本文正在参加「技术专题19期 漫谈数据库技术」活动
前言
后端用Redis做缓存的场景很常见，而Redis的淘汰策略也有很多。那么你知道该如何选择淘汰策略吗？本文给你答案。
Redis有哪些淘汰策略
首先，我们要设置Redis的缓存大小，命令：CONFIG SET maxmemory 4gb，或者在redis.conf配置文件直接设置：maxmemory 4gb。
建议将缓存容量设置为总数据量的15%-30%，平衡访问性能和内存空间开销。
redis的淘汰策略有以下几种：
| 淘汰策略 | 策略释义 |
|---|---|
| noeviction | 不会数据淘汰：缓存满了不再接收写请求，返回错误 |
| volatile-random | 对设置了过期时间的数据随机删除 |
| volatile-ttl | 根据过期时间的先后删除设置了过期时间的 |
| volatile-lru | 使用LRU算法筛选设置了过期时间的数据然后删除 |
| volatile-lfu（Redis 4.0 后） | 使用LFU算法筛选设置了过期时间的数据然后删除 |
| allkeys-lru | 使用LRU算法对所有数据筛选后删除 |
| allkeys-random | 随机对所有数据筛选后删除 |
| allkeys-lfu(Redis4.0后) | 使用LFU算法对所有数据筛选后删除 |
LRU算法
LRU算法，就是筛选最近最少使用的数据，优先淘汰这些数据。核心思想就是“若数据最近被访问过，将来被访问的几率也会更高”。
LRU的底层是hash表+双向链表。hash表保证了查询的时间复杂度是O(1)，而双向链表则保证了节点插入及删除的时间复杂度也为O(1)。
结合下图，我们就能知道LRU是如何筛选数据的了。
- LRU GET操作：当访问数据时，若数据节点存在，LRU会将该数据节点移动到链表的头部，并返回节点的值；
- LRU PUT操作：当节点不存在时，会新增节点，并将节点放在链表的头部；若节点存在，这时会更新节点，并将节点移动到链表头部。
仔细看的话，可以发现LRU算法有缺陷：
- 它用链表来管理所有的缓存数据，数据量大的时候会带来很多空间开销。
- 数据在访问时，LRU需要将数据移动到链表头部。大量数据的链表移动会很耗时，在Redis服务器中自然会降低Redis的性能。
因此，Redis权衡了这些影响，没有照搬LRU算法来淘汰数据，而是简化了LRU算法运用之。
Redis的近似LRU算法
Redis的做法是，键值对数据结构RedisObject会有lru字段，它记录了每个数据的最近一次被访问的Redis时钟（可理解成时间戳）。然后在Redis决定要淘汰数据时，它的策略是这样的：
- 首次淘汰：随机取出最多N个数据放入待淘汰数据集合，源码里叫做evictionPoolEntry；
- 再次淘汰：再随机取出最多N个数据，只要数据的lru比待淘汰数据集合的任一数据的lru小，就将数据填充至待淘汰数据集合;
- 执行淘汰：取出待淘汰数据集合中lru最小的一条数据淘汰掉。
在Redis中我们可通过配置maxmemory-samples参数来控制上面描述的集合数据个数N。比如设置500个数据作为待淘汰数据集合，CONFIG SET maxmemory-samples 500。
从这种做法可以看出，Redis不需为所有数据维护一个链表，也不要每次有数据访问都去移动链表了，性能也就保证了下来。
小结
redis有8种淘汰策略，在我们选择Redis的淘汰策略时，可以参考下面方法：
- 无特殊需求，优先考虑allkeys-lru策略。这样可以将最近访问的数据留在缓存中，提升访问性能；
- 没有冷热数据区分，可使用allkeys-random策略。
- 若需求中有置顶的要求，可考虑volatile-lru策略。对置顶的数据不设置过期时间，这样就能保证不被淘汰掉。
