redis 之 LRU 策略淘汰配置

　Redis LRU cache可以通过参数maxmemory，在配置文件redis.conf中设置，或者在redis服务启动之后使用CONFIG SET命令设置。例如在redis.conf中设置cache大小为100mb:

　　maxmemory 100mb

　　maxmemory设置为0，表示cache大小无限制（注意：32位操作系统最大支持3GB的内存，32位操作系统中maxmemory最大为3G）

Redis cache数据淘汰策略

　　在指定了Redis cache大小后，可以使用参数 maxmemory-policy来指定cache的数据置换策略。Redis提供的数据置换策略有以下几种：

• noeviction: 没有淘汰策略，当cache大小耗尽时直接返回一个错误。
• allkeys-lru: 淘汰掉最近最少使用的key 。(一般用这个，其它很少用)
• volatile-lru: 仅仅从过期的数据集中淘汰掉最近最少使用的key
• allkeys-random:随机淘汰掉一个key;
• volatile-random:仅仅在过期的数据集中随机淘汰掉key；
• volatile-ttl:在过期的数据集中淘汰存活时间最短的key

在上述策略中，如果cache中所有的keys都没有过期，volatile-lru、volatile-ttl、volatile-random这三个将会像noevictio策略一样，cache耗尽时抛出错误。

　　如果某些key访问比较频繁，但一些key不经常访问，可以采用allkeys-lru策略，此策略也可以用于不确定key访问频率的应用中；

　　如果所有的key的访问频率比较均衡，比如循环的访问cache中的key，可以采用allkeys-random策略。

　　另外需要注意的是：设置key过期是需要耗费一定内存的，实际应用中需要考量是否必须设置key的过期时间。

　　如果一个命令结果的数据集比较大，这时内存的消耗可能会超过maxmemory设置的值。

Redis LRU算法

　　Redis LRU算法不是一个确切的LRU实现，这意味着redis 并不是保证取得所有数据集中最近最少使用（LRU）的键值对，而只是随机挑选的几个键值对中的某个key。

　　redis3.0中提供了一个候选淘汰池（翻译不太准确，望指正），改进了近似LRU算法的执行效率，更符合实际的LRU算法。

　　每次从cache中随机取出多少个keys执行淘汰策略是非常重要的，可以通过参数maxmemory-samples来设置。

为什么不采用真正的LRU算法

　　真正的LRU会耗费大量内存，Redis最主要的做法:淘汰时,随机取多个keys,找到最老的进行淘汰.虽不能保证一定淘汰最老的,但倾向于淘汰偏老的keys。

　　此外官方文档上说，如果数据访问模模型越符合幂次定律，则redis 的LRU近似算法和真实的LRU算法越接近（看的不是太明白，可以翻翻相关资料，大概就是说，20%数据访问非常频繁，80%的数据访问不是很频繁时，redis的LRU近似算法和真实的LRU算法是相差最小的）。