Redis 的内存淘汰策略是如何工作的？

什么是内存淘汰策略？

Redis 内存淘汰策略是当内存使用达到上限时，自动移除部分数据以维持服务可用的机制。就像图书馆书架满了之后，需要根据规则下架部分书籍来放入新书。

核心作用

1. 防止内存溢出：通过 maxmemory 配置阈值（默认不限制）
2. 维持写入能力：避免进入只读的 noeviction 状态
3. 智能数据筛选：根据访问模式保留最有价值的数据

8 种淘汰策略解析

策略对照表（生产环境选型参考）

核心算法实现原理

1. 近似 LRU 算法

面试重点：理解 Redis 如何通过概率采样实现高效 LRU

// Redis 源码片段（evict.c）
#define EVICTION_SAMPLES_ARRAY_SIZE 16
unsigned long estimateObjectIdleTime(robj *o) {
    return LRU_CLOCK() - o->lru;
}

void evictionPoolPopulate(dict *sampledict, struct evictionPoolEntry *pool) {
    // 随机采样 5 个键放入候选池
    for (int i = 0; i < EVICTION_SAMPLES_ARRAY_SIZE; i++) {
        // 选择具有最大空闲时间的键
        if (bestkey->lru > pool[EVPOOL_SIZE-1].idle) {
            evictionPoolPopulateItem(pool, bestkey);
        }
    }
}

算法优化点：

• 默认采样数量 5（可配置）
• 使用固定大小候选池（16 个条目）
• 每次淘汰选择候选池中最久未使用的键

补充说明：

• Redis 利用全局 LRU 时钟和概率采样相结合，避免全量扫描所有键，从而降低淘汰操作的时间复杂度。
• 在面试中，重点在于理解候选池机制及其对缓存性能的优化作用。

2. 近似 LFU 算法

实现机制：

• 使用 Morris 计数器概率衰减
• 访问频率对数化存储（0-255）
• 衰减因子配置（lfu-decay-time）

# 查看键的 LFU 信息
redis-cli object freq key1

补充说明：

• Morris 计数器采用对数增长策略，有效防止频繁访问时计数值过快增长，同时降低内存消耗。
• 面试常关注 LFU 算法如何更灵敏地捕捉热点数据，与传统计数器方式的区别是讨论重点。

内存碎片整理

触发条件及配置：

# 启用主动碎片整理
activedefrag yes

# 配置忽略小碎片区域（低于指定字节，避免不必要的整理）
active-defrag-ignore-bytes 100mb

# 当 used_memory_rss 与实际 used_memory 差异较大（碎片率超过阈值）时触发整理
active-defrag-threshold-lower 10

整理过程： Redis 内存碎片整理机制通过主动干预内存分配器中分散的数据块，实现内存紧凑化，具体步骤如下：

1. 碎片检测：定期扫描内存，评估 used_memory_rss 与实际 used_memory 的比例，判断是否存在严重碎片问题。
2. 候选区域选择：从内存中识别出高碎片率区域，作为数据重排的候选区域。
3. 数据重排：将候选区域中的有效数据复制到连续的新内存空间中，以减少内存分散，并优化后续内存分配。
4. 内存回收：逐步释放旧的、已碎片化的内存块，使得内存资源得以有效复用。
5. 渐进整理：整个整理过程采用渐进式方式，分步执行，避免一次性大规模操作引起系统阻塞，保证前台请求的响应不会受到影响。

生产环境配置方案

电商秒杀场景配置示例

# 内存限制（设置为物理内存的 3/4）
maxmemory 12gb

# 使用 LFU 策略保留热点商品数据
maxmemory-policy allkeys-lfu

# 调整 LFU 衰减周期（1 小时）
lfu-log-factor 10
lfu-decay-time 3600

# 启用主动碎片整理
activedefrag yes

监控指标体系

# 内存关键指标
redis-cli info memory | grep -E "used_memory|maxmemory|mem_fragmentation_ratio"

# 淘汰统计
redis-cli info stats | grep evicted_keys

# 碎片整理状态
redis-cli info memory | grep defrag

常见问题排查

1. 内存未释放问题

现象：达到 maxmemory 但淘汰策略未生效
处理步骤：

# 确认策略不是 noeviction
CONFIG GET maxmemory-policy

# 检查键的过期时间（返回-1表示未设置过期时间）
TTL mykey

# 分析内存分布
redis-cli --bigkeys

2. LFU 策略热点失效

现象：高频访问数据被意外淘汰
处理步骤：

# 提高计数器精度（值越小精度越高）
lfu-log-factor 10

# 加快频率衰减速度（单位：分钟）
lfu-decay-time 1800

3. 内存碎片过高问题

现象：内存使用率低但无法写入新数据
处理步骤：

# 紧急情况手动整理
redis-cli memory purge

# 动态调整整理强度
CONFIG SET active-defrag-cycle-min 5
CONFIG SET active-defrag-cycle-max 10

性能调优建议

1. 容量规划：保持内存使用率 ≤70%
2. 键值设计：避免大对象（超过 1MB）
3. 版本升级：4.0+ 版本支持更精细策略
4. 混合存储：冷数据持久化到磁盘

---

相关推荐：

• 像刷 LeetCode 一样练习 Redis 面试题
• 面试题练习：Redis 的内存淘汰策略