Skip to content

Redis 内存淘汰机制

概述

  • 定义：
  • Redis 是一个内存数据库，当存储的数据量超过可用内存时，会触发 内存淘汰机制，根据配置的策略删除部分键值对以释放空间。
  • 内存淘汰通过配置 maxmemory 和 maxmemory-policy 实现，避免内存溢出（OOM）。
  • 核心点：
  • Redis 提供 8 种内存淘汰策略，分为 随机淘汰、LRU（最近最少使用）、LFU（最不经常使用） 和 TTL（过期时间） 相关策略。
  • 选择淘汰策略需根据业务场景（如缓存、持久化存储）、数据访问模式（热点数据、均匀访问）和性能要求。

1. Redis 内存淘汰的触发条件

  • 内存限制：
  • 配置 maxmemory 参数，限制 Redis 使用的最大内存（单位：字节）。
  • 示例： bash CONFIG SET maxmemory 2gb
  • 若未设置 maxmemory，Redis 将使用所有可用内存，可能导致 OOM。
  • 触发时机：
  • 当 Redis 内存使用量接近或超过 maxmemory 时，触发淘汰。
  • 每次写入操作（如 SET, LPUSH）检查内存，若超限，执行淘汰策略删除键，直到内存低于 maxmemory。
  • 内存监控：
  • 查看内存使用情况： bash INFO MEMORY 输出示例： used_memory: 1500000000 maxmemory: 2000000000

2. Redis 内存淘汰策略

Redis 提供以下 8 种内存淘汰策略（maxmemory-policy），通过 CONFIG SET maxmemory-policy <policy> 配置：

(1) noeviction（不淘汰）

  • 描述：
  • 不主动淘汰任何键，当内存不足时，新写入操作（如 SET）失败并返回错误。
  • 适用场景：
  • Redis 作为持久化存储（如数据库），数据不可丢失。
  • 数据量可控，不会超过 maxmemory。
  • 缺点：
  • 内存超限后无法写入，影响服务可用性。
  • 示例： bash CONFIG SET maxmemory-policy noeviction

(2) allkeys-lru（全局 LRU）

  • 描述：
  • 从所有键中选择 最近最少使用（Least Recently Used） 的键进行淘汰。
  • 使用近似 LRU 算法（随机采样，默认 5 个样本，maxmemory-samples 可调）。
  • 适用场景：
  • Redis 作为缓存，热点数据频繁访问，冷数据可淘汰。
  • 数据访问有明显热点（如 80/20 法则）。
  • 优点：
  • 保留高频访问数据，适合缓存场景。
  • 缺点：
  • 可能误删重要但访问频率低的键。
  • 示例： bash CONFIG SET maxmemory-policy allkeys-lru

(3) volatile-lru（带过期时间的 LRU）

  • 描述：
  • 从设置了过期时间（EXPIRE）的键中选择最近最少使用的键淘汰。
  • 未设置过期时间的键不会被淘汰。
  • 适用场景：
  • Redis 混合使用（部分键为缓存，带 TTL；部分键为持久化，无 TTL）。
  • 希望保护无过期时间的数据。
  • 优点：
  • 仅淘汰临时数据，保护持久化键。
  • 缺点：
  • 若带过期时间的键不足，可能无法释放足够内存。
  • 示例： bash CONFIG SET maxmemory-policy volatile-lru

(4) allkeys-random（全局随机）

  • 描述：
  • 从所有键中随机选择键进行淘汰。
  • 适用场景：
  • 数据访问均匀，无明显热点（如临时数据、测试环境）。
  • 对淘汰顺序不敏感。
  • 优点：
  • 实现简单，开销低。
  • 缺点：
  • 可能删除高频访问的键，降低缓存命中率。
  • 示例： bash CONFIG SET maxmemory-policy allkeys-random

(5) volatile-random（带过期时间的随机）

  • 描述：
  • 从设置了过期时间的键中随机选择键淘汰。
  • 适用场景：
  • 带 TTL 的键为临时数据，可随机删除。
  • 混合存储场景，需保护无过期时间键。
  • 优点：
  • 简单高效，保护持久化数据。
  • 缺点：
  • 随机性可能影响缓存效率。
  • 示例： bash CONFIG SET maxmemory-policy volatile-random

(6) volatile-ttl（按剩余 TTL 淘汰）

  • 描述：
  • 从设置了过期时间的键中选择 剩余存活时间（TTL）最短 的键淘汰。
  • 适用场景：
  • 键的过期时间有明确意义，优先删除即将过期的数据。
  • 缓存场景，TTL 表示数据时效性。
  • 优点：
  • 优先淘汰无用数据，延长有效数据存活。
  • 缺点：
  • 若带 TTL 键不足，可能无法释放内存。
  • 示例： bash CONFIG SET maxmemory-policy volatile-ttl

(7) allkeys-lfu（全局 LFU）（Redis 4.0+）

  • 描述：
  • 从所有键中选择 最不经常使用（Least Frequently Used） 的键淘汰。
  • 使用近似 LFU 算法，基于访问频率计数（LOGARITHMIC COUNTER）。
  • 适用场景：
  • 缓存场景，数据访问频率差异大，需保留高频访问键。
  • 比 LRU 更适合长期热点数据。
  • 优点：
  • 精准保留高频数据，提升命中率。
  • 缺点：
  • LFU 计数需额外内存，维护成本略高。
  • 示例： bash CONFIG SET maxmemory-policy allkeys-lfu

(8) volatile-lfu（带过期时间的 LFU）（Redis 4.0+）

  • 描述：
  • 从设置了过期时间的键中选择最不经常使用的键淘汰。
  • 适用场景：
  • 混合存储，带 TTL 的键为缓存，需基于访问频率淘汰。
  • 保护无 TTL 的持久化数据。
  • 优点：
  • 结合 LFU 和 TTL，适合复杂缓存场景。
  • 缺点：
  • 同 volatile-lru，若带 TTL 键不足，可能内存不足。
  • 示例： bash CONFIG SET maxmemory-policy allkeys-lfu

3. 内存淘汰策略选择

选择淘汰策略需综合考虑 业务场景、数据特性 和 性能要求：

(1) 业务场景

  • Redis 作为缓存：
  • 推荐：allkeys-lru 或 allkeys-lfu。
  • 理由：全局淘汰，保留热点数据（LRU 适合近期热点，LFU 适合长期热点）。
  • 示例：Web 缓存、热点商品信息。
  • Redis 作为持久化存储：
  • 推荐：noeviction。
  • 理由：避免数据丢失，需确保内存充足。
  • 示例：配置数据、会话存储。
  • 混合场景（缓存 + 持久化）：
  • 推荐：volatile-lru 或 volatile-lfu。
  • 理由：仅淘汰带 TTL 的缓存键，保护无 TTL 的持久化键。
  • 示例：缓存热点数据，持久化用户配置。
  • 临时数据，TTL 重要：
  • 推荐：volatile-ttl。
  • 理由：优先淘汰即将过期的数据，延长有效数据存活。
  • 示例：验证码、临时令牌。

(2) 数据访问模式

  • 热点数据明显（80/20 法则）：
  • 推荐 allkeys-lru 或 allkeys-lfu。
  • LRU 适合短期热点，LFU 适合长期高频。
  • 访问均匀，无明显热点：
  • 推荐 allkeys-random 或 volatile-random。
  • 随机淘汰开销低，适合无序数据。
  • TTL 差异大：
  • 推荐 volatile-ttl。
  • 优先删除快过期的数据。

(3) 性能与开销

  • 低开销：
  • allkeys-random、volatile-random：随机选择，计算量小。
  • 高命中率：
  • allkeys-lru、allkeys-lfu：基于访问模式，命中率高，但需维护 LRU/LFU 计数。
  • volatile-lru、volatile-lfu：同上，但限制在 TTL 键。
  • 精确淘汰：
  • volatile-ttl：按 TTL 排序，适合时效性数据。
  • 无淘汰：
  • noeviction：零开销，但内存不足时拒绝写入。

(4) 配置建议

  • maxmemory：
  • 设为物理内存的 60%-80%，留空间给系统和缓冲。
  • 示例：16GB 机器，设 maxmemory 12gb。
  • maxmemory-samples（LRU/LFU 采样数）：
  • 默认 5，增加到 10 可提高 LRU/LFU 精度，但增加开销。
  • 示例： bash CONFIG SET maxmemory-samples 10
  • TTL 使用：
  • 尽量为缓存键设置 EXPIRE，配合 volatile-* 策略。
  • 示例： bash SET cache:key value EX 3600

4. 内存淘汰的工作原理

  • 触发：
  • 写入操作（如 SET, LPUSH）时，检查 used_memory 是否超过 maxmemory。
  • 若超限，调用淘汰算法。
  • LRU/LFU 实现：
  • Redis 使用 近似算法，随机采样 N 个键（默认 5），选择最旧（LRU）或最不频繁（LFU）的键。
  • LRU：基于键的最后访问时间（lru_clock）。
  • LFU：基于访问频率计数（lfu_log_factor 控制衰减）。
  • 随机淘汰：
  • 直接随机选择键，效率高但命中率低。
  • TTL 淘汰：
  • 比较带 TTL 键的剩余时间，选择最小者。
  • 流程：
  • 检查内存是否超限。
  • 根据策略选择候选键。
  • 删除键，释放内存。
  • 重复直到内存低于 maxmemory。

5. 代码与配置示例

import redis.clients.jedis.Jedis;

public class RedisEvictionExample {
    public static void main(String[] args) {
        Jedis jedis = new Jedis("localhost", 6379);

        // 设置最大内存 100MB
        jedis.configSet("maxmemory", "100mb");

        // 设置淘汰策略为 allkeys-lru
        jedis.configSet("maxmemory-policy", "allkeys-lru");

        // 设置 LRU 采样数
        jedis.configSet("maxmemory-samples", "10");

        // 插入数据
        for (int i = 0; i < 100000; i++) {
            jedis.set("key:" + i, "value:" + i);
            if (i % 1000 == 0) {
                System.out.println("Inserted " + i + " keys");
            }
        }

        // 检查内存使用
        String info = jedis.info("memory");
        System.out.println(info);

        jedis.close();
    }
}

配置文件（redis.conf）：

maxmemory 2gb
maxmemory-policy allkeys-lru
maxmemory-samples 10

查看当前策略：

CONFIG GET maxmemory-policy
CONFIG GET maxmemory

6. 注意事项

  • 内存规划：
  • 设置 maxmemory 小于物理内存，留空间给 Redis 管理开销（如复制缓冲区）。
  • 监控内存使用： bash INFO MEMORY
  • TTL 使用：
  • 为缓存键设置合理 TTL（如 1 小时），减少手动淘汰压力。
  • 示例： bash SETEX cache:key 3600 value
  • 策略选择：
  • 避免 noeviction 导致写入失败，除非数据不可丢。
  • 优先 allkeys-lru/allkeys-lfu 确保缓存命中率。
  • 性能影响：
  • LRU/LFU 淘汰需采样和比较，增加 CPU 开销。
  • 增大 maxmemory-samples 提高精度，但降低性能。
  • 数据丢失风险：
  • allkeys-* 策略可能删除持久化数据，需评估业务影响。
  • volatile-* 策略需确保足够带 TTL 键。
  • 高可用：
  • 主从复制中，主节点淘汰可能导致从节点数据不一致。
  • 集群模式下，各节点独立淘汰，需统一配置 maxmemory。
  • 碎片管理：
  • 淘汰可能导致内存碎片，定期重启或使用 MEMORY PURGE 清理。 bash MEMORY PURGE

7. 面试角度

  • 问“Redis 内存淘汰策略有哪些”：
  • 提 8 种：noeviction, allkeys-lru, volatile-lru, allkeys-random, volatile-random, volatile-ttl, allkeys-lfu, volatile-lfu。
  • 问“如何选择淘汰策略”：
  • 提缓存用 allkeys-lru/allkeys-lfu，持久化用 noeviction，混合用 volatile-lru/volatile-lfu，TTL 重要用 volatile-ttl。
  • 问“LRU vs LFU 区别”：
  • 提 LRU 基于最近访问时间，适合短期热点；LFU 基于访问频率，适合长期高频。
  • 问“volatile-lru 的局限”：
  • 提仅淘汰带 TTL 键，若 TTL 键不足，可能内存不足。
  • 问“如何监控内存淘汰”：
  • 提 INFO MEMORY 查看 used_memory、evicted_keys，设置 maxmemory 和 maxmemory-policy。
  • 问“如何避免内存溢出”：
  • 提设置 maxmemory，用有界数据结构（如 List 裁剪），定期清理过期键，优化淘汰策略。

8. 总结

  • Redis 内存淘汰策略：
  • noeviction：不淘汰，拒绝写入。
  • allkeys-lru/lfu：全局 LRU/LFU，适合缓存。
  • volatile-lru/lfu：带 TTL 的 LRU/LFU，适合混合场景。
  • allkeys-random/volatile-random：随机淘汰，简单高效。
  • volatile-ttl：按 TTL 淘汰，适合时效性数据。
  • 选择依据：
  • 缓存：allkeys-lru（短期热点）或 allkeys-lfu（长期高频）。
  • 持久化：noeviction。
  • 混合：volatile-lru/volatile-lfu。
  • TTL 优先：volatile-ttl。
  • 实现原理：
  • 内存超 maxmemory 触发，LRU/LFU 使用近似采样，随机和 TTL 直接选择。
  • 面试建议：
  • 提 8 种策略、适用场景（缓存 vs 持久化）、选择依据（热点 vs TTL）、配置（maxmemory、maxmemory-samples），举例（CONFIG SET），清晰展示理解。