Redis的缓存机制和淘汰策略详解

前言：作为Java后端开发者，Redis是项目中不可或缺的高性能缓存组件，核心作用是提升接口响应速度、降低数据库压力。但很多开发者只懂"用Redis存数据"，却不清楚其底层缓存机制，也不会根据业务场景选择合适的缓存淘汰策略，导致生产环境中频繁出现内存溢出、缓存雪崩、服务卡顿等问题。

在前面有两篇Redis的相关文章有提到Redis的应用场景和核心特性"内存存储+高效管理"，今天做一些补充：缓存淘汰策略是内存满时的"应急方案"------仅当Redis配置了maxmemory（最大内存限制）时，淘汰策略才会触发。生产环境必须配置该参数，否则Redis会无限制占用内存，最终导致服务器OOM。

一、Redis缓存机制核心原理

Redis缓存机制本质是"内存键值存储+持久化兜底+高效管理"，核心围绕3个核心模块展开，兼顾高性能和数据安全性。

1. 内存键值存储

Redis以「键值对（key-value）」形式将数据存储在内存中，这是其毫秒级响应的核心原因------避免了传统数据库的磁盘I/O耗时。我们有提过：Redis支持丰富的数据结构：核心支持 String、Hash、List、Set、ZSet（有序集合），还扩展了 Bitmap、HyperLogLog、Geo 等。

适配不同Java后端业务场景：

String：存储用户会话、验证码、接口临时结果（最常用）；
Hash：存储商品详情、用户信息（字段可单独更新，节省内存）；
List：存储消息队列、最新通知（如订单消息、系统公告）；
Sorted Set：存储排行榜、热点数据排序（如商品销量排行）。

2. 数据持久化机制

由于Redis是内存存储的，为防止断电或重启后的数据丢失，Redis提供了两种数据持久化方式：RDB快照和AOF日志持久化。生产环境通常是组合起来采用RDB+AOF混合持久化模式，兼顾数据和性能安全。

RDB（快照持久化）：每隔一段时间，将内存中的全量数据快照保存到磁盘（.rdb文件）。优点：体积小、恢复速度快，适合备份和批量恢复；缺点：可能丢失两次快照之间的数据（如1小时快照一次，宕机可能丢失1小时数据）。
AOF（日志持久化）：记录每一次写操作（set、del等），重启时通过重放日志恢复数据。优点：数据丢失少（可配置每秒同步一次）；缺点：日志文件体积大、恢复速度慢。

3. 缓存管理机制（核心：过期删除+内存淘汰）

由于内存是有限的，Redis不会一直只往内存塞东西，当内存达到maxmemory阈值时，会通过"过期删除策略+内存淘汰策略"清理无效数据，平衡内存占用、CPU开销和缓存命中率------这也是本文重点讲解的"缓存淘汰策略"的核心背景。

二、Redis缓存淘汰策略详解

以下淘汰策略基于Redis官网文档：

https://redis.io/docs/latest/operate/rs/databases/memory-performance/eviction-policy/

1. 按过期时间分类：

定期删除：Redis后台每隔100ms（默认），随机抽取一批过期key检查并删除，同时控制删除时间（避免阻塞主线程）。优点：弥补惰性删除不足，主动释放部分内存；缺点：无法删除所有过期key，仍有残留。

惰性删除：不主动删除过期key，只有客户端主动查询该key时，才检查是否过期：过期则删除并返回null，未过期则正常返回。优点：CPU友好，不占用额外CPU资源；缺点：内存不友好，大量过期key长期不被查询会导致"内存泄漏"。

2. 按内存淘汰策略分类：

当Redis内存达到maxmemory阈值时，触发内存淘汰策略，主动清理key释放内存。8种策略可分为3类，按生产使用率排序，重点掌握前5种常用策略：

---名词介绍---

volatile-*：仅淘汰「设置了过期时间（expire=true）」的key；
allkeys-*：淘汰「所有key」（无论是否设置过期时间）；
noeviction：不淘汰任何key，内存满时直接拒绝写操作（慎用）。
LRU（Least Recently Used）：淘汰最久未使用的键。

LFU（Least Frequently Used）：淘汰访问频率最低的键（Redis 4.0+）。
TTL：淘汰剩余过期时间最短的键。
Random：随机淘汰。

|-----------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|-------------------------------------|
| 策略名称 | 规则 | 适用场景 |
| volatile-lru | Removes least recently used keys with expire field set to true。从设置了过期时间的key中，淘汰「最近最少使用（LRU）」的key | 用户登录会话（2小时过期）、商品列表（30分钟过期），均采用该策略。 |
| allkeys-lru | Keeps most recently used keys; removes least recently used (LRU) keys 从所有key中，淘汰最近最少使用的key（无论是否过期） | 纯临时缓存（日志、临时计算结果） |
| volatile-ttl | Removes keys with expire field set to true and the shortest remaining time-to-live (TTL) value 从设置了 TTL 的键中淘汰剩余存活时间最短的键。 | 实时性要求高的场景（订单缓存、验证码），优先淘汰即将过期的数据 |
| volatile-random | Randomly removes keys with expire field set to true。从设置了过期时间的key中，随机淘汰key。 | 无明显热点、对命中率要求低的场景（非核心日志、临时通知） |
| noeviction | New values aren't saved when memory limit is reached 不淘汰任何key，内存满时拒绝所有写操作（返回OOM command not allowed错误） When a database uses replication, this applies to the primary database | 核心不可丢失数据（系统配置、字典）。（该策略需严格控制内存足够大） |
| allkeys-random | Randomly removes keys 随机淘汰所有key | （极少用） |
| allkeys-lfu | Keeps frequently used keys; removes least frequently used (LFU) keys 从所有key中，淘汰最不频繁使用的key（无论是否过期） | 热点数据缓存，区分冷热数据。 |
| volatile-lfu | Removes least frequently used keys with expire field set to true 淘汰设置过期时间中，最近最不频繁使用（LFU）的key | 需结合ttl使用 |

三、选型：Java项目如何选择淘汰策略？

1. 看数据类型和过期设置（最基础）

有过期时间、核心业务数据（用户、商品、订单）→ 选 volatile-lru；
无过期时间、纯临时缓存（日志、临时计算）→ 选 allkeys-lru；
有过期时间、实时性要求高（验证码、短期订单）→ 选 volatile-ttl；
核心不可丢失数据（配置、字典）→ 不设置maxmemory 或选 noeviction。

2. 看数据热点程度

有明显热点数据（爆款商品、高频接口）→ 优先选 LRU类策略（volatile-lru/allkeys-lru），保留热点数据；
无明显热点、数据均匀分布 → 可选 volatile-random（极少用）。

3. 看数据一致性要求

高一致性（支付、订单状态）→ 选 volatile-lru + 主动更新（避免缓存与DB不一致）；
弱一致性（商品详情、用户简介）→ 选 volatile-lru 即可，允许短期不一致。

4. 结合Redis集群场景（生产必看）

若使用Redis集群（主从、哨兵、Cluster），淘汰策略需在所有节点统一配置，避免数据混乱：

主从架构：仅主节点触发淘汰，从节点同步主节点淘汰结果；
Cluster集群：每个分片独立淘汰，需保证所有分片的maxmemory和淘汰策略一致，避免内存占用不均。

5. 合理设置maxmemory

生产环境建议：将maxmemory设置为Redis所在服务器内存的50%~70%（与MySQL、Tomcat共存时设50%，单独部署设70%~80%），避免Redis占用过多内存导致服务器OOM。

配置示例（redis.conf）

复制代码

# 服务器16GB内存，设置Redis最大内存为8GB 
maxmemory 8gb 
# 显式配置默认淘汰策略 
maxmemory-policy volatile-lru

总结

对于Java后端开发者来说，Redis缓存机制和淘汰策略，是项目性能优化的核心。无需死记所有策略，重点掌握3个核心：

缓存机制：内存存储（高性能）+ 持久化（保数据）+ 缓存管理（控内存）；
淘汰策略：重点掌握volatile-lru的原理和适用场景，理解"过期删除+内存淘汰"的协同逻辑；
实战选型：贴合业务场景，平衡命中率、内存和CPU，配合避坑技巧，避免缓存异常。

生产环境中，没有"最优"的策略，只有"最贴合业务"的策略。