在一些場景下，有些數據被訪問的次數非常少，甚至只會被訪問一次。當這些數據服務完訪問請求后，如果還繼續留存在緩存中的話，就只會白白占用緩存空間。這種情況，就是緩存污染。
如果污染數據很少時，對於系統性能的影響就會很小，但是如果一旦數據量很大時，將會大大占用緩存容量，一旦緩存滿的時候，因為保存在緩存中的數據很少使用，我們再往緩存中寫入新數據時，就需要先把這些數據逐步淘汰出緩存，因為淘汰需要額外的操作數據庫，還有寫入緩存開銷，這樣會影響redis的性能。
要解決緩存污染，很容易想到解決方案，那就是得把不會再被訪問的數據篩選出來並淘汰掉。這樣就不用等到緩存被寫滿以后，再逐一淘汰舊數據之后，才能寫入新數據了。而哪些數據能留存在緩存中，是由緩存的淘汰策略決定的。
在明確知道數據被再次訪問的情況下，volatile-ttl 可以有效避免緩存污染。
lru： LRU 策略的核心思想：如果一個數據剛剛被訪問，那么這個數據肯定是熱數據（判斷熱數據的方式），還會被再次訪問。按照這個核心思想，Redis 中的 LRU 策略，會在每個數據對應的 RedisObject 結構體中設置一個 lru 字段，用來記錄數據的訪問時間戳。在進行數據淘汰時，LRU 策略會在候選數據集中淘汰掉 lru 字段值最小的數據（也就是訪問時間最久的數據）。
但是這種淘汰策略的缺陷是，因為該數據被訪問一次就被提到了Mru端，這樣的話，但是它之后就不會被使用，這樣它從mru端過渡到lru端，需要一定時間，中間會經歷一定量的對於其他數據的請求。相當於在使用 LRU 策略淘汰數據時，這些數據會留存在緩存中很長一段時間，造成緩存污染。同時這些數據的一個特性就是只會被訪問一次。所以這里就要引入LFU淘汰策略
LFU 策略中會從兩個維度來篩選並淘汰數據：一是，數據訪問的時效性（訪問時間離當前時間的遠近）（這一點與lru相同）；二是，數據的被訪問次數。
LFU 緩存策略是在 LRU 策略基礎上，為每個數據增加了一個計數器，來統計這個數據的訪問次數。當使用 LFU 策略篩選淘汰數據時，首先會根據數據的訪問次數進行篩選，把訪問次數最低的數據淘汰出緩存。如果兩個數據的訪問次數相同，LFU 策略再比較這兩個數據的訪問時效性，把訪問時間更久的數據淘汰出緩存。
為了避免操作鏈表的開銷，Redis 在實現 LRU 策略時使用了兩個近似方法：Redis 是用 RedisObject 結構來保存數據的，RedisObject 結構中設置了一個 lru 字段，用來記錄數據的訪問時間戳；Redis 並沒有為所有的數據維護一個全局的鏈表，而是通過隨機采樣方式，選取一定數量（例如 10 個）的數據放入候選集合，后續在候選集合中根據 lru 字段值的大小進行篩選。
Redis 在實現 LFU 策略的時候，只是把原來 24bit 大小的 lru 字段，又進一步拆分成了兩部分。
ldt 值：lru 字段的前 16bit，表示數據的訪問時間戳；
counter 值：lru 字段的后 8bit，表示數據的訪問次數。
當 LFU 策略篩選數據時，Redis 會在候選集合中，根據數據 lru 字段的后 8bit 選擇訪問次數最少的數據進行淘汰。當訪問次數相同時，再根據 lru 字段的前 16bit 值大小，選擇訪問時間最久遠的數據進行淘汰。
但是8bit最大能表示的值為255，假如A的訪問次數為255，而B的訪問次數為1024，所以也會被記為255，但是A的最近使用時間大於B的最近使用時間，所以當面臨淘汰A，B時會淘汰B
這樣顯然和我們預想的不同。
Redis 也注意到了這個問題。因此，在實現 LFU 策略時，Redis 並沒有采用數據每被訪問一次，就給對應的 counter 值加 1 的計數規則，而是采用了一個更優化的計數規則。
LFU 策略實現的計數規則是：每當數據被訪問一次時，首先，用計數器當前的值（即該數據當前被訪問的次數）乘以配置項 lfu_log_factor（該值控制計數器值增加的速度，值越大，增加的越慢） 再加 1，再取其倒數，得到一個 p 值；然后，把這個 p 值和一個取值范圍在（0，1）間的隨機數 r 值比大小，只有 p 值大於 r 值時，計數器才加 1。使用了這種計算規則后，我們可以通過設置不同的 lfu_log_factor 配置項，來控制計數器值增加的速度，避免 counter 值很快就到 255 了。
現在有一種特殊情況：
在一些場景下，有些數據在短時間內被大量訪問后就不會再被訪問了。那么再按照訪問次數來篩選的話，這些數據會被留存在緩存中，但不會提升緩存命中率。為此，Redis 在實現 LFU 策略時，還設計了一個 counter 值的衰減機制（較少counter值）。
LFU 策略使用衰減因子配置項 lfu_decay_time 來控制訪問次數的衰減。LFU 策略會計算當前時間和數據最近一次訪問時間的差值，並把這個差值換算成以分鍾為單位（精度為分鍾）。然后，LFU 策略再把這個差值除以 lfu_decay_time 值，所得的結果就是數據 counter 要衰減的值。
假設 lfu_decay_time 取值為 1，如果數據在 N 分鍾內沒有被訪問，那么它的訪問次數就要減 N。如果 lfu_decay_time 取值更大，那么相應的衰減值會變小，衰減效果也會減弱。所以，如果業務應用中有短時高頻訪問的數據的話，建議把 lfu_decay_time 值設置為 1，這樣一來，LFU 策略在它們不再被訪問后，會較快地衰減它們的訪問次數，盡早把它們從緩存中淘汰出去，避免緩存污染。
使用了 LFU 策略后，緩存還會被污染嗎？
我覺得還是有被污染的可能性，被污染的概率取決於LFU的配置，也就是lfu-log-factor和lfu-decay-time參數。
1、根據LRU counter計數規則可以得出，counter遞增的概率取決於2個因素：
a) counter值越大，遞增概率越低
b) lfu-log-factor設置越大，遞增概率越低
所以當訪問次數counter越來越大時，或者lfu-log-factor參數配置過大時，counter遞增的概率都會越來越低，這種情況下可能會導致一些key雖然訪問次數較高，但是counter值卻遞增困難，進而導致這些訪問頻次較高的key卻優先被淘汰掉了。
另外由於counter在遞增時，有隨機數比較的邏輯，這也會存在一定概率導致訪問頻次低的key的counter反而大於訪問頻次高的key的counter情況出現。
2、如果lfu-decay-time配置過大，則counter衰減會變慢，也會導致數據淘汰發生推遲的情況。
3、另外，由於LRU的ldt字段只采用了16位存儲，其精度是分鍾級別的，在counter衰減時可能會產生同一分鍾內，后訪問的key比先訪問的key的counter值優先衰減（原因可能是在同一分鍾內被訪問的數據，經過計算可能它們之間按照分鍾計算出來之后的精度可能差一分鍾），進而先被淘汰掉的情況。