一：Redis 的过期删除策略及处理流程如下：

1. 过期删除策略

Redis 通过以下两种策略删除过期键：

1.1 惰性删除

• 触发时机：当客户端访问某个键时，Redis 会检查该键是否过期。
• 执行流程：
  1. 客户端请求访问键。
  2. Redis 检查键的过期时间。
  3. 如果键已过期，Redis 删除该键并返回空；如果未过期，返回键值。

1.2 定期删除

• 触发时机：Redis 定期随机抽取部分键检查是否过期。
• 执行流程：
  1. Redis 从设置了过期时间的键中随机抽取一部分。
  2. 检查这些键是否过期。
  3. 删除已过期的键。
  4. 如果过期键比例超过一定阈值，重复该过程。

2. 处理流程

Redis 处理过期键的流程结合了惰性删除和定期删除：

1. 客户端访问：

   • 客户端请求访问键时，Redis 先检查键是否过期，若过期则删除并返回空。

2. 定期检查：

   • Redis 定期随机抽取部分键检查过期情况，删除已过期的键。
   • 如果过期键比例较高，继续检查更多键。

3. 内存回收：

   • 通过惰性删除和定期删除，Redis 逐步回收过期键占用的内存。

3. 配置参数

• hz：控制定期删除的频率，默认 10，表示每秒执行 10 次检查。
• maxmemory-samples：设置每次检查时随机抽取的键数量，默认 5。

4. 总结

• 惰性删除：在访问时检查并删除过期键。
• 定期删除：定期随机检查并删除过期键。

这两种策略共同确保 Redis 高效管理内存，避免过期键占用过多资源。
在 Redis 中，缓存淘汰策略 和 过期策略 是两种不同的机制，但它们共同作用于缓存数据的管理。以下是对 LRU 和 LFU 缓存淘汰策略的区别，以及它们与过期策略的应用场景的详细解读。

---

二、缓存淘汰策略：LRU 和 LFU 的区别

1. LRU（Least Recently Used，最近最少使用）

• 原理：优先淘汰最近最少被访问的数据。
• 实现方式：Redis 使用近似 LRU 算法，通过随机采样一部分键，从中淘汰最近最少使用的键。
• 特点：
  • 关注数据的访问时间。
  • 适合访问模式有明显热点数据的场景。
• 适用场景：
  • 热点数据缓存（如新闻、社交媒体热门内容）。
  • 需要保留最近访问数据的场景。

2. LFU（Least Frequently Used，最不常用）

• 原理：优先淘汰访问频率最低的数据。
• 实现方式：Redis 记录每个键的访问频率，淘汰访问次数最少的键。
• 特点：
  • 关注数据的访问频率。
  • 适合访问模式较为均匀的场景。
• 适用场景：
  • 访问频率差异较大的场景（如推荐系统、广告系统）。
  • 需要保留高频访问数据的场景。

3. LRU 和 LFU 的区别

特性	LRU	LFU
关注点	数据的访问时间	数据的访问频率
适用场景	有明显热点数据的场景	访问频率差异较大的场景
优点	简单高效，适合短期热点数据	更精准，适合长期高频数据
缺点	可能误删高频但近期未访问的数据	需要额外记录访问频率，开销较大

---

三、缓存淘汰策略与过期策略的结合应用

在实际应用中，缓存淘汰策略和过期策略通常需要结合使用，以满足不同的业务需求。

1. 热点数据缓存

• 过期策略：为热点数据设置较长的过期时间。
• 淘汰策略：使用 allkeys-lru，优先保留最近访问的热点数据。
• 场景：新闻、社交媒体热门内容。

2. 临时数据缓存

• 过期策略：为临时数据（如验证码、会话）设置较短的过期时间。
• 淘汰策略：使用 volatile-ttl，优先淘汰即将过期的数据。
• 场景：验证码、会话缓存。

3. 冷数据清理

• 过期策略：为冷数据设置过期时间。
• 淘汰策略：使用 volatile-lfu，优先淘汰访问频率低的冷数据。
• 场景：历史数据、低频访问数据。

4. 不允许数据丢失的场景

• 过期策略：不设置过期时间，或设置较长的过期时间。
• 淘汰策略：使用 noeviction，确保数据不被淘汰。
• 场景：金融、交易系统。

---

四、总结

1. LRU 和 LFU 的选择

• 如果业务有明显的热点数据，选择 LRU。
• 如果业务需要关注数据的访问频率，选择 LFU。

2. 过期策略的选择

• 如果数据有明确的生命周期，设置 过期时间。
• 如果需要及时清理过期键，启用 定期删除。

3. 结合使用

• 根据业务特点，合理配置 缓存淘汰策略 和 过期策略，以优化 Redis 的性能和资源利用率。

通过合理选择策略，可以有效提升 Redis 的缓存命中率和系统性能。