淘汰策略概述
redis作为缓存使用时，在添加新数据的同时自动清理旧的数据。这种行为在开发者社区众所周知，也是流行的memcached系统的默认行为。
redis中使用的LRU淘汰算法是一种近似LRU的算法。
淘汰策略
针对淘汰策略，redis有一下几种配置方案：
1、noeviction：当触发内存阈值时，redis只读不写；
2、allkeys-lru：针对所有的key，执行LRU（最近最少使用）策略；
3、allkeys-lfu：针对所有的key，执行LFU（最低频使用）策略；
4、volatile-lru：针对设置了过期时间的key，执行LRU（最近最少使用）策略；
5、volatile-lfu：针对设置了过期时间的key，执行LFU（最低频使用）策略；
6、allkeys-random：针对所有key，进行随机淘汰；
7、volatile-random：针对设置了过期时间的key，进行随机淘汰；
8、volatile-ttl：针对设置了过期时间的key，淘汰剩余过期时间最短的；
根据应用场景选择合适的淘汰策略是非常重要的，我们可以在程序运行时实时重置淘汰策略，并使用Redis INFO输出来监控缓存未命中和命中的数量，以优化设置。
根据以往使用惯例：
- 当你希望某些元素的子集被访问的频率高于其他元素，或者当你不知道怎么选择淘汰策略时，allkeys-lru策略是一个很好的选择；
- 当你在循环访问redis，且所有的key是被连续扫描时，或者你希望key过期时间均匀分布时，allkeys-random策略是一个很好的选择；
- 如果你希望基于key不同的TTL时间筛选出哪些key可被淘汰，volatile-ttl策略是一个很好的选择；
还有一点是为key设置过期时间会占用内存，因此使用allkeys-lru这样的策略会更节省内存，因为在内存压力下不需要对key进行过期设置。
淘汰策略如何工作
淘汰过程如下：
- 客户端执行一条指令，需要添加一批数据；
- redis检测缓存阈值限制，如果超过阈值则执行淘汰策略；
- 执行指令等等；
因此在redis的使用过程中，我们可能不断的超过内存阈值限制，然后执行淘汰策略再将内存恢复到阈值之下。
近似LRU算法
redis lru算法是一个近似lru算法，这意味着针对整个key集合，redis在执行lru策略时可能不会很精准的淘汰掉最应该被淘汰的key，相反的是，redis会通过抽样一小部分key，并淘汰采样key中最该被淘汰的。 自redis3.0以来，该算法得到了改善，能够抽样大批量的key进行淘汰，使其能够更接近真实LRU算法的行为。 redis lru算法的重要之处在于可以通过更改样本数量来调整算法的精度，此参数由以下配置指令控制：maxmemory-samples 5
redis不使用真正的LRU实现的原因是它需要更多的内存。然而，对于使用Redis的应用程序，近似lru算法实际上是与精确lru算法差不多的。此图将redis使用的LRU近似值与真实LRU进行了比较。
用给定数量的key填充了Redis服务器（达到内存阈值）进行测试并生成了上面的图。从第一个到最后一个访问key。第一个key是使用LRU算法淘汰的最佳候选key。之后再添加50%以上的key，以强制淘汰一半的旧key。
你可以在图中看到三种点，形成了三个不同的区域：
- 浅灰色区域是被淘汰的对象
- 灰色区域是未被淘汰的对象
- 绿色区域是新加的对象
在理论LRU实现中（theoretical LRU），我们预计旧key集合中的前一半将会被淘汰，与之相反，redis lru算法实现中，旧key集合中也只是会离散性的淘汰其中某些key。
正如您所看到的那样，与Redis 2.8相比，Redis 3.0在同样抽样数为5个时做得更好，但是大多数最新增加的key仍然被Redis 2.8保留。在Redis 3.0中使用10的样本大小，近似值非常接近Redis 3.0的理论性能。
在模拟中，我们发现使用幂律访问模式（类似20%的key承担了80%的访问），真实LRU和Redis近似LRU之间的差异极小或根本不存在。
使用CONFIG SET maxmemory samples＜count＞命令在生产中使用不同的样本大小值进行实验非常简单。
新的LFU模式
从redis4.0开始，可以在某些特定场景下使用低频淘汰策略。在选用LFU策略后，redis会跟踪key的访问频率，所以低频的key将被淘汰。这意味着经常访问的key有很大的机会一直留在内存中。
要配置LFU模式，可以使用以下策略：
- volatile-lfu：针对设置了过期时间的key，使用近似lfu淘汰；
- allkeys-lfu：针对所有key，使用近似lfu淘汰；
LFU近似于LRU：它使用一个称为Morris的概率计数器来估计key访问频率，计数器中每个key只占用几个bit，并且计数器功能附加衰减周期，这样计数器统计的key访问频率就会随着时间的推移而降低（如果一段时间内一个key访问频率低于计数器衰减速度，最终这个key会被淘汰）。直至某一刻，我们不再将一些key视为频繁访问的key，即使它们在过去是被频繁访问的，以便算法能够适应访问模式的变化。
该信息的采样方式与LRU（如本文档前一节所述）选择淘汰key的情况类似。
然而，与LRU不同的是，LFU具有某些可调参数：例如，如果一个频繁key不再被访问，那么它的访问频率级别应该降低多少？还可以调整Morris计数器范围，以更好地使算法适应特定的场景。
默认情况下，Redis配置为：
- 在大约100万次请求时让计数器饱和；
- 每一分钟使计数器衰减一次；
这些配置应该是合理的，并且经过了实验测试，但用户可能希望使用这些配置设置来选择最佳值。
有关如何调整这些参数的说明，可以在源发行版的示例redis.conf文件中找到。简而言之，它们是：
lfu-log-factor 10 lfu-decay-time 1
衰减时间是最明显的一个，它是计数器在采样时应该衰减的分钟数。特殊值0表示：永远不会衰减计数器。
计数器对数因子决定了使频率计数器达到饱和需要的key命中次数，频率计数器刚好在0-255范围内。系数越高，需要更多的访问才能达到最大值；系数越低，低频访问计数器的分辨率越好，如下表所示：
标签：Redis,redis,计数器,LRU,key,淘汰 From： https://www.cnblogs.com/wly1-6/p/17058454.html