💖The Begin💖点点关注，收藏不迷路💖

在Redis中，当内存使用达到上限时，为了保持服务的稳定性和响应速度，Redis提供了多种数据回收（淘汰）策略，以便在必要时释放内存空间。本文将详细介绍Redis的六种主要淘汰策略。

1、Redis的六种淘汰策略

1. volatile-lru

• 说明：从已设置过期时间的数据集（server.db[i].expires）中挑选最近最少使用的数据进行淘汰。
• 适用场景：适用于数据访问频率差异较大的场景，即部分数据访问频繁，部分数据访问较少。

2. volatile-ttl

• 说明：从已设置过期时间的数据集中挑选那些即将过期的数据进行淘汰。
• 适用场景：当希望优先淘汰那些即将过期的数据时，可以使用此策略。

3. volatile-random

• 说明：从已设置过期时间的数据集中随机选择数据进行淘汰。
• 适用场景：当数据集的访问频率没有明显差异，且希望随机淘汰过期数据时，此策略是一个不错的选择。

4. allkeys-lru

• 说明：从所有数据集（server.db[i].dict）中挑选最近最少使用的数据进行淘汰，不局限于已设置过期时间的数据。
• 适用场景：如果数据访问频率呈现出幂律分布（即大部分数据访问频率低，少数数据访问频率高），此策略非常有效。

5. allkeys-random

• 说明：从所有数据集中随机选择数据进行淘汰。
• 适用场景：当数据集的访问频率几乎相同时，可以使用此策略。然而，由于Redis的设计初衷是快速存取，因此这种策略在实际应用中并不常见。

6. no-eviction

• 说明：不进行任何淘汰操作，当内存不足时，Redis会拒绝新的写入请求，并返回错误。
• 适用场景：在某些特定的场景下，如不希望因淘汰数据而影响业务逻辑时，可以使用此策略。但需要注意的是，这可能会导致Redis服务拒绝新的写入请求。

2、使用策略规则

• 幂律分布场景：如果数据访问频率呈现出幂律分布，即大部分数据访问频率低，少数数据访问频率高，推荐使用allkeys-lru策略。这可以确保那些长时间未被访问的数据被优先淘汰，从而为新的热点数据腾出空间。

• 平等分布场景：如果数据集的访问频率几乎相同，即所有数据的访问频率都相似，那么可以考虑使用allkeys-random策略。然而，在实际应用中，这种情况较为少见，因为大多数业务场景下的数据访问都会存在一定的差异。

💖The End💖点点关注，收藏不迷路💖