Wireshark命令行实战：用tshark一键导出pcap文件的纯16进制数据流（附Python清洗脚本）
2026/6/9 9:58:27
大家好，我是锋哥。今天分享关于【说说Redis的内存淘汰策略？】面试题。希望对大家有帮助；
说说Redis的内存淘汰策略？
超硬核AI学习资料，现在永久免费了！
Redis 的内存淘汰策略（Eviction Policy）是在内存达到上限（由maxmemory参数控制）时，用于决定哪些键需要被删除以释放空间的机制。理解这些策略对于优化性能和防止 OOM（Out of Memory）异常非常关键。
一、Redis 的内存淘汰触发条件
当：
used_memory > maxmemory时，Redis 会触发内存淘汰机制。
如果没有配置maxmemory（默认不限制），Redis 会一直增长直到操作系统层面内存不足。
二、Redis提供的内存淘汰策略
可通过命令：
CONFIG SET maxmemory-policy <policy_name>来设置。
可选策略如下：
| 策略名称 | 描述 |
|---|---|
| noeviction | 默认策略。当内存不足时，写入命令（如 SET、LPUSH）直接报错，不会删除任何键。只读命令仍可执行。 |
| volatile-lru | 仅在设置了过期时间的键中，使用 LRU 算法淘汰最久未被访问的键。 |
| allkeys-random | 在所有键中随机删除。 |
| volatile-random | 仅在设置了过期时间的键中随机删除。 |
| volatile-ttl | 仅在设置了过期时间的键中，优先删除剩余生存时间（TTL）最短的键。 |
| allkeys-lfu | 在所有键中，使用 LFU（最少使用频率）算法淘汰最少访问的键。 |
| volatile-lfu | 仅在设置了过期时间的键中，使用 LFU 算法淘汰最少访问的键。 |
三、LRU 与 LFU 的区别
LRU（Least Recently Used）
- 根据“最近访问时间”判断冷热；
- 每次访问更新时间戳；
- Redis 采用近似 LRU算法，利用采样机制（默认采样5个键，取最旧的一个）提高性能。
LFU（Least Frequently Used）
-根据“访问次数”判断冷热；
- Redis4.0+ 引入；
- 内部用对数衰减计数器（counter + decay）实现；
- 适合访问模式稳定的业务场景。---
四、常见使用场景与推荐策略
| 场景 | 推荐策略 | 说明 |
|---|---|---|
| 缓存系统（典型使用场景） | allkeys-lru | 自动淘汰最久未访问的数据，保持热点数据。 |
| 临时数据存储，部分 key 有过期时间 | volatile-lru或volatile-ttl | 仅淘汰有过期时间的数据，保留永久数据。 |
| 数据分布均匀、访问随机 | allkeys-random | 简单高效，但命中率较低。 |
| 高频访问稳定场景 | allkeys-lfu | 通过访问频率判断热度，更智能。 |
| 禁止删除，数据必须保留 | noeviction | 保证数据安全，但可能导致写入失败。 |
五、相关配置参数
# 设置最大内存 CONFIG SET maxmemory 512mb # 设置淘汰策略 CONFIG SET maxmemory-policyallkeys-lfu # 设置LRU采样数（默认5） CONFIG SET maxmemory-samples 10maxmemory-samples越大，淘汰策略越接近真实的 LRU/LFU，但性能开销也会增加。
六、总结
| 分类 | 策略 | 说明 |
|---|---|---|
| 不淘汰 | noeviction | 内存满时报错 |
| 随机淘汰 | allkeys-random / volatile-random | 随机删除键 |
| 基于访问频次 | allkeys-lru / volatile-lru / allkeys-lfu / volatile-lfu | 根据访问热度淘汰 |