當
Redis用作緩存時，通常很容易在添加新數據的同時移除舊數據。 此行爲在開發者社區中是衆所周知的，因爲它是memcached system 的默認行爲。
LRU（Least Recently Used，最近最少使用），將最近最少使用的數據刪除掉。
從 Redis 4.0 開始引入了LFU（Least Frequntly Used，最不常用）淘汰策略。
1. Maxmemory配置
Redis maxmemory 用於將內存使用限制爲某一固定量。該配置常在名爲redis.conf 的文件中，或者在運行時（runtime）使用CONFIG SET命令進行配置。
例如，爲了配置內存限制爲100 MB，可以在 redis.conf 文件中使用以下設置。
maxmemory 100mb
將 maxmemory 設置爲零則沒有內存限制。 這是64位系統的默認行爲，而32位系統使用3GB的隱式內存限制。
當達到限定的內存量時，可以選擇不同的策略。 只有當 Redis 執行的命令要使用更多的內存，Redis 纔會返回error，或者Redis刪除一些舊數據，以便在每次添加新數據時返回到指定的限制。
2. 淘汰策略
在配置文件裏使用 maxmemory-policy 命令可以指定以下淘汰策略：
noeviction：在達到內存限制並且client嘗試執行可能導致使用更多內存的命令時返回錯誤。
allkeys-lru：嘗試先刪除LRU的key。
volatile-lru：嘗試先刪除LRU的key，要求刪除的這個key必須已經過期。
allkeys-random：隨機刪除key。
volatile-random：隨機刪除key，要求刪除的這個key必須已經過期。
volatile-ttl：刪除已經過期的key，嘗試先刪除較短生存時間（TTL）的key。
如果執行這些策略時，發現沒有與條件相匹配的key，則volatile-lru，volatile-random和volatile-ttl策略的行爲類似於noeviction。
選擇正確的淘汰策略很重要，具體取決於應用程序的訪問方式，也可以在應用程序運行時在運行時重新配置該策略，爲了方便調整設置，可以使用Redis的INFO 命令來監控緩存未命中和命中的數量。
一般而言，根據經驗：
- 使用
allkeys-lru策略。如果你希望request呈指數分佈，也就是說，你希望對於某些元素的訪問比其他元素多得多。 - 使用
allkeys-random。如果你希望對所有的key進行行週期性第連續訪問，或者當你期望分佈是統一的（所有元素以相同的概率被訪問）。 - 使用
volatile-ttl。如果你希望能夠在創建緩存對象時通過使用不同的TTL值向Redis表明哪些key是最佳過期候選者。
當你要使用單個Redis實例進行緩存並擁有一些持久化的key時，volatile-lru和volatile-random策略相當有用。 但是，最好運行兩個Redis實例來解決此問題。
值得注意的是，爲一個key設置過期時間要耗費內存，因此像allkeys-lru這樣的策略能提高內存效率，因爲不需要爲那個在內存壓力下需要被刪除的key設置過期時間。
3. 淘汰策略如何工作
理解淘汰策略的工作工程時很關鍵的。
client運行新命令，從而添加更多數據。Redis會檢查內存使用情況，如果大於maxmemory限制，則會根據策略刪除key。- 執行新命令，依此類推。
所以內存使用量會一直在maxmemory上下徘徊，如果某個命令要求添加一個很大的數據很可能造成redis使用的內存明顯超過了maxmemory限制。
4. 近似LRU算法
redis的LRU沒有嚴格的實現LRU，這意味着redis不是淘汰最佳（最久沒訪問）的數據。。Redis對LRU算法進行近似處理，方法是對少量key進行採樣，然後從採樣的key中刪除掉訪問時間最早的key。
3.0以後redis會使用備選池做淘汰，提升了性能，準確性更高，更接近LRU算法（代碼裏提升性能很明顯，準確率更高這點看不出來，可能官方做統計得出的結論）。可以設置樣本大小調整算法的準確率。
maxmemory-samples 5
Redis之所以不使用真正的LRU實現，是因爲它佔用更多內存（要遍歷排序，會慢很多）。
5. LFU模式
從4.0開始redis引入了一個新的淘汰模型LFU（Least Frequently Used）。一些情況下這個模型在命中率上更會準確。LFU會統計數據的使用率，使用率低的會被淘汰，使用率高的留下。LRU會保留最近訪問了但是平常訪問率很低的數據，風險就是淘汰了一個平常訪問率高但是最近沒訪問的數據。 LFU不會存在這樣的問題，所以LFU更適用於各種不同的訪問模型。LFU策略配置如下：
volatile-lfu：在設置了過期時間的數據裏使用近似LFU淘汰算法。allkeys-lfu：在所有的數據上使用LFU淘汰算法。
LFU和LRU類似也是一種概率計算，LFU使用一個叫morris counter的概率統計方法，一個數據只使用幾個比特。和一個叫過期時間（decay period）的數結合使用。統計值（counter）隨着時間減小。LFU也是使用採樣的方式淘汰數據。LFU有更多的調整選項，4.0默認的配置
- 一百萬訪問量會使統計值（counter）變爲最大
- 衰敗期是一分鐘
這些是經過測試比較好用的，用戶也可以自己設置。配置命令如下：
lfu-log-factor 10
lfu-decay-time 1
一個比較特殊的用法是衰敗期設置成0，每次統計都會衰敗，這是個比較少用的方法。指數因子用來指定多大的訪問量會是統計值變爲最大，統計值範圍0-255。指數因子越大需要越多的訪問量使統計值變爲最大，指數因子越小訪問量低的時候分辨率越高。
+--------+------------+------------+------------+------------+------------+
| factor | 100 hits | 1000 hits | 100K hits | 1M hits | 10M hits |
+--------+------------+------------+------------+------------+------------+
| 0 | 104 | 255 | 255 | 255 | 255 |
+--------+------------+------------+------------+------------+------------+
| 1 | 18 | 49 | 255 | 255 | 255 |
+--------+------------+------------+------------+------------+------------+
| 10 | 10 | 18 | 142 | 255 | 255 |
+--------+------------+------------+------------+------------+------------+
| 100 | 8 | 11 | 49 | 143 | 255 |
+--------+------------+------------+------------+------------+------------+
6. 參考文獻
Redis 官方文檔 Using Redis as an LRU cache
LRU緩存機制
用redis當作LRU緩存