1.Redis 过期删除
在应用 redis 存储数据时，咱们个别会对数据设置过期工夫，使得这些缓存在过期之后能被革除，开释宝贵的缓存资源。那过期清理是用什么策略来实现的呢？
redis 次要通过以下两种形式
1.1 定期删除
1.redis 每过 100ms，从设置了过期工夫的 key 中随机取出 20 个缓存 key
2. 革除其中的过期 key
3. 若过期 key 占比超过 1 /4，则反复步骤 1
为什么定期删除采纳的是随机策略，而不是对 全副数据做清理 呢？因为每 100ms 过滤所有缓存数据，对 CPU 压力较大。
尽管 定期删除 解决了一部分过期数据的问题，然而还有不少数据并没有被革除出缓存，所以此时就有了 惰性删除
1.2 惰性删除
某个缓存 key 在查问时，若此时已过期，则会从缓存中删除，同时返回空
这种形式是被动触发的，
定期删除 与惰性删除 尽管能清理一部分过期数据，但还存在一个问题：
局部过期缓存 key 未被清理出缓存，短暂占用缓存资源（随机策略存在的缺点性），随着缓存数据的一直减少，
无奈通过删除过期 key 的形式腾出空间，来贮存新的热点数据。
这种状况下，如何淘汰旧的缓存数据，贮存新的热点数据呢？内存淘汰机制
2. 内存淘汰机制
redis 提供 8 种策略来应答当应用内存达到限度值的状况
1.noeviction：返回谬误，不删除任何键值
2.allkeys-lru：尝试回收起码应用的键值（LRU 算法）
3.volatile-lru：尝试回收起码应用的键值，但仅限于在过期键值汇合中
4.allkeys-random：回收随机的键值
5.volatile-random：回收随机的键值，但仅限于在过期键值汇合中
6.volatile-ttl：回收过期汇合的键值，并优先回收存活工夫较短的键值
7.allkeys-lfu：回收起码应用频次的键值（LFU 算法）
8.volatile-lfu：回收起码应用频次的键值（LFU 算法），但仅限于在过期键值汇合中
这里有两个重要的算法：
LRU：最近起码被应用。拜访工夫越早越容易被淘汰
LFU：最近起码应用频次。应用频次越少越容易被淘汰
Redis 的 LRU 算法采纳一种近似 LRU 的形式来实现，通过对大量 keys（maxmemory-samples，默认为 5）进行取样，而后回收其中一个最好的 key（被拜访工夫最早的）。
Redis3.0 算法已改良为回收键的候选池子
1. 第一次随机选取的 key 都放入一个 pool 中（pool 大小为 16），pool 中的 key 是依照拜访工夫大小排序；
2. 接下来每次随机选取的 key 都必须小于 pool 中最小的 key，若 pool 未填满，则反复步骤 1
3. 放满之后，每次有新的 key 须要进入时，须要将 pool 中 lru 最大的一个 key 取出
4. 淘汰的时候，间接从 pool 中取出一个 lru 最小的一个 key 而后淘汰
Redis 有了 LRU 之后，为什么还须要 LFU 呢？因为 Redis 作者发现就算进步采样数量或者 pool 的大小，也无奈再进步缓存命中率，而 LFU 算法能起到更好的成果。
LFU 近似于 LRU，它应用一个概率计数器（morris counter），用来预计拜访频率；counter 的计数有两个特点，1. 随着拜访次数的减少，counter 的计数会越来越迟缓（counter 最大值为 255），2. 随着工夫的流逝，counter 会逐步衰减。淘汰时也会有一个 pool，也采取与 LRU 相似的形式，然而排序是依照计数从大到小排列（越靠后越容易被淘汰）
为什么 Redis 不采纳规范 LRU 算法：
规范 LRU 算法为了达到查找和删除的工夫复杂度个别采纳 hash 表 和双向链表 联合的数据结构。这样会减少额定的内存占用。