redis maxmemory-policy策略

Redis 的 maxmemory-policy 是内存管理的核心策略，用于在内存接近或超过 maxmemory 限制时，自动淘汰（Evict）键以释放空间。正确配置该策略能避免 OOM（Out of Memory）错误，并优化缓存命中率。以下是 详细解析，涵盖策略类型、选择依据、配置方法及实战案例。

一、为什么需要 maxmemory-policy？

当 Redis 的内存使用达到 maxmemory 限制时，若没有淘汰策略，会触发以下行为：

• noeviction（默认）：拒绝所有写入命令（如 SET、HSET），返回错误：

  (error) OOM command not allowed when used memory > 'maxmemory'.
  

• 其他策略：根据规则淘汰键，腾出空间后执行写入。

关键目标：
在内存受限时，平衡数据新鲜度、命中率和系统稳定性。

二、8 种淘汰策略详解

Redis 支持 8 种淘汰策略，分为 3 大类：

1. 不淘汰键（禁止写入）

• noeviction
  • 行为：直接拒绝写入，返回 OOM 错误。
  • 适用场景：
    • 数据绝对不能丢失（如金融交易记录）。
    • 配合外部监控，手动扩容或清理数据。
  • 风险：可能导致业务中断。
  • 配置示例：

    redis-cli CONFIG SET maxmemory-policy noeviction
    

2. 淘汰有过期时间的键（Volatile Keys）

• volatile-lru

  • 行为：淘汰有过期时间的键中，最近最少使用（LRU）的键。
  • 适用场景：
    • 缓存场景，且大部分键设置了过期时间（如会话缓存）。
  • 示例：

    # 设置键的过期时间
    redis-cli SET user:1000 "Alice" EX 3600  # 1小时后过期
    redis-cli SET temp:data "tmp" EX 60      # 1分钟后过期
    

    当内存不足时，优先淘汰 temp:data（假设它未被访问）。

• volatile-lfu

  • 行为：淘汰有过期时间的键中，最不经常使用（LFU）的键。
  • 适用场景：
    • 热点数据频繁访问，冷数据需优先淘汰（如推荐系统缓存）。
  • 配置要求：Redis 4.0+。

• volatile-ttl

  • 行为：淘汰剩余 TTL（生存时间）最短的键。
  • 适用场景：
    • 希望优先保留长生存时间的键（如后台任务队列）。
  • 示例：

    # 键 A 剩余 TTL 10分钟，键 B 剩余 TTL 1分钟
    # 内存不足时，优先淘汰键 B
    

• volatile-random

  • 行为：随机淘汰有过期时间的键。
  • 适用场景：
    • 无热点数据，均匀淘汰以避免突发流量冲击。

3. 淘汰所有键（All Keys）

• allkeys-lru

  • 行为：淘汰所有键中的最近最少使用（LRU）的键（无论是否有过期时间）。
  • 适用场景：
    • 缓存无严格过期时间的数据（如商品详情）。
  • 优势：比 volatile-lru 更彻底，避免因键未设置过期时间导致无法淘汰。

• allkeys-lfu

  • 行为：淘汰所有键中的最不经常使用（LFU）的键。
  • 适用场景：
    • 长期存储的数据中，区分热点和冷数据（如用户画像）。

• allkeys-random

  • 行为：随机淘汰所有键。
  • 适用场景：
    • 数据访问均匀，无热点（如日志缓存）。

三、策略选择指南

1. 根据数据特性选择

2. 性能与精度权衡

• LRU/LFU 的近似算法：
  Redis 使用 随机采样 实现近似 LRU/LFU（非精确），通过 maxmemory-samples 参数控制采样数量（默认 5）：

  # 增加采样数以提高准确性（但增加 CPU 开销）
  redis-cli CONFIG SET maxmemory-samples 10
  

• 随机策略的性能：
  *-random 策略无需维护访问记录，CPU 开销最低，但命中率可能下降。

四、配置与动态调整

1. 永久配置（redis.conf）

# 设置内存上限和策略
maxmemory 4gb
maxmemory-policy allkeys-lru

# 可选：调整 LRU/LFU 采样数
maxmemory-samples 10

2. 动态修改（无需重启）

# 查看当前策略
redis-cli CONFIG GET maxmemory-policy

# 修改策略（例如改为 volatile-ttl）
redis-cli CONFIG SET maxmemory-policy volatile-ttl

3. 集群模式注意事项

• 每个节点独立配置 maxmemory-policy。
• 确保所有节点的策略一致，避免数据分布不均。

五、实战案例

案例 1：电商缓存优化

场景：
电商平台使用 Redis 缓存商品详情（无过期时间），内存限制为 8GB。业务高峰期内存占用达 9GB，触发 OOM。

优化步骤：

1. 选择策略：

   redis-cli CONFIG SET maxmemory-policy allkeys-lru
   

2. 调整采样数：

   redis-cli CONFIG SET maxmemory-samples 15  # 提高 LRU 准确性
   

3. 监控效果：

   watch -n 1 "redis-cli info memory | grep -E 'used_memory|evicted_keys'"
   

   结果：
   • 内存稳定在 7.5GB，无 OOM。
   • evicted_keys 显示淘汰了低访问量的商品数据。

案例 2：会话缓存（Session Store）

场景：
Web 应用使用 Redis 存储用户会话（设置 30 分钟过期），内存限制为 2GB。需确保活跃会话不被淘汰。

优化步骤：

1. 选择策略：

   redis-cli CONFIG SET maxmemory-policy volatile-ttl
   

2. 验证策略：

   # 模拟写入会话
   redis-cli SET session:user1 "data" EX 1800
   redis-cli SET session:user2 "data" EX 60  # 短过期时间
   
   # 触发内存压力（通过其他操作填满内存）
   # 观察 user2 的会话优先被淘汰
   

六、常见问题与调试

1. 策略未生效？

• 检查 maxmemory：

  redis-cli CONFIG GET maxmemory
  

  若未设置或为 0，则策略不触发。

• 检查键是否有过期时间：

  redis-cli TTL my_key  # 返回 -2 表示无过期时间
  

  若使用 volatile-* 策略但键无过期时间，则不会淘汰。

2. 如何评估策略效果？

• 监控指标：
  • evicted_keys：累计淘汰的键数量。
  • keyspace_hits / keyspace_misses：命中率。

  redis-cli info stats | grep -E 'evicted_keys|keyspace_'
  

• 调整策略：
  若命中率低且 evicted_keys 高，可能需改用 allkeys-lru 或增加内存。

3. LFU 与 LRU 如何选择？

• LFU 优势：
  • 适合访问模式稳定的数据（如用户偏好设置）。
• LRU 优势：
  • 适合访问模式变化快的数据（如新闻热点）。

七、总结

最佳实践：

1. 缓存场景：优先用 volatile-lru 或 allkeys-lru。
2. 热点数据：用 allkeys-lfu 提升命中率。
3. 均匀访问：用 *-random 降低 CPU 开销。
4. 监控：结合 evicted_keys 和命中率调整策略。

通过合理选择 maxmemory-policy，可显著提升 Redis 的稳定性和性能。