Redis缓存淘汰策略源码解析：LRU、LFU与TTL的实现分析

一、Redis内存淘汰全景图

Redis通过maxmemory-policy配置淘汰策略，核心策略分为三类：

1. LRU（Least Recently Used）：淘汰最久未访问的键。
2. LFU（Least Frequently Used）：淘汰访问频率最低的键。
3. TTL（Time To Live）：淘汰剩余存活时间最短的键。

设计目标：在内存不足时，以低内存开销和高效计算完成键淘汰。

---

二、LRU：近似算法的精妙设计

1. 传统LRU的局限性

• 理想实现：维护双向链表，移动节点至头部，淘汰尾部（时间复杂度O(1)）。
• 内存问题：每个键需存储前后指针，额外占用16字节（64位系统）。

2. Redis的近似LRU实现

• 关键结构：每个Redis对象（redisObject）的lru字段（24位）记录访问时间戳（单位：秒级精度）。

  typedef struct redisObject {
      unsigned type:4;
      unsigned encoding:4;
      unsigned lru:LRU_BITS;  // LRU_BITS=24
      int refcount;
      void *ptr;
  } robj;
  

• 淘汰流程：
  1. 随机采样：从所有键中随机选取maxmemory-samples（默认5）个键。
  2. 淘汰候选：选择采样集中lru最小的键（即最久未访问）。

源码入口：evict.c/evictionPoolPopulate()

void evictionPoolPopulate(int dbid, dict *sampledict, dict *keydict, struct evictionPoolEntry *pool) {
    // 随机采样键，计算idle时间（当前时间 - lru）
    for (j = 0; j < count; j++) {
        // 计算idle时间
        if (server.maxmemory_policy & MAXMEMORY_FLAG_LRU) {
            idle = estimateObjectIdleTime(o);
        }
        // 维护淘汰池，保留idle最大的键
    }
}

优化点：

• 内存节省：24位lru仅需3字节，精度降低但满足淘汰需求。
• 可调精度：增大maxmemory-samples可逼近真实LRU，但增加CPU开销。

---

三、LFU：频率统计与衰减机制

1. LFU的核心挑战

• 空间限制：精确统计频率需大量内存。
• 时间衰减：旧访问记录需降低权重。

2. Redis的LFU实现

• lru字段复用：
  • 高16位：访问计数器（对数计数，范围0-255）。
  • 低8位：最后一次访问的分钟级时间戳（用于衰减）。

  // 获取计数器与衰减时间
  #define LFU_LOG_INCR 5  // 计数器增量基数
  #define LFU_DECAY_TIME 1 // 衰减周期（分钟）
  
  uint8_t LFULogIncr(uint8_t counter) {
      if (counter == 255) return 255;
      double r = (double)rand()/RAND_MAX;
      double baseval = counter - LFU_LOG_INCR;
      if (baseval < 0) baseval = 0;
      double p = 1.0/(baseval*server.lfu_log_factor+1);
      return (r < p) ? counter+1 : counter;
  }
  

• 频率更新：每次访问时，计数器按概率增加（类似Morris计数器）。
• 衰减机制：若当前时间与低8位时间差超过LFU_DECAY_TIME，计数器减半。

淘汰流程：选择采样集中lfu值最小的键（频率最低）。

---

四、TTL：时间优先的淘汰逻辑

1. 实现原理

• expires字典：Redis维护一个哈希表，存储所有设置TTL的键及其绝对过期时间（Unix时间戳）。
• 淘汰策略：
  • volatile-ttl：从expires字典中随机采样，淘汰剩余存活时间（TTL - 当前时间）最短的键。

2. 源码片段

// 计算键的剩余存活时间
long long getExpire(redisDb *db, robj *key) {
    dictEntry *de = dictFind(db->expires,key->ptr);
    if (de) return dictGetSignedIntegerVal(de) - mstime();
    return -1;
}

// 在evictionPoolPopulate中处理TTL策略
if (server.maxmemory_policy == MAXMEMORY_VOLATILE_TTL) {
    idle = ULLONG_MAX - (long)getExpire(db,key);
}

---

五、策略对比与记忆技巧

策略	核心指标	实现要点	类比记忆
LRU	最近访问时间	近似采样 + 时间戳比较	图书馆最近借阅的书籍
LFU	访问频率	概率计数 + 时间衰减	热门排行榜（热度会下降）
TTL	剩余存活时间	过期字典 + TTL排序	食品保质期倒计时

配置建议：

• LRU：适用于突发访问场景，保留最近热点数据。
• LFU：适用于长尾访问分布，保留高频访问数据。
• TTL：适用于明确生命周期的数据（如会话信息）。

---