Redis系列之过期策略、内存淘汰策略及LRU
正文
我们知道，Redis是一个基于内存的高性能Key-value数据库，所以经常被用作缓存。
但是，计算机的资源都是有限的，内存更是有限的，但数据可以是无限的。想象一下，当存储的数据超过Redis的内存以后怎么办？
所以，这时候我们就需要先聊聊Redis的过期策略。
三种过期策略
Redis中可以使用定期删除、惰性删除和定时删除三种过期策略。
定期删除
定期很好理解，就是设置一个定时任务，比如，每隔100ms就随机抽取部分设置了过期时间的key，检查是否过期，过期了就清楚掉。
注意上面的“部分”二字，你可千万别全部扫描一遍，那是极其危险和耗时的操作。
优点：通过限制删除操作的时长和频率，来减少删除操作对CPU的时间占用；
缺点：在内存方面不如定时删除，在CPU时间方面不如惰性删除；
难点：合理设置删除操作的执行时长和执行频率；
惰性删除
惰性删除，顾名思义，就是我懒，哎，就是玩，我就不主动删，等你来瞧我的时候，如果过期了，就删除掉，没过期，大家就接着玩。
优点：删除操作只会发生在从数据库中获取Key的时候，而且只会删除当前key，所以对CPU的占有比较少；
缺点：若大量的key在超出过期时间后，未被获取过，可能会发生内存泄漏；
定时删除
在设置key的过期时间的同时，为该key创建一个定时器，让定时器在key的过期时间来临时，对key进行删除。
不过，这个策略一般是没人愿意用的，聪明的小伙伴可以想想原因。
Redis采用的过期策略
Redis默认采用的是惰性删除+定期删除结合的过期策略；
惰性删除的流程很简单，我们着重聊一下定期删除的流程。
首先会遍历每个数据库（redis.conf中配置的database数量，默认16），然后检查当前库中的指定个数key（默认每个库检查20个key）；
如果当前库中没有一个key设置过期时间，则直接执行下一个库的遍历；
如果当前库中有设置了过期时间的key，则随机获取一个，过期，则删除；
判断定期删除操作是否达到指定时长，若达到，则直接退出操作；
否则，继续；
这里多说一句：过期key对AOF和RDB持久化是没有任何影响的，因为在持久化之前会自动校验key是否过期的。
但是，如果是个菜鸟来搞的，忘记设置定期删除，后面业务也没有查询，这样，满满的越积越多，把Redis的内存撑满了怎么办？
OK，大神当然考虑到了，那就是内存淘汰机制。
内存淘汰机制
在Redis5.0中，大神一共提供了多达八种淘汰策略，真爱啊！下面我们就来看看有那些：
1）noeviction：这是默认的淘汰策略，当内存达到限制后，写请求会返回错误（DEL请求可以继续服务），读请求也可以继续进行，这样可以保证不丢失数据，但是会让线上的业务无法持续进行；
2）volatile-lru：在设置了过期时间的键中，优先回收最少使用的键，（LRU：Least Recently Used，最近最少使用）；
3）volatile-lfu：在设置了过期时间的键中，优先清除使用频率最少的键（LFU：Least frequently used，最不经常使用）；
4）volatile-ttl：在设置了过期时间的键中，优先删除剩余时间最少的键key（TTL：Time To Live）；
5）volatile-random：在设置了过期时间的key中，随机删除key；
6）allkeys-lru：在全体key范围内，优先删除最近最少使用的key；
7）allkeys-lfu：在全体key范围内，优先删除使用频率最少的key；
8）allkeys-random：在全体key范围内，随机删除key；
至于使用那种淘汰策略，这个当然是没有定性要求的，只要结合自身业务场景灵活选用即可。
获取和设置内存淘汰策略的方法
获取当前内存淘汰策略
redis> config get maxmemory-policy
通过配置文件（redis.conf）设置内存淘汰策略
maxmemory-policy allkeys-lru
通过命令设置内存淘汰策略
redis> config set maxmemory-policy allkeys-lru
LRU
由于这个算法在很多大厂的面试中都被问道，而且有的小伙伴直接被要求手写这个算法，真是逆天了，所以，大家要提前掌握它。
LRU是操作系统里面用的很广的一个算法，功能是极其强大的。
LRU是Least Recently Used的缩写，即最近最少使用，是一种常用的页面置换算法，选择最近最久未使用的页面予以淘汰。
该算法赋予每个页面一个访问字段，用来记录一个页面自上次被访问以来所经历的时间 t，当须淘汰一个页面时，选择现有页面中其 t 值最大的，即最近最少使用的页面予以淘汰。
核心思想是：如果一个数据在最近一段时间没有被用到，那么将来被使用到的可能性也很小，所以就可以被淘汰掉。
原理是：维护一个双向链表，key -> node，其中node保存链表前后节点关系及数据data。新插入的key时，放在头部，并检查是否超出总容量，如果超出则删除最后的key；访问key时，无论是查找还是更新，将该Key被调整到头部。
完整的LRU算法是很强大的，实现起来也是很困难的，所以，Redis作者便采用了一个近似算法：就是随机取出若干个key，然后按照访问时间排序后，淘汰掉最不经常使用的。
