共计 2679 个字符，预计需要花费 7 分钟才能阅读完成。
一张思维导图鸟瞰全文
什么是缓存净化问题？
缓存净化问题说的是缓存中一些只会被拜访一次或者几次的的数据，被拜访完后，再也不会被拜访到，但这部分数据仍然留存在缓存中，耗费缓存空间。
缓存净化会随着数据的继续减少而逐步露出，随着服务的一直运行，缓存中会存在大量的永远不会再次被拜访的数据。缓存空间是无限的，如果缓存空间满了，再往缓存里写数据时就会有额定开销，影响 Redis 性能。这部分额定开销次要是指写的时候判断淘汰策略，依据淘汰策略去抉择要淘汰的数据，而后进行删除操作。
如何解决缓存净化问题
解决缓存净化问题，实际上就是要把不会再被拜访的数据筛选进去并删除掉，为后续写入的数据腾空间。缓存淘汰策略就是找出那些能够删除的缓存数据的规定。上面将介绍 Redis 反对的几种缓存淘汰策略。
缓存淘汰策略
Redis 共反对八种淘汰策略，别离是 noeviction、volatile-random、volatile-ttl、volatile-lru、volatile-lfu、allkeys-lru、allkeys-random 和 allkeys-lfu 策略。看了一堆单词，很蛊惑，没关系这里只是先总体概述一下。上面别离开展具体介绍。其中 allkeys 结尾的淘汰策略的是在所有数据中进行淘汰，共有三种。volatile 结尾的淘汰策略是在设置了过期工夫的数据中进行淘汰，共有四种。
1.noeviction
该策略是 Redis 的默认策略。在这种策略下，一旦缓存被写满了，再有写申请来时，Redis 不再提供服务，而是间接返回谬误。这种策略不会淘汰数据，所以无奈解决缓存净化问题。个别生产环境不倡议应用。
其余七种规定都会依据本人相应的规定来抉择数据进行删除操作。
2.volatile-random
这个算法比较简单，在设置了过期工夫的键值对中，进行随机删除。因为是随机删除，无奈把不再拜访的数据筛选进去，所以可能仍然会存在缓存净化景象，无奈解决缓存净化问题。
3.volatile-ttl
这种算法判断淘汰数据时参考的指标比随即删除时多进行一步过期工夫的排序。Redis 在筛选需删除的数据时，越早过期的数据越优先被抉择。
4.volatile-lru
会应用 LRU 算法筛选设置了过期工夫的键值对。
LRU 算法：LRU 算法的全称是 Least Recently Used。依照最近起码应用的准则来筛选数据。
Redis 优化的 LRU 算法实现：
Redis 会记录每个数据的最近一次被拜访的工夫戳。在 Redis 在决定淘汰的数据时，第一次会随机选出 N 个数据，把它们作为一个候选汇合。接下来，Redis 会比拟这 N 个数据的 lru 字段，把 lru 字段值最小的数据从缓存中淘汰进来。通过随机读取待删除汇合，能够让 Redis 不必保护一个微小的链表，也不必操作链表，进而晋升性能。
Redis 选出的数据个数 N，通过 配置参数 maxmemory-samples 进行配置。个数 N 越大，则候选汇合越大，抉择到的最久未被应用的就更精确，N 越小，抉择到最久未被应用的数据的概率也会随之减小。
5.volatile-lfu
会应用 LFU 算法抉择设置了过期工夫的键值对。
LFU 算法：LFU 缓存策略是在 LRU 策略根底上，为每个数据减少了一个计数器，来统计这个数据的拜访次数。当应用 LFU 策略筛选淘汰数据时，首先会依据数据的拜访次数进行筛选，把拜访次数最低的数据淘汰出缓存。如果两个数据的拜访次数雷同，LFU 策略再比拟这两个数据的拜访时效性，把间隔上一次拜访工夫更久的数据淘汰出缓存。
Redis 的 LFU 算法实现:
当 LFU 策略筛选数据时，Redis 会在候选汇合中，依据数据 lru 字段的后 8bit 抉择拜访次数起码的数据进行淘汰。当拜访次数雷同时，再依据 lru 字段的前 16bit 值大小，抉择拜访工夫最长远的数据进行淘汰。
Redis 只应用了 8bit 记录数据的拜访次数，而 8bit 记录的最大值是 255，这样在拜访疾速的状况下，如果每次被拜访就将拜访次数加一，很快某条数据就达到最大值 255，可能很多数据都是 255，那么进化成 LRU 算法了。所以 Redis 为了解决这个问题，实现了一个更优的计数规定，并能够通过配置项，来管制计数器减少的速度。
参数：
lfu-log-factor，用计数器以后的值乘以配置项 lfu_log_factor 再加 1，再取其倒数，失去一个 p 值；而后，把这个 p 值和一个取值范畴在（0，1）间的随机数 r 值比大小，只有 p 值大于 r 值时，计数器才加 1。
lfu-decay-time，管制拜访次数衰减。LFU 策略会计算以后工夫和数据最近一次拜访工夫的差值，并把这个差值换算成以分钟为单位。而后，LFU 策略再把这个差值除以 lfu_decay_time 值，所得的后果就是数据 counter 要衰减的值。
lfu-log-factor 设置越大，递增概率越低，lfu-decay-time 设置越大，衰减速度会越慢。
咱们在利用 LFU 策略时，个别能够将 lfu_log_factor 取值为 10。
如果业务利用中有短时高频拜访的数据的话，倡议把 lfu_decay_time 值设置为 1。能够疾速衰减拜访次数。
volatile-lfu 策略是 Redis 4.0 后新增。
6.allkeys-lru
应用 LRU 算法在所有数据中进行筛选。具体 LFU 算法跟上述 volatile-lru 中介绍的统一，只是筛选的数据范畴是全副缓存，这里就不在反复。
7.allkeys-random
从所有键值对中随机抉择并删除数据。volatile-random 跟 allkeys-random 算法一样，随机删除就无奈解决缓存净化问题。
8.allkeys-lfu
应用 LFU 算法在所有数据中进行筛选。具体 LFU 算法跟上述 volatile-lfu 中介绍的统一，只是筛选的数据范畴是全副缓存，这里就不在反复。
allkeys-lfu 策略是 Redis 4.0 后新增。
总结一下
Redis 4.0 之前一共实现了 6 种内存淘汰策略别离是 noeviction、volatile-random、volatile-ttl、volatile-lru、allkeys-lru、allkeys-random，在 4.0 之后，又减少了 2 种策略别离是 allkeys-lfu，volatile-lfu。倡议优先应用 allkeys-lru 策略。应用 allkeys 结尾的策略，在所有数据中进行抉择，避免客户端因不标准等起因，随便设置的缓存数据，没配置超时工夫。还能够利用 LRU 这一经典缓存算法的劣势，把最近最常拜访的数据留在缓存中，晋升利用的拜访性能。
举荐浏览 Redis 核心技术与实战