Redis系列1：深刻理解高性能Redis的本质
Redis系列2：数据持久化提高可用性
Redis系列3：高可用之主从架构
Redis系列4：高可用之Sentinel(哨兵模式）
Redis系列5：深入分析Cluster 集群模式
追求性能极致：Redis6.0的多线程模型
追求性能极致：客户端缓存带来的革命
Redis系列8：Bitmap实现亿万级数据计算
Redis系列9：Geo 类型赋能亿级地图位置计算
Redis系列10：HyperLogLog实现海量数据基数统计
Redis系列11：内存淘汰策略
Redis系列12：Redis 的事务机制
Redis系列13：分布式锁实现
Redis系列14：使用List实现消息队列
Redis系列15：使用Stream实现消息队列
Redis系列16：聊聊布隆过滤器（原理篇）
Redis系列17：聊聊布隆过滤器（实践篇）
Redis系列18：过期数据的删除策略
1 介绍
上一期我们介绍了 Redis系列18：过期数据的删除策略 ，但是无论是惰性删除还是定期删除，都可能存在删除不尽的情况，无法删除完全，比如每次删除完过期的 key 还是超过 25%，且这些 key 再也不会被客户端访问。
这样的话，定期删除和堕性删除可能都彻底的清理掉。如果这种情况长时间持续下去，可能会导致内存耗尽，所以Redis必须有一个完善的内存淘汰机制来保障。这就是我们这一篇的重点，Redis内存自动淘汰机制。
2 Redis内存淘汰策略
在 redis 中总共由8种淘汰策略，默认的淘汰策略是 noeviction。
| noeviction不淘汰策略(默认) | |||
| 淘汰数据策略 | 设置过期时间的淘汰策略 | valatile-random | 随机淘汰算法 |
| volatile-ttl | 淘汰失效时间最短的key | ||
| volatile-lru | 删除最近最少使用的key | ||
| volatile-lfu | 删除访问次数最少的key | ||
| 所有数据的淘汰策略 | allkeys-lru | 删除最近最少使用的key（全部） | |
| allkeys-lfu | 删除访问次数最少的key（全部） | ||
| allkey-random | 随机淘汰算法（全部） |
2.1 设置过期时间的淘汰策略
volatile-ttl、volatile-random、volatile-lru、volatile-lfu 这4种策略淘汰的数据范围为设置了过期时间的数据。
2.2 所有 key 的淘汰策略
allkeys-lru、allkeys-random、allkeys-lfu 这3种淘汰策略无论是否设置了过期时间，内存不足时都会进行淘汰。
也就是说无论它的过期时间到没到，都有可能被删除。
3 LRU淘汰策略执行过程
这边以LRU算法为例子讲解，它的全称是 Least Rencently Used，即将最近最久未使用的算法进行数据淘汰。
我们这边以图例来讲解，整个过程如下：
- 首先设置一个淘汰池（一个链表），假设默认大小是16，里面的数据采用末尾淘汰制。如图中
- MRU：表示链表的表头，代表着最近最常被访问的数据；
- LRU：表示链表的表尾，代表最近最不常使用的数据。
- 如果淘汰池中的数据被访问，则会被移动到 MRU 端，其他位置的数据则相应往后移动一位
- 每次指令操作的时候，自旋会判断当前内存是否满足指令所需要的内存
- 如果当前内存不能满足，会从淘汰池中的尾部拿取一个最适合淘汰的数据
- 取样模式（配置 maxmemory-samples属性）从Redis中获取随机的取样数据，避免一次性读取All Key性能慢
- 在取样的数据中，根据淘汰算法 找到最适合淘汰的数据
- 将需要淘汰的数据从Redis删除，并且从淘汰池移除
这边注意，LRU 更新和新增数据都发生在链表首，删除数据都发生在链表尾。
水果 Orange 跟 Pitaya 被访问，被移动到MRU端，新增的Mango也被插入到MRU端。而最末端的Olive则被删除。
4 算法实现
以下是使用Go语言实现Redis LRU淘汰过程的示例代码，代码注释很清楚：
package main
import (
"container/list"
"fmt"
"time"
)
type Redis struct {
data map[string]*list.Element // 存储缓存项的键和值，以及它们在LRU链表中的位置
lru *list.List // LRU链表
}
type cacheItem struct {
key string
value string
// 记录该缓存项最后一次被访问的时间
lastAccess time.Time
}
func NewRedis() *Redis {
return &Redis{
data: make(map[string]*list.Element),
lru: list.New(),
}
}
func (r *Redis) Get(key string) (string, bool) {
// 从LRU链表中查找缓存项
if elem, ok := r.data[key]; ok {
// 将该缓存项移动到链表头部，表示最近被访问过
r.lru.MoveToFront(elem)
// 更新缓存项的最后访问时间
item := elem.Value.(*cacheItem)
item.lastAccess = time.Now()
return item.value, true
}
return "", false
}
func (r *Redis) Set(key string, value string) {
// 从LRU链表中查找缓存项
if elem, ok := r.data[key]; ok {
// 如果缓存项存在，更新其值和最后访问时间，并将其移动到链表头部
item := elem.Value.(*cacheItem)
item.value = value
item.lastAccess = time.Now()
r.lru.MoveToFront(elem)
return
}
// 如果缓存项不存在，创建新的缓存项并将其添加到LRU链表头部
item := &cacheItem{
key: key,
value: value,
lastAccess: time.Now(),
}
elem := r.lru.PushFront(item)
r.data[key] = elem
// 如果缓存空间已满，执行LRU淘汰操作
for r.lru.Len() > maxItems {
// 从链表尾部查找最久未被访问的缓存项
elem := r.lru.Back()
item := elem.Value.(*cacheItem)
// 如果该缓存项的过期时间已到达，则从链表中删除该缓存项
if item.lastAccess.Add(expireTime).Before(time.Now()) {
r.lru.Remove(elem)
delete(r.data, item.key)
} else {
// 否则，只从链表中删除该缓存项
r.lru.Remove(elem)
}
}
}
在这个示例中，我们使用了一个map来存储缓存项的键和值，以及它们在LRU链表中的位置。我们使用了一个LRU链表来存储缓存项，并按照访问时间将它们排序。在Get方法中，我们从LRU链表中查找缓存项，并将其移动到链表头部，表示最近被访问过。在Set方法中，如果缓存项已存在，我们更新其值和最后访问时间，并将其移动到链表头部；如果缓存项不存在，我们创建新的缓存项并将其添加到LRU链表头部。如果缓存空间已满，我们执行LRU淘汰操作，从链表尾部查找最久未被访问的缓存项，并从链表中删除它。注意，我们还检查了缓存项的过期时间，如果该缓存项已过期，则也会从链表中删除它。
5 总结
第4小节基本来自baidu文心一言的组织，非常感谢。
这一篇我们介绍了Redis的几种内存淘汰策略，并且详细分析了LRU算法的实现原理。下一篇我们分析下 LFU 算法。