Redis过期删除和缓存淘汰

1. 过期删除

在 Redis 中，键的过期删除机制主要包括惰性删除（Lazy Deletion）和定期删除（Periodic Deletion）。这两种策略有各自的优缺点，Redis 最终会结合这两种方法来管理过期键。

1.1 惰性删除（Lazy Deletion）

机制： 惰性删除策略是指当客户端访问某个键时，Redis会检查该键是否已经过期。如果键已经过期，Redis会立即删除这个键，并返回nil（如果是GET操作）或相应的错误信息。
优点：
1.性能友好： 惰性删除仅在访问键时才会检查是否过期，因此不会额外增加Redis的负担，这种方法对Redis的整体性能影响最小。
2. 实时性： 保证了每次读取时都能返回最新的、未过期的数据，不会读取到已过期的数据。
缺点：
可能的内存浪费： 如果某些键在设置了过期时间后没有被访问过，它们将一直占据内存，直到Redis因内存不足而进行主动清理，这可能导致内存中存在大量无用的过期键，占用宝贵的内存资源。

1.2 定期删除（Periodic Deletion）

机制：
定期删除策略是指 Redis 每隔一段时间会随机抽取一部分设置了过期时间的键，并删除其中已经过期的键。Redis 默认会每 100 毫秒执行一次这样的删除操作，具体实现如下：
Redis 会随机抽取几个数据库（每次处理最多 20 个数据库）。
对于每个选中的数据库，随机选择一定数量的键（通常是 20 个键）。
检查这些键是否已经过期，并删除过期的键。
如果发现过期键的比例超过 25%，Redis 会重复执行上述步骤，以避免内存中存在过多过期键。

优点：
减少内存浪费: 通过定期删除，可以在不访问键的情况下也能清理掉部分过期键，减少内存的占用。
自动清理: 即使某些键没有被访问，定期删除也能确保它们在过期后的一段时间内被清理。

缺点：
非实时性: 定期删除不是实时的，因此有些过期键可能会在过期后的一段时间内仍然存在于内存中，直到下一次定期删除操作才被清理。
性能消耗: 虽然定期删除的频率和强度是可控的，但它仍然会消耗一定的 CPU 资源，特别是在处理大批量键时，可能会影响 Redis 的响应性能。

Redis 实际上结合了惰性删除和定期删除两种策略，以达到在性能和内存使用之间的平衡：

惰性删除 主要用于保证数据的实时性。每次客户端访问键时，Redis 都会检查该键是否过期，如果过期就会立即删除。这种方法确保了客户端永远不会读到过期的数据。

定期删除 主要用于清理那些未被访问的过期键。通过周期性扫描和删除过期键，Redis 避免了这些键占用过多的内存。

2.缓存淘汰

Redis 缓存淘汰策略是在 Redis 达到内存上限时，为了释放内存而删除某些键值对的机制。合理配置缓存淘汰策略对于保证系统的性能和稳定性至关重要。

2.1 背景

Redis 是一个内存数据库，所有数据都存储在内存中。当 Redis 的数据量持续增加并达到内存上限时，无法再添加新的数据。此时，Redis 提供了多种缓存淘汰策略来决定删除哪些数据以腾出空间。

2.2 Redis支持的缓存淘汰策略

Redis 提供了多种缓存淘汰策略，可以通过 maxmemory-policy 配置项进行设置。常见的策略包括：
1.noeviction
描述: 默认策略，不淘汰任何数据。当内存达到上限时，所有可能导致内存增加的写操作都会失败，并返回错误。
适用场景: 适用于希望严格控制内存使用，防止数据丢失的场景。主要用于不适合作为缓存，而是需要持久保存所有数据的场景。
2.allkeys-lru
描述: 在所有键中，使用 LRU（Least Recently Used，最近最少使用）算法淘汰最不常使用的键。
适用场景: 适用于典型的缓存场景，优先保留最近访问的数据，淘汰长时间未访问的冷数据。
3. volatile-lru
描述: 在设置了过期时间的键中，使用 LRU 算法淘汰最不常使用的键。
适用场景: 适用于部分数据需要持久存储，但也希望利用 LRU 算法对设置了过期时间的缓存数据进行淘汰的场景。
4.allkeys-random
描述: 在所有键中随机选择键进行淘汰。
适用场景: 适用于数据访问模式难以预测，所有数据重要性相似的场景。
5.volatile-random
描述: 在设置了过期时间的键中随机选择键进行淘汰。
适用场景: 适用于既要保留部分永久性数据，又希望对可过期数据进行随机淘汰的场景。
6.volatile-ttl
描述: 在设置了过期时间的键中，优先淘汰 TTL（Time to Live，剩余生存时间）值最小的键。
适用场景: 适用于需要根据键的生存时间优先级进行淘汰的场景，如希望尽量保留新近缓存的短期数据。

2.3 LRU 算法的细节

LRU 算法通过追踪每个键的使用情况来判断哪些键是最近最少使用的。Redis 在 LRU 策略下不会对所有键进行严格的 LRU 排序，而是通过近似算法实现。默认情况下，Redis 会采样 5 个键来选择淘汰对象。可以通过 maxmemory-samples 配置项调整采样数量，采样数量越大，LRU 策略越接近最优，但计算开销也会增加。

2.4 最大内存设置

缓存淘汰策略与 Redis 的 maxmemory 设置紧密相关。通过设置 maxmemory，可以限定 Redis 的最大内存使用量，当内存使用达到这个上限时，Redis 就会根据配置的淘汰策略开始删除键值对。
配置示例：

maxmemory 256mb
maxmemory-policy allkeys-lru

2.5 实际应用中的考虑

数据重要性: 如果部分数据非常重要且不应被淘汰，可以选择 volatile-lru 或 volatile-random，以确保无过期时间的键不被淘汰。
访问模式: 如果某些数据访问频率极高，且希望这些数据始终保留在内存中，可以选择 allkeys-lru。
系统性能: 在高并发场景下，合理设置 maxmemory-samples 可以优化 LRU 算法的性能。

2.6 注意事项

防止缓存雪崩: 在高并发情况下，避免所有缓存同时过期导致的缓存雪崩，可以通过设置不同的过期时间来平滑过期。
监控与调整: 定期监控 Redis 的内存使用和命中率，根据业务需求调整 maxmemory 和淘汰策略，确保缓存系统的高效运行。