Redis 的过期策略和淘汰策略是内存管理的核心机制，分别用于处理键的自动失效和内存不足时的数据清理。以下是详细说明：

---

1 、过期删除策略（Expiration Policy）

处理已设置过期时间（EXPIRE）的键，确保它们在过期后被删除。

1.1 被动删除（惰性删除）

• 默认行为：始终启用，无需配置。
• 触发时机：当客户端尝试访问某个键时，Redis 会检查其是否过期。
• 行为：若键已过期，则直接删除并返回空结果，不返回数据。
• 优点：仅在访问时检查，节省 CPU 资源。
• 缺点：长期未被访问的过期键可能残留内存（需配合定期删除）。

1.2 定期删除（主动扫描）

• 默认行为：始终启用，无需配置。
• 触发时机：Redis 默认每秒 10 次随机抽查部分键。
• 行为：
  • 随机抽取 20 个设置了过期时间的键。
  • 删除其中已过期的键。
  • 若本轮删除的键超过 25%，重复流程（避免阻塞）。
• 配置参数：
  • hz 10：控制定期删除的频率（默认每秒 10 次）。
  • active-expire-effort：调整扫描强度（1-10，值越大越严格）。
• 优点：平衡内存和性能，避免内存泄漏。
• 缺点：无法保证及时删除所有过期键。

1.3. 过期键的存储

• Redis 使用独立的字典（expires）记录键的过期时间，与主键字典分离。
• 删除过期键时，会同时从主字典和 expires 字典中移除。

2 淘汰删除策略（Eviction Policy）

当内存达到 maxmemory 限制时，根据策略主动删除键以释放空间。

2.1 不淘汰（noeviction）

• 行为：内存不足时，拒绝写入操作（返回错误），但允许读取和删除。
• 适用场景：数据重要性高，不允许丢失（如分布式锁）。

2.2 LRU 策略（Least Recently Used）

• allkeys-lru：从所有键中淘汰最久未使用的键。
• volatile-lru：仅从设置了过期时间的键中淘汰最久未使用的键。
• 实现：Redis 使用近似 LRU 算法，维护一个随机采样的候选池（默认 5 个样本，可通过 maxmemory-samples 调整）。

2.3 LFU 策略（Least Frequently Used，Redis 4.0+）

• allkeys-lfu：从所有键中淘汰访问频率最低的键。
• volatile-lfu：仅从设置了过期时间的键中淘汰访问频率最低的键。
• 实现：记录键的访问次数和衰减因子，优先淘汰冷数据。

2.4 随机策略

• allkeys-random：从所有键中随机淘汰。
• volatile-random：仅从设置了过期时间的键中随机淘汰。
• 适用场景：数据无明显访问模式，需快速释放内存。

2.5 TTL 策略

• volatile-ttl：仅淘汰设置了过期时间的键中，剩余生存时间（TTL）最短的键。
• 适用场景：希望优先保留长期有效的数据。

2.6 策略对比与选择建议

策略	适用场景	特点
noeviction	禁止数据丢失（如缓存+数据库模式）	内存不足时阻塞写入
allkeys-lru	缓存场景，数据访问模式符合局部性	高效利用内存，推荐默认策略
volatile-lru	需结合过期时间使用	仅淘汰带过期时间的键
allkeys-lfu	访问频率差异大的数据	适合热点数据频繁访问的场景
volatile-ttl	希望短期数据优先淘汰	简单直接，但可能误删热点数据

2.7 最佳实践

1. 缓存场景：
   • 优先使用 allkeys-lru 或 allkeys-lfu，结合 maxmemory-policy 配置。
   • 设置合理的 maxmemory（如系统内存的 60%-80%）。
2. 持久化数据：
   • 使用 noeviction，配合数据库做主从备份。
3. 混合场景：
   • 结合 volatile-ttl 或 volatile-lru，为部分键设置过期时间。

2.8 淘汰策略的其它问题

2.8.1 数据库有1000万数据，Redis只能缓存20w数据，如何保证Redis中的数据都是热点数据 ?

使用allkeys-lru(挑选最近最少使用的数据淘汰)淘汰策略，留下来的都是经常访问的热点数据

2.8.2 Redis的内存用完了会发生什么？

主要看数据淘汰策略是什么？如果是默认的配置（ noeviction ），会直接报错