redis淘汰策略会删除磁盘上的key吗（Redis之key的淘汰策略）
淘汰策略概述
redis作为缓存使用时 ，在添加新数据的同时自动清理旧的数据 。这种行为在开发者社区众所周知 ，也是流行的memcached系统的默认行为 。
redis中使用的LRU淘汰算法是一种近似LRU的算法 。
淘汰策略
针对淘汰策略 ，redis有一下几种配置方案：
1 、noeviction：当触发内存阈值时 ，redis只读不写；
2 、allkeys-lru：针对所有的key ，执行LRU（最近最少使用）策略；
3 、allkeys-lfu：针对所有的key ，执行LFU（最低频使用）策略；
4 、volatile-lru：针对设置了过期时间的key ，执行LRU（最近最少使用）策略；
5 、volatile-lfu：针对设置了过期时间的key ，执行LFU（最低频使用）策略；
6 、allkeys-random：针对所有key ，进行随机淘汰；
7 、volatile-random：针对设置了过期时间的key ，进行随机淘汰；
8 、volatile-ttl：针对设置了过期时间的key ，淘汰剩余过期时间最短的；
根据应用场景选择合适的淘汰策略是非常重要的 ，我们可以在程序运行时实时重置淘汰策略 ，并使用Redis INFO输出来监控缓存未命中和命中的数量 ，以优化设置 。
根据以往使用惯例：
当你希望某些元素的子集被访问的频率高于其他元素 ，或者当你不知道怎么选择淘汰策略时 ，allkeys-lru策略是一个很好的选择； 当你在循环访问redis ，且所有的key是被连续扫描时 ，或者你希望key过期时间均匀分布时 ，allkeys-random策略是一个很好的选择； 如果你希望基于key不同的TTL时间筛选出哪些key可被淘汰 ，volatile-ttl策略是一个很好的选择；还有一点是为key设置过期时间会占用内存 ，因此使用allkeys-lru这样的策略会更节省内存 ，因为在内存压力下不需要对key进行过期设置 。
淘汰策略如何工作
淘汰过程如下：
客户端执行一条指令 ，需要添加一批数据； redis检测缓存阈值限制 ，如果超过阈值则执行淘汰策略； 执行指令等等；因此在redis的使用过程中 ，我们可能不断的超过内存阈值限制 ，然后执行淘汰策略再将内存恢复到阈值之下 。
近似LRU算法
redis不使用真正的LRU实现的原因是它需要更多的内存 。然而 ，对于使用Redis的应用程序 ，近似lru算法实际上是与精确lru算法差不多的 。此图将redis使用的LRU近似值与真实LRU进行了比较 。
用给定数量的key填充了Redis服务器（达到内存阈值）进行测试并生成了上面的图 。从第一个到最后一个访问key 。第一个key是使用LRU算法淘汰的最佳候选key 。之后再添加50%以上的key ，以强制淘汰一半的旧key 。
你可以在图中看到三种点 ，形成了三个不同的区域：
浅灰色区域是被淘汰的对象 灰色区域是未被淘汰的对象 绿色区域是新加的对象在理论LRU实现中（theoretical LRU） ，我们预计旧key集合中的前一半将会被淘汰 ，与之相反 ，redis lru算法实现中 ，旧key集合中也只是会离散性的淘汰其中某些key 。
正如您所看到的那样 ，与Redis 2.8相比 ，Redis 3.0在同样抽样数为5个时做得更好 ，但是大多数最新增加的key仍然被Redis 2.8保留 。在Redis 3.0中使用10的样本大小 ，近似值非常接近Redis 3.0的理论性能 。
在模拟中 ，我们发现使用幂律访问模式（类似20%的key承担了80%的访问） ，真实LRU和Redis近似LRU之间的差异极小或根本不存在 。
使用CONFIG SET maxmemory samples＜count＞命令在生产中使用不同的样本大小值进行实验非常简单 。
新的LFU模式
从redis4.0开始 ，可以在某些特定场景下使用低频淘汰策略 。在选用LFU策略后 ，redis会跟踪key的访问频率 ，所以低频的key将被淘汰 。这意味着经常访问的key有很大的机会一直留在内存中 。
要配置LFU模式 ，可以使用以下策略：
volatile-lfu：针对设置了过期时间的key ，使用近似lfu淘汰； allkeys-lfu：针对所有key ，使用近似lfu淘汰；LFU近似于LRU：它使用一个称为Morris的概率计数器来估计key访问频率 ，计数器中每个key只占用几个bit ，并且计数器功能附加衰减周期 ，这样计数器统计的key访问频率就会随着时间的推移而降低（如果一段时间内一个key访问频率低于计数器衰减速度 ，最终这个key会被淘汰） 。直至某一刻 ，我们不再将一些key视为频繁访问的key ，即使它们在过去是被频繁访问的 ，以便算法能够适应访问模式的变化 。
该信息的采样方式与LRU（如本文档前一节所述）选择淘汰key的情况类似 。
然而 ，与LRU不同的是 ，LFU具有某些可调参数：例如 ，如果一个频繁key不再被访问 ，那么它的访问频率级别应该降低多少？还可以调整Morris计数器范围 ，以更好地使算法适应特定的场景 。
默认情况下 ，Redis配置为：
在大约100万次请求时让计数器饱和； 每一分钟使计数器衰减一次；这些配置应该是合理的 ，并且经过了实验测试 ，但用户可能希望使用这些配置设置来选择最佳值 。
有关如何调整这些参数的说明 ，可以在源发行版的示例redis.conf文件中找到 。简而言之 ，它们是：
衰减时间是最明显的一个 ，它是计数器在采样时应该衰减的分钟数 。特殊值0表示：永远不会衰减计数器 。
计数器对数因子决定了使频率计数器达到饱和需要的key命中次数 ，频率计数器刚好在0-255范围内 。系数越高 ，需要更多的访问才能达到最大值；系数越低 ，低频访问计数器的分辨率越好 ，如下表所示：
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！