Redis占用內存大小
我們知道Redis是基於內存的key-value數據庫，因為系統的內存大小有限，所以我們在使用Redis的時候可以配置Redis能使用的最大的內存大小。
1、通過配置文件配置
通過在Redis安裝目錄下面的redis.conf配置文件中添加以下配置設置內存大小
//設置Redis最大占用內存大小為100M
maxmemory 100mb
2、通過命令修改
Redis支持運行時通過命令動態修改內存大小
//設置Redis最大占用內存大小為100M
127.0.0.1:6379> config set maxmemory 100mb
//獲取設置的Redis能使用的最大內存大小
127.0.0.1:6379> config get maxmemory
注意：如果不設置最大內存大小或者設置最大內存大小為0，在64位操作系統下不限制內存大小，在32位操作系統下最多使用3GB內存
Redis的內存淘汰（回收策略）
既然可以設置Redis最大占用內存大小，那么配置的內存就有用完的時候。那在內存用完的時候，還繼續往Redis里面添加數據不就沒內存可用了嗎？
實際上Redis定義了幾種策略用來處理這種情況：（6種redis內存淘汰策略方案）
-
noeviction(默認策略)：對於寫請求不再提供服務，直接返回錯誤（DEL請求和部分特殊請求除外）
-
allkeys-lru：從所有key中使用LRU算法進行淘汰
-
volatile-lru：從設置了過期時間的key中使用LRU算法進行淘汰
-
allkeys-random：從所有key中隨機淘汰數據
-
volatile-random：從設置了過期時間的key中隨機淘汰
-
volatile-ttl：在設置了過期時間的key中，根據key的過期時間進行淘汰，越早過期的越優先被淘汰
注意：當使用volatile-lru、volatile-random、volatile-ttl這三種策略時，如果沒有key可以被淘汰，則和noeviction一樣返回錯誤
如何獲取及設置內存淘汰策略
獲取當前內存淘汰策略：
127.0.0.1:6379> config get maxmemory-policy
通過配置文件設置淘汰策略（修改redis.conf文件）：
maxmemory-policy allkeys-lru
通過命令修改淘汰策略：
127.0.0.1:6379> config set maxmemory-policy allkeys-lru
LRU算法
什么是LRU?
上面說到了Redis可使用最大內存使用完了，是可以使用LRU算法進行內存淘汰的，那么什么是LRU算法呢？
LRU(Least Recently Used)，即最近最少使用，是一種緩存置換算法。在使用內存作為緩存的時候，緩存的大小一般是固定的。當緩存被占滿，這個時候繼續往緩存里面添加數據，就需要淘汰一部分老的數據，釋放內存空間用來存儲新的數據。這個時候就可以使用LRU算法了。其核心思想是：如果一個數據在最近一段時間沒有被用到，那么將來被使用到的可能性也很小，所以就可以被淘汰掉。
使用java實現一個簡單的LRU算法
1 public class LRUCache<k, v> { 2 //容量
3 private int capacity; 4 //當前有多少節點的統計
5 private int count; 6 //緩存節點
7 private Map<k, Node<k, v>> nodeMap; 8 private Node<k, v> head; 9 private Node<k, v> tail; 10
11 public LRUCache(int capacity) { 12 if (capacity < 1) { 13 throw new IllegalArgumentException(String.valueOf(capacity)); 14 } 15 this.capacity = capacity; 16 this.nodeMap = new HashMap<>(); 17 //初始化頭節點和尾節點，利用哨兵模式減少判斷頭結點和尾節點為空的代碼
18 Node headNode = new Node(null, null); 19 Node tailNode = new Node(null, null); 20 headNode.next = tailNode; 21 tailNode.pre = headNode; 22 this.head = headNode; 23 this.tail = tailNode; 24 } 25
26 public void put(k key, v value) { 27 Node<k, v> node = nodeMap.get(key); 28 if (node == null) { 29 if (count >= capacity) { 30 //先移除一個節點，因為該鏈表中的節點數已經到達容器上限
31 removeNode(); 32 } 33 node = new Node<>(key, value); 34 //添加節點
35 addNode(node); 36 } else { 37 //移動節點到頭節點
38 moveNodeToHead(node); 39 } 40 } 41
42 public Node<k, v> get(k key) { 43 Node<k, v> node = nodeMap.get(key); 44 if (node != null) { 45 moveNodeToHead(node); 46 } 47 return node; 48 } 49
50 private void removeNode() { 51 Node node = tail.pre; 52 //從鏈表里面移除
53 removeFromList(node); 54 nodeMap.remove(node.key); 55 count--; 56 } 57 //畫圖理解從鏈表中移除節點的過程
58 private void removeFromList(Node<k, v> node) { 59 Node pre = node.pre; 60 Node next = node.next; 61
62 pre.next = next; 63 next.pre = pre; 64
65 node.next = null; 66 node.pre = null; 67 } 68
69 private void addNode(Node<k, v> node) { 70 //添加節點到頭部
71 addToHead(node); 72 nodeMap.put(node.key, node); 73 count++; 74 } 75
76 private void addToHead(Node<k, v> node) { 77 Node next = head.next; 78 next.pre = node; 79 node.next = next; 80 node.pre = head; 81 head.next = node; 82 } 83
84 public void moveNodeToHead(Node<k, v> node) { 85 //從鏈表里面移除
86 removeFromList(node); 87 //添加節點到頭部
88 addToHead(node); 89 } 90
91 class Node<k, v> { 92 k key; 93 v value; 94 Node pre; 95 Node next; 96
97 public Node(k key, v value) { 98 this.key = key; 99 this.value = value; 100 } 101 } 102 }
LRU在Redis中的實現
近似LRU算法
Redis使用的是近似LRU算法，它跟常規的LRU算法還不太一樣。近似LRU算法通過隨機采樣法淘汰數據，每次隨機出5（默認）個key，從里面淘汰掉最近最少使用的key。
補充：redis這里為什么使用的是近似LRU算法，而不是精准的LRU算法呢？
Redis為什么不使用真實的LRU實現是因為這需要太多的內存。不過近似的LRU算法對於應用而言應該是等價的。使用真實的LRU算法與近似的算法可以通過下面的各LRU算法的對比圖（參看下文中的圖片）。
可以通過maxmemory-samples參數修改采樣數量： 例：maxmemory-samples 10 maxmenory-samples配置的越大，淘汰的結果越接近於嚴格的LRU算法，但是同時對內存的消耗也越大。
Redis為了實現近似LRU算法，給每個key增加了一個額外增加了一個24bit的字段，用來存儲該key最后一次被訪問的時間。
Redis3.0對近似LRU的優化
Redis3.0對近似LRU算法進行了一些優化。新算法會維護一個候選池（大小為16），池中的數據根據訪問時間進行排序，第一次隨機選取的key都會放入池中，隨后每次隨機選取的key只有在訪問時間小於池中最小的時間才會放入池中，直到候選池被放滿。當放滿后，如果有新的key需要放入，則將池中最后訪問時間最大（最近被訪問）的移除。
當需要淘汰的時候，則直接從池中選取最近訪問時間最小（最久沒被訪問）的key淘汰掉就行。
LRU算法的對比：
我們可以通過一個實驗對比各LRU算法的准確率，先往Redis里面添加一定數量的數據n，使Redis可用內存用完，再往Redis里面添加n/2的新數據，這個時候就需要淘汰掉一部分的數據，如果按照嚴格的LRU算法，應該淘汰掉的是最先加入的n/2的數據。
生成如下各LRU算法的對比圖：
圖片來源：https://segmentfault.com/a/1190000017555834
可以看到上圖中有三種不同顏色的點：
-
淺灰色是被淘汰的數據
-
灰色是沒有被淘汰掉的老數據
-
綠色是新加入的數據
我們能看到Redis3.0采樣數是10生成的圖最接近於嚴格的LRU。而同樣使用5個采樣數，Redis3.0也要優於Redis2.8。
LFU算法（只能在redis4.0之后的版本使用）
LFU算法是Redis4.0里面新加的一種淘汰策略。它的全稱是Least Frequently Used，它的核心思想是根據key的最近被訪問的頻率進行淘汰，很少被訪問的優先被淘汰，被訪問的多的則被留下來。
LFU算法能更好的表示一個key被訪問的熱度。假如你使用的是LRU算法，一個key很久沒有被訪問到，只剛剛是偶爾被訪問了一次，那么它就被認為是熱點數據，不會被淘汰，而有些key將來是很有可能被訪問到的則被淘汰了。如果使用LFU算法則不會出現這種情況，因為使用一次並不會使一個key成為熱點數據。
LFU一共有兩種策略：
-
volatile-lfu：在設置了過期時間的key中使用LFU算法淘汰key
-
allkeys-lfu：在所有的key中使用LFU算法淘汰數據
設置使用這兩種淘汰策略跟前面講的一樣，不過要注意的一點是這兩周策略只能在Redis4.0及以上設置，如果在Redis4.0以下設置會報錯