上一讲提到，缓存的容量总是小于后端数据库的。随着业务系统的使用，缓存数据会撑满内存空间，该怎么处理呢？
本节我们来学习内存淘汰机制。在Redis 4.0之前有6种内存淘汰策略，之后又增加2种，一共8种，如下图所示：
- noeviction策略：内存空间达到maxmemory时，不会淘汰数据，有新写入时会返回错误。
- volatile-ttl策略：针对设置了过期时间的键值对，根据过期时间的先后进行修改，越早过期的越先被删除。
- volatile-random策略：在设置了过期时间的键值对中，进行随机删除。
- volatile-lru策略：使用LRU算法筛选设置了过期时间的键值对，进行删除。
- volatile-lfu策略：使用LFU算法筛选设置了过期时间的键值对，进行删除。
- allkeys-random策略：在所有键值对中随机选择并删除数据。
- allkeys-lru策略：使用LRU算法在所有数据中进行筛选并删除数据。
- allkeys-lfu策略：使用LFU算法在所有数据中进行筛选并删除数据。
对于TTL、Random比较好理解，下面学习一下LRU和LFU算法。
LRU算法
LRU算法，全称Least Recently Used。
其中MRU端指最近访问的数据；LRU端指最早访问的数据。
被访问的数据和新插入的数据会移到MRU端，空间满了后从LRU端删除。这样一来，最早访问的数据会逐渐被淘汰。
但LRU算法也有其缺点：
- 需要用链表管理所有缓存数据，带来额外的空间开销
- 大量数据被访问，就会带来很多链表移动操作，降低Redis性能
而Redis对其进行简化：
- Redis会记录每个数据的最近一次访问的时间戳（RedisObject中的lru字段）
- Redis第一次淘汰数据时，会随机选出N个数据，作为一个候选集合。
- 然后比较这N个数据的lru，把lru最小的从缓存中淘汰。
当再次淘汰数据时，会挑选数据放到第一次淘汰时的候选集合，要求小于候选集合中最小的lru值才能加入。
其中maxmemory-samples配置项：表示选出的个数N。可以通过以下命令进行设置：
CONFIG SET maxmemory-samples 100
LFU算法
LFU算法是在LRU策略基础上，为每个数据增加一个计数器，来统计这个数据的访问次数。
使用LFU策略筛选淘汰数据时，根据数据的访问次数进行筛选，把访问次数最低的数据淘汰。如果两个数据访问次数相同，再比较两个数据的访问时效性，把更久的数据淘汰。
如何实现
LFU也是使用RedisObject的lru字段来实现。
把24bit的lru字段拆分成两部分：
- ldt值：lru字段的前16bit，表示数据的访问时间戳；
- counter值：lru字段的后8bit，表示数据的访问次数；
当LFU策略淘汰数据时，Redis在候选集合中，根据lru字段的后8bit选择访问次数最小的数据进行淘汰。如果访问次数相同，再根据lru字段的前16bit值大小，选择更久的数据进行淘汰。
关于counter只有8bit（255）的问题
Redis并没有采用数据每被访问一次，就+1的规则，而是采用一个类似于随机+1的规则：
double r = (double)rand()/RAND_MAX; ... double p = 1.0/(baseval*server.lfu_log_factor+1); if (r < p) counter++;
通过设置 lfu_log_factor 配置项来控制计数器值增加的速度，避免counter很快到255。下图是 lfu_log_factor 设置不同值时，counter的增长情况：
总结
- 如何设置缓存空间大小：设置为总数据量的15%到30%，兼顾访问性能和内存空间开销。
- 优先使用allkeys-lru策略。如果业务数据中有明显的冷热数据区分，建议使用allkeys-lru策略。
- 如果业务数据访问频繁相关不大，没有明显的冷热数据区分，建议使用allkeys-random策略。
- 如果业务中有置顶的需要，可以使用volatile-lru策略，同时不给这些置顶数据设置过期时间。
参考资料
- 24 | 替换策略：缓存满了怎么办？
