Redis内存淘汰策略LRU和LFU的区别与配置

当 Redis 使用的内存大小达到配置的上限（maxmemory）时，为了继续提供服务，它必须执行内存淘汰策略，即删除部分已有的键值对以释放内存空间。LRU（Least Recently Used）和 LFU（Least Frequently Used）是其中最核心的两种算法。理解它们的区别并正确配置，是保证 Redis 高性能运行的关键。

LRU 与 LFU 的核心区别

LRU 和 LFU 的根本区别在于判断“谁该被删除”的维度不同：一个是基于“时间”，一个是基于“频率”。

1. LRU (Least Recently Used) 算法

LRU 算法的核心思想是：如果一个数据最近没有被访问过，那么将来被访问的概率也很低。

• 淘汰依据：最后一次访问的时间。
• 操作逻辑：当内存不足时，优先淘汰最久没有被访问过的键。
• 适用场景：适合“热点数据”随时间变化比较明显的业务。例如，新闻资讯网站，大家都在看突发新闻（此时它是热点），过几个小时没人看了（变冷），就应该被淘汰。

2. LFU (Least Frequently Used) 算法

LFU 算法的核心思想是：如果一个数据在过去的访问频率很低，那么将来被访问的概率也很低。

• 淘汰依据：历史访问的频率（次数）。
• 操作逻辑：当内存不足时，优先淘汰访问频率最低的键。
• 适用场景：适合“高频数据”长期稳定的业务。例如，某些基础配置数据或字典类接口，这些数据一旦被加载，会被反复调用，且短时间内不会变冷。

Redis 中的实现细节（近似算法）

为了保证高性能，Redis 并没有使用完美的 LRU 或 LFU 算法，因为完美的算法需要消耗大量的内存来维护复杂的结构。Redis 使用的是近似算法。

1. Redis 的 LRU 实现机制

Redis 并不会为所有键维护一个全局的精确链表。它采用了一种随机采样的策略：

1. 配置采样参数：Redis 配置文件中有一个参数 maxmemory-samples，默认值通常是 5。
2. 随机选取：当需要淘汰数据时，Redis 会从所有键中随机选取 N 个（即 maxmemory-samples 的值）键。
3. 比较淘汰：在这 N 个键中，淘汰掉最久没有被访问的那个键。

2. Redis 的 LFU 实现机制

Redis 4.0 之后引入了 LFU 策略。为了更智能地反映访问热度，Redis 使用了一个名为 Morris Counter 的概率计数器，并且引入了“衰减”机制：

• 计数器：每个键维护一个计数器，每次访问计数器增加，但增加的幅度是随机的（访问次数越多，增加的概率越大）。
• 衰减因子：如果这个键很久没被访问，Redis 会通过一个公式降低它的计数值（类似“冷却”），防止很久以前的冷数据因为积累了历史点击量而一直占用内存。

LRU 与 LFU 对比总结

下表总结了两种策略在不同维度下的特性：

内存淘汰策略配置步骤

Redis 提供了多种具体的策略配置，它们通常分为针对所有键（allkeys）和仅针对设置了过期时间的键（volatile）两类。以下是配置和修改的详细步骤。

第一步：修改配置文件（永久生效）

这是最稳妥的配置方式，修改后重启 Redis 依然有效。

1. 打开 Redis 的配置文件 redis.conf。

2. 搜索 并找到 maxmemory 配置项。

3. 取消注释 并设置最大内存限制（例如设置为 1GB）。

   maxmemory 1gb

4. 搜索 并找到 maxmemory-policy 配置项。

5. 取消注释 并将其设置为你需要的策略值。

   常用的策略值包括：

   • noeviction：默认策略，内存满时不删除，直接报错。
   • allkeys-lru：对所有键使用 LRU 淘汰。
   • volatile-lru：仅在设置了过期时间的键中使用 LRU 淘汰。
   • allkeys-lfu：对所有键使用 LFU 淘汰（Redis 4.0+）。
   • volatile-lfu：仅在设置了过期时间的键中使用 LFU 淘汰（Redis 4.0+）。
   • allkeys-random：对所有键随机淘汰。
   • volatile-random：在设置了过期时间的键中随机淘汰。
   • volatile-ttl：淘汰剩余生存时间（TTL）最短的键。

   例如，配置为对所有键使用 LRU：

   maxmemory-policy allkeys-lru

6. 保存 配置文件。

7. 重启 Redis 服务使配置生效。

第二步：使用命令行动态配置（无需重启）

如果你不想重启服务，或者想临时测试策略，可以使用 redis-cli 连接到服务器进行动态修改。

1. 连接 到 Redis 服务。

   redis-cli

2. 设置 最大内存（如果尚未设置）。

   CONFIG SET maxmemory 1gb

3. 设置 淘汰策略。
   例如，切换到 LFU 模式：

   CONFIG SET maxmemory-policy allkeys-lfu

4. 验证 配置是否成功。

   CONFIG GET maxmemory-policy

   输出结果应包含 allkeys-lfu。

如何调整 LRU/LFU 的精度

如果你发现 Redis 的淘汰效果不够理想（例如该保留的热点数据被误删了），可以通过调整采样数量来提高算法的精确度，但会增加少许 CPU 消耗。

1. 编辑 redis.conf 文件。

2. 找到 maxmemory-samples 配置项。

3. 修改 数值。默认值为 5，建议范围是 5 到 10。值越大，结果越接近完美的 LRU/LFU，但 CPU 消耗也越高。

   例如，设置为 10：

   maxmemory-samples 10

4. 保存 并重启 Redis，或者使用命令：

   CONFIG SET maxmemory-samples 10

实战中的策略选择建议

在实际生产环境中，选择哪种策略取决于你的数据访问模式：

1. 如果你的数据主要是缓存数据，且没有设置过期时间：
   建议使用 allkeys-lru。这是最通用的策略，能有效保留最近被访问的数据。

2. 如果你的数据主要是缓存数据，但存在某些极其频繁访问的“钉子户”数据：
   建议使用 allkeys-lfu。它能有效过滤掉偶尔被访问一次的“噪音”数据，保留真正的高频核心数据。

3. 如果你主要希望缓存某些带过期时间的会话或临时数据：
   建议使用 volatile-lru 或 volatile-lfu。这可以确保未设置过期时间的永久数据不会被意外删除，仅利用空闲内存来缓存临时数据。

4. 如果是做简单的缓存，不希望复杂的逻辑：
   使用默认的 noeviction 配合合理的过期时间策略，或者直接使用 allkeys-random（在数据集较小且访问均匀时效果尚可）。