Key（无论是否有 TTL） 中，淘汰近来最少使用（Least Recently Used, LRU）的 Key。
- 实用场景：实用于 平常缓存，比方 Web 页面缓存、短期存储等。
- 长处：
- 能够自动保留 近来访问的热门数据，提升缓存掷中率。
- 缺点：
- 需要额外的 LRU 计算开销（但 Redis 内部已做优化）。
(3) volatile-lru（仅带逾期时间的 Key 接纳 LRU 淘汰）
- 机制：只淘汰**带 TTL（逾期时间）**的 Key，按照 LRU 规则删除最少使用的 Key。
- 实用场景：实用于数据有明确逾期时间的缓存（如 Web 页面缓存、令牌管理）。
- 长处：
- 不会影响永久存储的数据（无 TTL 的 Key）。
- 缺点：
- 假如带 TTL 的 Key 很少，或者都还未逾期，大概导致无法释放足够的内存，最终 Redis 仍然会写入失败。
(4) allkeys-random（全部 Key 随机淘汰）
- 机制：在全部 Key 中随机选择一些 Key 举行淘汰，不管是否有 TTL。
- 实用场景：实用于不要求缓存掷中率的场景，如临时性存储、非核心数据。
- 长处：
- 缺点：
- 缓存掷中率较低，大概会删除热门数据，导致 Redis 效率降落。
(5) volatile-random（仅带逾期时间的 Key 随机淘汰）
- 机制：只淘汰 带 TTL 的 Key，随机选择一部门 Key 举行删除。
- 实用场景：实用于缓存体系，数据有逾期时间，但访问频率无规律。
- 长处：
- 缺点：
(6) volatile-ttl（仅带逾期时间的 Key，优先淘汰 TTL 最短的）
- 机制：在全部带 TTL 的 Key 中，优先删除 TTL 最短的 Key。
- 实用场景：实用于有明确逾期时间的数据（如定期缓存的数据、会话管理）。
- 长处：
- 缺点：
- 假如 TTL 设定不公道（比如大量 Key 逾期时间雷同），仍大概影响掷中率。
3. Redis 6.0+ 的 LFU 淘汰策略
Redis 6.0 引入了 LFU（Least Frequently Used） 淘汰策略，进一步优化 LRU 算法。
(7) allkeys-lfu（全部 Key 接纳 LFU 淘汰）
- 机制：在 全部 Key 中，淘汰访问最少的 Key。
- 实用场景：实用于热门数据变革较快的场景，如新闻推荐、个性化广告缓存等。
- 长处：
- 能够自动保留最常访问的 Key，比 LRU 更智能。
- 缺点：
- 计算代价比 LRU 高，但 Redis 内部做了优化（基于近似计数）。
(8) volatile-lfu（仅带 TTL 的 Key 接纳 LFU 淘汰）
- 机制：在带 TTL 的 Key 中，淘汰访问最少的 Key。
- 实用场景：实用于 对缓存掷中率要求高，且数据带逾期时间 的情况。
- 长处：
- 不会误删无 TTL 的 Key，并且优先保留访问频率高的 Key。
- 缺点：
- 计算开销较高，但 Redis 6.0 举行了优化。
4. 淘汰策略对比总结
淘汰策略实用范围实用场景长处缺点noeviction（默认淘汰策略）全部 Key数据不能丢失的场景（如金融体系）数据安全，不丢失大概导致 Redis 写入失败allkeys-lru全部 Key平常缓存（如 Web 缓存）适应热门数据变革，缓存掷中率高需要维护 LRUvolatile-lru仅带 TTL数据有明确逾期时间的缓存制止删除永久存储的数据若带 TTL 的 Key 很少，大概无法释放足够内存allkeys-random全部 Key临时存储（不要求掷中率）计算简朴缓存掷中率低volatile-random仅带 TTL随机淘汰缓存数据计算简朴大概误删热门数据volatile-ttl仅带 TTL定期缓存数据（如会话管理）优先删除即将逾期的数据TTL 设定不公道大概影响掷中率allkeys-lfu全部 Key热门数据变革快（如推荐体系）优先保留高频访问数据计算比 LRU 略高volatile-lfu仅带 TTL高频访问缓存（如广告缓存）同时考虑访问频率和 TTL计算比 LRU 略高
5. 选择符合的策略
- 数据不能丢失 ➝ noeviction
- 平常缓存，保留热门数据 ➝ allkeys-lru
- 数据有逾期时间，保留热门数据 ➝ volatile-lru
- 不在意掷中率，只要释放内存 ➝ allkeys-random
- 热门数据变革快，使用频率高 ➝ allkeys-lfu
- 仅对带 TTL 的 Key 举行优化 ➝ volatile-ttl / volatile-lfu
总结
Redis 接纳 LRU、LFU、TTL、随机淘汰等方式，适应不同场景，公道选择淘汰策略，可以提高 缓存掷中率 和 数据管理效率。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
