Redis 缓存过期（maxmemory） 配置/算法 详解
LRU(Least Recently Used) 最近最少使用算法是众多置换算法中的一种。
Redis中有一个 maxmemory 概念，主要是为了将使用的内存限定在一个固定的大小。Redis 用到的 LRU 算法，是一种近似的LRU算法。
1、设置 maxmemory
上面已经说过 maxmemory 是为了限定 Redis 最大内存使用量。有多种方法设定它的大小。其中一种方法是通过 CONFIG SET 设定，如下：
127.0.0.1:6379> CONFIG GET maxmemory 1) "maxmemory" 2) "0" 127.0.0.1:6379> CONFIG SET maxmemory 100MB OK 127.0.0.1:6379> CONFIG GET maxmemory 1) "maxmemory" 2) "104857600"
另一种方法是修改配置文件 redis.conf：
maxmemory 100mb
注意，在 64bit 系统下，maxmemory 设置为 0 表示不限制 Redis 内存使用，在 32bit 系统下，maxmemory 隐式不能超过 3GB。
当 Redis 内存使用达到指定的限制时，就需要选择一个置换的策略。
2、置换策略
当 Redis 内存使用达到 maxmemory 时，需要选择设置好的 maxmemory-policy 进行对老数据的置换。
下面是可以选择的置换策略：
- noeviction: 不进行置换，表示即使内存达到上限也不进行置换，所有能引起内存增加的命令都会返回error
- allkeys-lru: 优先删除掉最近最不经常使用的key，用以保存新数据
- volatile-lru: 只从设置失效（expire set）的key中选择最近最不经常使用的key进行删除，用以保存新数据
- allkeys-random: 随机从all-keys中选择一些key进行删除，用以保存新数据
- volatile-random: 只从设置失效（expire set）的key中，选择一些key进行删除，用以保存新数据
- volatile-ttl: 只从设置失效（expire set）的key中，选出存活时间（TTL）最短的key进行删除，用以保存新数据
设置 maxmemory-policy 的方法 和 设置 maxmemory 方法类似，通过 redis.conf 或是通过 CONFIG SET 动态修改。
如果没有匹配到可以删除的 key，那么 volatile-lru、volatile-random 和 volatile-ttl 策略和 noeviction 替换策略一样——不对任何 key 进行置换。
选择合适的置换策略是很重要的，这主要取决于你的应用的访问模式，当然你也可以动态的修改置换策略，并通过用 Redis 命令——INFO 去输出 cache 的命中率情况，进而可以对置换策略进行调优。
一般来说，有这样一些常用的经验：
- 在所有的 key 都是最近最经常使用，那么就需要选择 allkeys-lru 进行置换最近最不经常使用的 key，如果你不确定使用哪种策略，那么推荐使用 allkeys-lru
- 如果所有的 key 的访问概率都是差不多的，那么可以选用 allkeys-random 策略去置换数据
- 如果对数据有足够的了解，能够为 key 指定 hint（通过expire/ttl指定），那么可以选择 volatile-ttl 进行置换
volatile-lru 和 volatile-random 经常在一个Redis实例既做cache又做持久化的情况下用到，然而，更好的选择使用两个Redis实例来解决这个问题。
设置是失效时间 expire 会占用一些内存，而采用 allkeys-lru 就没有必要设置失效时间，进而更有效的利用内存。
3、置换策略是如何工作的
理解置换策略的执行方式是非常重要的，比如：
- 客户端执行一条新命令，导致数据库需要增加数据（比如set key value）
- Redis会检查内存使用，如果内存使用超过 maxmemory，就会按照置换策略删除一些 key
- 新的命令执行成功
我们持续的写数据会导致内存达到或超出上限 maxmemory，但是置换策略会将内存使用降低到上限以下。
如果一次需要使用很多的内存（比如一次写入一个很大的set），那么，Redis 的内存使用可能超出最大内存限制一段时间。
4、近似 LRU 算法
Redis 中的 LRU 不是严格意义上的LRU算法实现，是一种近似的 LRU 实现，主要是为了节约内存占用以及提升性能。Redis 有这样一个配置 —— maxmemory-samples，Redis 的 LRU 是取出配置的数目的key，然后从中选择一个最近最不经常使用的 key 进行置换，默认的 5，如下：
maxmemory-samples 5
可以通过调整样本数量来取得 LRU 置换算法的速度或是精确性方面的优势。
Redis 不采用真正的 LRU 实现的原因是为了节约内存使用。虽然不是真正的 LRU 实现，但是它们在应用上几乎是等价的。下图是 Redis 的近似 LRU 实现和理论 LRU 实现的对比：
测试开始首先在 Redis 中导入一定数目的 key，然后从第一个 key 依次访问到最后一个key，因此根据 LRU 算法第一个被访问的 key 应该最新被置换，之后再增加 50% 数目的 key，导致 50% 的老的 key 被替换出去。
在上图中你可以看到三种类型的点，组成三种不同的区域：
- 淡灰色的是被置换出去的key
- 灰色的是没有被置换出去的key
- 绿色的是新增加的key
理论 LRU 实现就像我们期待的那样，最旧的 50% 数目的 key 被置换出去，Redis 的 LRU 将一定比例的旧 key 置换出去。
可以看到在样本数为 5 的情况下，Redis3.0 要比 Redis2.8 做的好很多，Redis2.8 中有很多应该被置换出去的数据没有置换出去。在样本数为10的情况下，Redis3.0 很接近真正的 LRU 实现。
LRU 是一个预测未来我们会访问哪些数据的模型，如果我们访问数据的形式接近我们预想——幂律，那么近似 LRU 算法实现将能处理的很好。
在模拟测试中我们可以发现，在幂律访问模式下，理论 LRU 和 Redis 近似 LRU 的差距很小或者就不存在差距。
如果你将 maxmemory-samples 设置为 10，那么 Redis 将会增加额外的 CPU 开销以保证接近真正的 LRU 性能，可以通过检查命中率来查看有什么不同。
通过 CONFIG SET maxmemory-samples <count> 动态调整样本数大小，做一些测试验证你的猜想。
参考：
http://redis.io/topics/lru-cache
