---

Redis过期淘汰策略深度解析

一、核心策略分类

1.1 过期键处理策略

1.1.1 定期删除（Active Expiration）

• 实现原理：每隔100ms随机抽取20个设置了过期时间的Key进行检查，若过期则删除
• 触发条件：由serverCron时间事件驱动，每次执行不超过25ms
• 优化机制：
  • 哈希桶遍历策略：连续扫描空桶超过16次则终止
  • 比例控制：单次删除过期Key比例超过25%时提前终止

1.1.2 惰性删除（Lazy Expiration）

• 触发时机：客户端访问Key时检查是否过期
• 实现代码：

  // Redis源码dict.c中的过期检查
  if (key->type == REDIS_EXPIRE) {
      if (expireIfNeeded(key)) {
          return NULL; // 已过期直接返回
      }
  }
  

• 适用场景：冷数据自动清理，避免内存泄漏

1.2 内存淘汰策略

通过maxmemory-policy配置，当内存使用超过maxmemory时生效：

策略	行为描述	适用场景
volatile-lru	从带TTL的Key中淘汰最近最少使用的	缓存热点数据
volatile-ttl	从带TTL的Key中淘汰剩余生存时间最短的	优先清理即将过期数据
volatile-random	从带TTL的Key中随机淘汰	无差别淘汰过期数据
allkeys-lru	从所有Key中淘汰最近最少使用的	全量缓存管理
allkeys-random	从所有Key中随机淘汰	无差别清理场景
allkeys-lfu	从所有Key中淘汰访问频率最低的（Redis 4.0+）	长尾数据清理
noeviction	拒绝写入并返回错误	数据强一致性要求场景

二、LRU/LFU算法实现细节

2.1 LRU近似算法

• 数据结构：每个Key的lru字段记录最近访问时间戳（24bit，精度1秒）

• 淘汰流程：

  1. 随机抽取maxmemory-samples个Key（默认5）
  2. 计算空闲时间：idle_time = (current_time - lru) * resolution
  3. 选择空闲时间最长的Key淘汰

• 缺陷：

  • 无法精确跟踪所有Key的访问顺序
  • 24bit时间戳导致194天后时间回绕

2.2 LFU算法（Redis 4.0+）

• 数据结构：

  • lru字段低8bit记录访问频率（LFU计数器）
  • 高16bit记录精确到毫秒的访问时间

• 淘汰逻辑：

  // LFU淘汰概率计算
  double p = 1.0 / (lfu_counter * server.lfu_log_factor + 1);
  if (rand() < p) increment_counter();
  

• 优势：更精准识别"最近不常用"数据

三、淘汰过程详解

3.1 触发条件

• 写入操作时检查内存使用：if (mem_used > server.maxmemory)
• 通过freeMemoryIfNeeded()执行淘汰

3.2 淘汰流程

graph TD
    A[检查内存] -->|超过阈值| B{选择策略}
    B -->|淘汰范围| C[带TTL/全量]
    B -->|淘汰算法| D[LRU/LFU/随机]
    C --> E[抽样检查]
    D --> E
    E -->|填充淘汰池| F[EvictionPoolLRU]
    F -->|排序淘汰| G[释放内存]

3.3 性能优化参数

参数	默认值	说明
maxmemory-samples	5	每次淘汰抽样数量
active-defrag-threshold-lower	10	内存碎片触发主动整理的阈值
lfu-log-factor	10	LFU计数器增长速率调节因子

四、最佳实践指南

4.1 策略选择矩阵

场景特征	推荐策略	理由
热点数据频繁访问	allkeys-lru	保留高频访问数据
数据访问频率差异大	volatile-lru	避免冷数据长期占用
需要精确控制过期时间	volatile-ttl	优先清理即将过期数据
写入密集型应用	noeviction	避免淘汰引发的雪崩效应

4.2 配置示例

# 生产环境推荐配置
maxmemory 16gb
maxmemory-policy allkeys-lru
active-defrag yes
active-defrag-threshold-lower 10
active-defrag-threshold-upper 100

4.3 监控指标

• 关键指标：

  • expired_keys：每日过期Key数量
  • evicted_keys：淘汰Key数量
  • mem_fragmentation_ratio：内存碎片率

• 监控命令：

  INFO memory
  MEMORY USAGE key
  MEMORY STATS
  

五、版本演进与优化

5.1 Redis 4.0+改进

• 新增LFU淘汰策略
• 优化LRU时钟精度（从秒级到毫秒级采样）
• 引入主动内存碎片整理

5.2 Redis 7.0优化

• 淘汰采样算法改进：采用更均匀的哈希桶遍历策略
• LRU/LFU参数动态调整支持
• 淘汰过程异步化（减少主线程阻塞）

六、生产问题排查

6.1 典型问题

• 内存泄漏：检查expired_keys是否持续增长
• 淘汰抖动：观察evicted_keys的周期性波动
• 碎片化严重：mem_fragmentation_ratio > 1.5时触发整理

6.2 日志分析

[2025-06-05 14:30:00] : 12345 keys expired in 0.25s
[2025-06-05 14:30:01] : evicted 678 keys due to memory limit
[2025-06-05 14:30:02] : active defragmentation started (fragmentation 1.62)

通过合理配置淘汰策略并持续监控，可将缓存命中率提升至95%以上，同时将内存碎片率控制在10%以内。建议结合业务访问模式进行AB测试，选择最优策略组合。