Redis内存淘汰及回收策略都是Redis内存优化兜底的策略，那它们是如何进行兜底的呢？先来说明一下什么是内存淘汰和内存回收策略：
Redis内存淘汰策略是指当Redis的内存使用超过配置的最大值时，如何选择一些键进行删除，以释放空间给新的数据。Redis提供了八种内存淘汰策略，分别是：
LRU（Least Recently Used）算法为最近最少使用算法，根据数据的历史访问记录来进行淘汰数据，优先移除最近最少使用的数据，这种算法认为最近使用的数据很大概率将会再次被使用
LFU（least frequently used）算法为最少频率使用算法，优先移除使用频率最少的数据，这种算法认为使用频率高的数据很大概率将会再次被使用
LRU（least frequently used）算法为最近最少使用算法，根据数据的历史访问记录来进行淘汰数据，优先移除最近最少使用的数据，这种算法认为最近使用的数据很大概率将会再次被使用
在算法的选择上，Redis需要能够快速地查询、添加、删除数据，也就是说查询、添加、删除的时间复杂读需为O(1)。哈希表能保证查询数据的时间复杂度为O(1)。而双向链表能保证添加、删除数据的时间复杂度为O(1)，如下：
如前文所述，真实的 LRU 算法需要用链表管理所有的数据，每次访问一个数据就要移动链表节点，这样会占用额外的空间和时间。而Redis通过近似 LRU 算法，随机抽样一些键，然后比较它们的访问时间戳，这样可以节省内存和提高性能。而Redis 的近似 LRU 算法的具体实现如下：
redisObject）中有一个 24 位的 lru 字段，用于记录每个数据最近一次被访问的时间戳lookupKey 函数，如果配置使用了 LRU 模式，该函数会更新 value 中的 lru 字段为当前秒级别的时间戳pool），大小为 16maxmemory-samples 参数设置，默认为 5），将 lru 字段值最小的键放入候选集合中，并按照 lru 大小排序举个例子，假设我们按照下面的顺序访问缓存中的数据：h,e,l,l,o,w,o,r,l,d且内存中只能存储3个字符，下面是每次访问或插入后缓存的状态，其中括号内是lru字段的值，假设初始时间戳为0
| 缓存 | 状态 |
|---|---|
| 访问h | h(0) |
| 访问e | e(1),h(0) |
| 访问l | l(2),e(1),h(0) |
| 访问l | l(3),e(1),h(0) |
| 插入o | o(4),l(3),e(1) |
| 插入w | w(5),o(4),l(3) |
| 访问o | o(6),w(5),l(3) |
| 插入r | r(7),o(6),w(5) |
| 插入l | l(8),r(7),o(6) |
| 插入d | d(9),l(8),r(7) |
LFU（Least Frequently Used）是最不经常使用算法，它的思想是淘汰访问频率最低的数据。Redis在3.0版本之后引入了LFU算法，并对lru字段进行了拆分。
typedef struct redisObject {
unsigned type:4;
unsigned encoding:4;
unsigned lru:LRU_BITS;
int refcount;
void *ptr;
} robj;
我们看lru:LRU_BITS这个字段，这个字段在LRU算法中的意义是时间戳，精确到秒。而在LFU 算法中，将它拆为两部分前16bits为时间戳，精确到分；后8为则表示该对象在一定时间段内被访问的次数。如下：
当Redis需要淘汰数据时，它会从内存中随机抽取一定数量（默认为5个，可以通过 maxmemory-samples 参数设置）的键值对对象，然后比较它们的访问次数和访问时间戳，找出其中最小的那个，也就是最不经常使用且最早被访问的那个，将其从内存中删除。
例如，假设我们有以下键值对和频率计数器：
| 键 | 值 | 频率 |
|---|---|---|
| A | 1 | 3 |
| B | 2 | 2 |
| C | 3 | 1 |
| D | 4 | 4 |
如果我们要添加一个新的键值对（E,5），并且缓存已经满了，那么我们就需要淘汰一个旧的键值对。我们可以随机选择A,B,C中的一个，并且发现C的频率最低，为1，所以我们就淘汰C，并且添加E到缓存中，并且将E的频率设为1。这样，缓存中的数据就变成了：
| 键 | 值 | 频率 |
|---|---|---|
| A | 1 | 3 |
| B | 2 | 2 |
| D | 4 | 4 |
| E | 5 | 1 |
在选择上，需要根据不同的适用场景选择不同策略，如下：
| 策略 | 特点 | 适用场景 |
|---|---|---|
| noeviction | 不删除任何数据，当内存不足时返回错误 | 数据都是永久有效的，且内存足够大 |
| allkeys-lru | 根据所有数据的访问时间来淘汰最久未访问的数据 | 数据都是永久有效的，且访问时间具有明显规律 |
| volatile-lru | 根据设置了过期时间的数据的访问时间来淘汰最久未访问的数据 | 数据都有过期时间，且访问时间具有明显规律 |
| allkeys-random | 随机淘汰所有类型的数据 | 数据都是永久有效的，且访问时间没有明显规律 |
| volatile-random | 随机淘汰设置了过期时间的数据 | 数据都有过期时间，且访问时间没有明显规律 |
| volatile-ttl | 根据设置了过期时间的数据的剩余生命周期来淘汰即将过期的数据 | 数据都有过期时间，且剩余生命周期具有明显规律 |
| allkeys-lfu | 根据所有数据的访问频率来淘汰最少访问的数据 | 数据都是永久有效的，且访问频率具有明显规律 |
| volatile-lfu | 根据设置了过期时间的数据的访问频率来淘汰最少访问的数据 | 数据都有过期时间，且访问频率具有明显规律 |
根据8种策略的特性，也从数据完整性、缓存命中率及淘汰效率这三个方面详细对比了，如下：
noeviction 、 volatile-lru、volatile-lfu和volatile-random 都可以保证数据完整性，因为它们不会删除永久有效的数据allkeys-lru、allkeys-lfu和allkeys-random系列的策略则会影响数据完整性，因为它们会无差别地删除所有类型的数据allkeys-lru 和 volatile-lru 策略可以提高缓存命中率，因为它们会根据数据的访问时间来淘汰数据allkeys-random 和 volatile-random 策略则会降低缓存命中率，因为它们会随机淘汰数据allkeys-lfu 和 volatile-lfu 策略也可以提高缓存命中率，因为它们会根据数据的访问频率来淘汰数据volatile-ttl 策略则会降低缓存命中率，因为它会根据数据的剩余生命周期来淘汰数据allkeys-random 和 volatile-random 策略可以提高执行效率，因为它们只需要随机选择一些数据进行删除allkeys-lru 和 volatile-lru 策略则会降低执行效率，因为它们需要对所有或部分数据进行排序allkeys-lfu 和 volatile-lfu 策略也会降低执行效率，因为它们需要对所有或部分数据进行计数和排序volatile-ttl 策略则会提高执行效率，因为它只需要对设置了过期时间的数据进行排序Redis的过期键删除有两种方式，一种是定期删除，一种是惰性删除
Redis惰性删除是指当一个键过期后，它并不会立即被删除，而是在客户端尝试访问这个键时，Redis会检查这个键是否过期，如果过期了，就会删除这个键。惰性删除由db.c/expireIfNeeded函数实现。
惰性删除的优点是节约CPU性能，发现必须删除的时候才删除。缺点是内存压力很大，出现长期占用内存的数据。惰性删除是Redis的默认策略，它不需要额外的配置。
惰性删除的缺点是可能会导致过期键长时间占用内存，如果访问频率较低的键过期了，但没有被访问到，那么它们就不会被惰性删除，从而浪费内存空间。
为了解决这个问题，Redis还采用了定期删除和内存淘汰机制来配合惰性删除，以达到更好的清理效果
Redis会将设置了过期时间的键放到一个独立的字典中，称为过期字典。Redis会对这个字典进行每秒10次（由配置文件中的hz参数控制）的过期扫描，过期扫描不会遍历字典中所有的键，而是采用了一种简单的贪心策略。该策略的删除逻辑如下：
这种策略可以在一定程度上保证过期键能够及时被删除，同时也避免了对CPU时间的过度占用。但是它也有一些缺点，比如可能会误删一些有效的键（因为随机性），或者漏删一些无效的键（因为限制了扫描时间）
因此，Redis还结合了惰性删除策略，即在每次访问一个键之前，都会检查这个键是否过期，如果过期就删除，然后返回空值。这样可以保证不返回过期的数据，也可以节省CPU时间，但是它可能会导致一些过期的键长期占用内存，如果这些键很少被访问或者一直不被访问，那么它们就永远不会被删除
Redis内存淘汰、内存回收策略相关的配置文件如下：
# 内存淘汰策略
maxmemory-policy noeviction
# 抽取数量
maxmemory-samples 5
# 最大内存
maxmemory 100mb
# 内存淘汰韧性
maxmemory-eviction-tenacity 10
# 后台任务执行间隔
hz 10
# 是否开启动态间隔
dynamic-hz yes
配置文件说明:
hz的配置值将作为基线，将hz的实际值设置为hz的配置值的整数倍，用来节省CPU资源。总结如下：