Linux 知识库

Appearance

Redis-内存淘汰策略 ​

Redis作为内存数据库，当内存使用达到maxmemory限制时，会根据配置的淘汰策略自动移除部分键值对。以下是Redis支持的8种内存淘汰策略及其适用场景：

淘汰策略分类 ​

不淘汰策略 ​

  • noeviction（默认策略）
    • 特点：达到内存限制时拒绝所有写操作，只允许读操作
    • 适用场景：数据绝对不能丢失的场景，如金融交易系统
    • 风险：可能导致服务不可用，需配合监控告警

全局随机淘汰 ​

  • allkeys-random
    • 特点：从所有键中随机选择淘汰
    • 适用场景：所有键价值均等的场景
    • 示例：CONFIG SET maxmemory-policy allkeys-random

最近最少使用淘汰 ​

  • allkeys-lru
    • 特点：基于近似LRU算法淘汰最久未使用的键
    • 实现：随机采样5个键淘汰最久未使用的（可配置采样数）
    • 适用场景：典型缓存场景
    • 调优：maxmemory-samples 10（提高采样精度）

最少频率使用淘汰 ​

  • allkeys-lfu（Redis 4.0+）
    • 特点：淘汰访问频率最低的键
    • 实现：基于Morris计数器实现近似LFU
    • 适用场景：热点数据分布不均匀的场景
    • 调优：lfu-log-factor 10（控制计数器饱和速度）

带过期时间的键淘汰 ​

  • volatile-random

    • 特点：从设置了TTL的键中随机淘汰
    • 适用场景：混合持久数据和缓存数据的场景

  • volatile-lru

    • 特点：从设置了TTL的键中淘汰最久未使用的
    • 适用场景：缓存数据有不同重要性的场景

  • volatile-lfu（Redis 4.0+）

    • 特点：从设置了TTL的键中淘汰访问频率最低的
    • 适用场景：需要精细控制缓存淘汰的场景

  • volatile-ttl

    • 特点：淘汰剩余生存时间最短的键
    • 实现：扫描过期字典快速找到即将过期的键
    • 适用场景：时效性敏感数据的缓存

策略选择指南 ​

策略数据安全性内存利用率实现复杂度适用场景
noeviction高低简单关键数据存储
allkeys-lru中高中等通用缓存
allkeys-lfu中最高较高热点数据缓存
volatile-ttl中高简单时效性缓存
allkeys-random低高简单无差别缓存

配置与监控 ​

关键配置 ​

bash
# 设置最大内存（示例：4GB）
maxmemory 4294967296

# 设置淘汰策略
maxmemory-policy allkeys-lru

# LRU/LFU调优参数
maxmemory-samples 5      # LRU采样数量
lfu-log-factor 10        # LFU计数器对数因子
lfu-decay-time 1         # LFU计数器衰减时间(分钟)

监控指标 ​

bash
# 查看内存使用情况
redis-cli info memory | grep -E "used_memory|maxmemory|evicted_keys"

# 重要指标说明：
# used_memory_human：当前内存使用量
# maxmemory_human：配置的内存上限
# mem_fragmentation_ratio：内存碎片率
# evicted_keys：累计淘汰键数量

优化技巧 ​

混合策略实现 ​

通过Redis模块或客户端实现二级淘汰策略：

  1. 对关键数据设置volatile-ttl
  2. 对普通缓存使用allkeys-lru
  3. 通过OBJECT freq命令手动调整键的LFU计数器

动态策略调整 ​

lua
-- 根据时间段自动切换策略
local hour = tonumber(redis.call('TIME')[1]) % 24
if hour >= 8 and hour < 20 then
    redis.call('CONFIG', 'SET', 'maxmemory-policy', 'allkeys-lru')
else
    redis.call('CONFIG', 'SET', 'maxmemory-policy', 'volatile-ttl')
end

大Key特殊处理 ​

对大对象实施特殊淘汰逻辑：

bash
# 监控大Key
redis-cli --bigkeys

# 对大Key单独设置更短的TTL
redis-cli expire large_key 3600

生产环境建议 ​

  1. 容量规划：预留20%-30%内存缓冲，避免频繁淘汰
  2. 监控告警：设置used_memory超过90%的告警
  3. 压力测试：模拟淘汰场景验证策略效果
  4. 数据预热：重启后主动加载热点数据
  5. 混合持久化：配合AOF/RDB确保数据可恢复