在高并发场景中，Redis 常被用作缓存以减轻数据库压力。但由于 Redis 的内存是有限的，当数据量超过设定的最大内存（maxmemory）时，就需要触发 内存淘汰策略 来删除部分数据，从而为新数据腾出空间。
Redis 提供了多种内存淘汰算法，主要可以归纳为以下四类：
1. 随机淘汰（Random）
策略说明：当内存不足时，Redis 会随机选择并移除一个 key。
优点：实现简单，开销极低。
缺点：完全随机，可能会淘汰掉热门数据，对缓存命中率影响较大。
适用场景：数据价值相对均等、无明显热点的数据场景。
2. TTL 淘汰（Expire）
策略说明：只从设置了过期时间的 key 中挑选即将过期的 key 删除，优先清理快要过期的缓存。
优点：能够优先释放掉“寿命快结束”的数据，合理性较强。
缺点：如果大部分 key 没有设置 TTL，则效果有限。
适用场景：业务中大量数据都带有过期时间（如会话、临时 Token）的情况。
3. LRU（Least Recently Used，最近最少使用）
策略说明：淘汰最近最少访问的 key。
实现机制：
Redis 并非严格的 LRU，而是采用 近似 LRU 算法。
内部维护一个候选池（默认大小 16），随机挑选若干 key（默认 5 个）放入池中，再淘汰其中最久未访问的一个。
优点：能较好地保留近期热点数据，提升缓存命中率。
缺点：存在“热点重现”问题。如果一个长期未访问的 key 突然被访问，它会被 Redis 当成热点，从而延迟淘汰。
适用场景：热点数据占比较大，但访问模式不固定的业务。
4. LFU（Least Frequently Used，最近最少使用频率）
策略说明：淘汰访问频率最低的 key。Redis 从 4.0 版本开始支持。
实现机制：
每个 key 都维护一个访问计数器，初始值为 1。
每次访问 key 时，计数器递增。
为避免计数器“无限增大”而导致数据长期无法淘汰，Redis 会对计数器进行 时间衰减：如果一段时间没有被访问，计数会逐渐降低。
优点：比 LRU 更准确地保留真正的热点数据。
缺点：实现复杂度和维护开销比 LRU 高。
适用场景：热点数据稳定存在（如推荐系统、商品缓存），需要尽量提高缓存命中率的业务。
5. 如何选择合适的策略？
Redis 默认配置下不会启用淘汰策略（即 noeviction，达到内存上限后直接报错），因此在生产环境中通常需要主动设置合适的策略：
随机淘汰：适合无明显热点、数据价值差不多的场景。
TTL 淘汰：适合大量临时数据（如 Session 缓存）。
LRU：适合大多数通用缓存场景，性能与命中率兼顾。
LFU：适合数据访问频率差异显著，且对命中率要求极高的场景。
可以通过 redis.conf 或命令行配置内存淘汰策略：
# 查看当前内存淘汰策略
CONFIG GET maxmemory-policy
# 设置为 LRU 策略
CONFIG SET maxmemory-policy allkeys-lru
总结
Redis 提供了多种内存淘汰策略，分别适应不同的业务场景：
Random：效率高但命中率低；
Expire：依赖过期时间；
LRU：通用、性能好，但可能误判热点；
LFU：最智能，但开销最大。
在实际应用中，最常见的选择是 allkeys-lru 或 allkeys-lfu，具体取决于业务的访问模式和命中率要求。