使用Redis缓存时，您可以为缓存数据设置过期时间，提高缓存命中率，并根据过期策略删除缓存数据。
Redis 的缓存过期删除策略有两种类型：延迟删除和定期删除。
在 Redis 中，设置了过期时间的密钥将存储在 Redis 的过期字典中。 当你对密钥进行读写操作时，会先检查过期的字典中是否存在密钥，如果存在，则获取密钥的过期时间，并与系统当前时间进行对比
如果过期时间大于当前时间，则密钥尚未过期。
如果过期时间小于或等于当前时间，则确定密钥已过期。
过时的词典
过期的字典存储在 RedisDB 结构中，如下所示：
typedef struct redisdb redisdb;哪里：
过期字典的键指向 Redis 数据库中的键。
过期字典的值为long long类型的整数，用于存储密钥对应的过期时间（timestamp，单位：毫秒）。
如图所示
延迟删除处理逻辑，如图所示
过程：对密钥执行读写操作，以确定过期的字典中是否存在该密钥
如果不存在，则正常执行读写操作。
如果是这样，请将密钥过期时间与系统的当前时间进行比较，以确定密钥是否已过期
如果密钥的过期时间小于或等于当前时间（过期），则删除该密钥。
如果密钥过期时间长于当前时间（未过期），系统将执行读/写操作。
定期删除处理逻辑，如图所示
操作步骤：Redis以100ms的频率从过期的字典中随机抽取20个密钥，检查是否有过期的密钥
如果密钥的过期时间小于或等于当前时间，则表示密钥已过期。
如果密钥过期时间大于当前时间，则密钥尚未过期。
如果存在过期密钥，请确定过期密钥数量是否超过提取数量的 25%，或者周期性删除周期是否超过 25 毫秒
如果执行周期超过25%或执行时长超过25ms，则从过期字典中随机抽取20个密钥进行检查，循环至过期密钥数量不超过25%或执行时长不超过25ms。
如果执行时间不超过 25 毫秒，则删除过期的密钥。
如果没有过期密钥，请等待 100 毫秒，然后继续从过期的字典中随机选择 20 个密钥进行检查。
注意：Redis在主线程上会定期删除，如果大量密钥同时过期，会影响Redis的读写效率。
redis2.在版本 8 之后，可以通过修改配置文件来重新开发conf 中的 hz 参数（默认值为 10，即每秒 10 次），用于调整定时删除的定时任务的执行频率。
参数 Hz：Hz 的值范围为 1 500，默认值为 10，不建议超过 100，增加 Hz 的值会占用更多的 CPU 资源，只有当请求延迟很低时，才能考虑将 Hz 的值增加到 100。
Redis 过期删除策略采用延迟删除 + 定期删除作为 CPU 资源和内存消耗之间的权衡
如果使用延迟删除，未访问的密钥将存储在内存中，从而造成内存资源的浪费。
如果只使用周期性删除，当大量密钥同时过期时，会占用大量的CPU资源，影响读写操作的性能和系统吞吐量。
过期删除策略是一种不精确的删除策略，对于那些长时间未访问且多次定期删除的密钥，它们将始终存储在内存中，这可能会导致 Redis 的内存耗尽。
在配置文件redis中conf，最大内存由参数 maxmemory 设置（默认为 unlimited，该参数的值通常设置为物理内存的 3 4）。
当Redis内存超过maxmemory参数设置的最大内存时，触发内存消除策略。 内存消除策略是使用 maxmemory-policy 参数设置的，如下所示：
volatile-lru：设置了过期时间的密钥，通过LRU算法淘汰（lru：最近最少使用，表示使用时间最长）。
allkeys-lru：根据 LRU 算法（环境中使用的常见策略）消除所有密钥（包括有和没有过期时间的密钥）。
volatile-lfu：根据 LFU 算法淘汰有过期时间的密钥（lfu：最不常用）。
allkeys-LFU：基于LFU算法消除所有密钥。
volatile-random：设置了过期时间的密钥，通过随机消除方法进行淘汰。
allkeys-random：根据随机消除方法消除所有键。
volatile-ttl：对于设置了过期时间的密钥，丢弃即将过期的密钥（次要 TTL）。
noeviction：不排除任何数据，当使用的内存空间超过maxmemory参数设置的值时，写入数据到Redis时会返回错误（默认策略，一般不使用）。
可以看出，除了特殊的noeviction和volatile-TTL策略外，其他六种策略可以分为两类：
从 volatile- 开始的策略是清除根据特定算法设置了过期时间的密钥。
从 allkeys- 开始的策略是根据特定算法清除所有键。
redis.conf 中与内存消除策略相关的参数：
maxmemory：内存使用上限，默认值为0，表示内存使用上限不受限制。
maxmemory-policy：内存消除策略，默认策略为 noeviction。
maxmemory-samples：随机样本数，默认值为 5。
内存停用策略选择：
如果数据是幂等的（即某些数据的访问频率更高，而其余数据的访问频率较低），建议您选择 allkeys-lru 或 allkeys-lfu 策略。
如果数据是均匀分布的（即所有数据的访问概率大致相等），建议您选择 allkeys-random 策略。
如果您需要设置不同的TTLS来确定数据过期的顺序，建议您选择Volatile-TTL策略。
如果有些数据需要长时间存储，有些数据可以清除，建议选择 volatile-lru 或 volatile-random 策略。
注意：由于设置过期时间会消耗额外的内存，因此您可以选择 allkeys-lru 策略，以防止 Redis 因确定密钥的过期时间而消耗额外的内存。
要查看 Redis 使用的内存停用策略，请参阅 config get maxmemory-policy。
修改内存消除策略
config set maxmemory-policy Policy：立即生效，重启并恢复为默认值。
修改配置文件 Redisconf Policy中的参数maxmemory-policy：重启生效。
redis - 大致的 LRU 计算执行过程：
随机选择n个key（n由参数maxmemory-samples设置，默认值为5），找到时间最长的未访问密钥（时间通过比较RedisObject中的LRU属性与系统当前时间确定），并删除该密钥。
如果系统内存再次超过内存使用限制，并且仍然超过内存使用限制，则上述过程将继续。
LRU 算法中的缺陷
LRU算法只关注数据的访问时间或顺序，忽略了访问次数的值，在剔除数据的过程中可能会剔除热点数据。
如图所示
图中时间线从左到右，数据a b c在同一时间段内被多次访问。 数据C为最近访问的数据，按照LRU算法排列的数据热度为C>B>A，数据实热度为B>A>C。
为什么 Redis 不只使用 LRU 算法？
如果使用 LRU 算法（基于 hashmap + 双链表：稍后将共享一个 LRU 算法），则需要消耗额外的内存来存储双链表节点中的上一个和下一个指针，从而减少 Redis 的存储空间。
为什么maxmemory-samples参数的默认值为5？
当提取次数为 5 时，执行效率非常接近标准 LRU 算法，虽然提取次数设置为 5 时可以更接近 LRU 算法，但会消耗更多的 CPU 资源，因此提取次数的默认值是 LRU 算法的执行效率和 CPU 资源消耗权衡的结果。
LFU（full name least used used）代表最近使用频率最低的，与关键访问次数有关，其核心思想是，如果一个数据在不久的将来被频繁访问，那么未来被重新访问的概率会很高，访问频率较低的数据将来不会再次使用的概率会很高。
注意：访问LFU算法的频率不能等同于访问次数。 如图所示
图中，数据 A 被访问了 5 次，数据 B 和 C 各被访问了 4 次
如果数据热度值由访问次数决定，则该值为 a>b=c。
如果考虑到时效性，更接近当前时间的访问更有价值，则数据热度值为：c>b>a。
因此，LFU算法一般具有时间衰减函数来参与热值的计算，同时考虑接入时间的影响。
LFU算法实现
LFU 算法的实现不使用额外的数据结构，而是重用 RedisObject 数据结构的 LRU 字段。
redisobject 数据结构：
typedef struct redisobject robj;其中，LRU算法和LFU算法在LRU字段的使用方式存在差异
在LRU算法中，LRU字段用于记录密钥的访问时间戳，因此可以根据LRU字段中记录的值，将长时间未访问的密钥与当前时间进行比对。
在 LFU 算法中，LRU 字段分为两段，最高 16 位存储 LDT（最后递减时间）和最低 8 位存储逻辑计数器 （LOGC）。
LFU算法中的LRU字段，如图所示：
ldt：密钥的访问时间戳。
logc：用于记录密钥的访问频率（即流行度值），logc值越小，访问频率越低，被淘汰的可能性越大，新密钥的logc初始值为5（目的是防止新密钥立即被淘汰， 并且对新密钥的访问次数可能小于未访问的旧密钥的访问次数）。
LFU接入频率（逻辑计数器）算法实现：
#define lfu_init_val 5/* logarithmically increment a counter. the greater is the current counter value * the less likely is that it gets really implemented. saturate it at 255. */uint8_t lfulogincr(uint8_t counter)哪里：
如果计数器小于或等于 LFU init val，则一旦访问并命中数据，计数器的概率接近 100%，并增加 1。
如果计数器大于 lfu init val，则需要先计算两者之间的差值，然后作为分母的一部分参与计算递增概率。
随着计数器值的增加，增加的概率逐渐衰减，并且多次访问可能不会将其值增加 1。
当计数器值达到 255 时，不再执行值递增过程。
为了适应各种业务数据的特点，Redis 在 LFU 算法的实现中引入了两个可调参数：
lfu-decay-time：时间衰减因子，单位为分钟，默认值为1，该参数值越高，衰减越慢。
lfu-log-factor：递增衰减因子，默认值为10，该参数值越高，递增概率越低。
阅读推荐]更多精彩内容，如：
Redis 系列。
数据结构和算法。
NACOS系列。
MySQL系列。
JVM 系列。
卡夫卡系列。
并发编程系列。
请移至【南秋】个人主页参考。 内容不断更新。
关于作者]热爱科技、热爱生活的老宝贝，专注J**A领域，关注【南秋同学】带你一起学习、共同成长