问题: Redis 的过期删除策略（定期删除 + 惰性删除）是如何协同工作的？当内存达到 maxmemory 上限时，有哪些淘汰策略可选？默认策略是什么？

👇 点击展开/折叠 面试背诵模板（建议先背这个） Redis 采用定期删除 + 惰性删除协同处理过期键。定期删除是后台每隔 100ms 随机抽取一批带过期时间的 key，删除其中已过期的；惰性删除是在客户端访问某个 key 时，检查其是否过期，若过期则删除并返回空。两者结合保证 CPU 与内存的平衡。当内存达到 maxmemory 上限时，Redis 提供 8 种淘汰策略，默认是 noeviction（不淘汰，写入报错）。常用策略包括 allkeys-lru（所有 key 中淘汰最近最少使用的）、volatile-lru（仅设置了过期时间的 key 中淘汰 LRU）、allkeys-random（随机淘汰）、volatile-ttl（淘汰剩余生存时间最短的）。生产环境推荐 allkeys-lru 或 volatile-lru。
---

过期删除策略的协同工作流程

① 惰性删除（Lazy Deletion）

  • 触发时机：客户端读取或写入某个 key 时
  • 操作：检查 key 是否设置了过期时间且已过期，若是则立即删除该 key，返回 nil 或执行后续逻辑
  • 优点：CPU 开销极小，只在访问时检查
  • 缺点：若过期 key 一直未被访问，会长期占用内存（内存泄漏风险）

② 定期删除（Active Expiration）

  • 触发时机：Redis 内部定时任务（默认每秒执行 10 次，即每 100ms）
  • 操作：从设置了过期时间的 key 集合中随机抽取一批（默认 20 个），删除其中已过期的 key；若本次删除比例超过 25%，则立即再次抽样循环，直到比例低于阈值
  • 优点：主动清理过期 key，避免内存无限增长
  • 缺点：随机抽样导致部分过期 key 可能未被及时清理（仍依赖惰性删除兜底）

两者关系：定期删除是主动清理的主力，惰性删除是最后防线。过期 key 通过定期删除大概率被回收，若遗漏则依赖惰性删除在访问时回收，最终也依赖内存淘汰策略作为极端情况下的兜底。

内存淘汰策略（maxmemory-policy）全览

策略 淘汰范围 淘汰规则 适用场景
noeviction（默认） 不淘汰 内存满时写入操作返回错误 不允许数据丢失的严格场景
allkeys-lru 所有 key 淘汰最近最少使用的 key 缓存场景，访问频率差异大（推荐）
volatile-lru 仅设置了过期时间的 key 淘汰其中最近最少使用的 key 部分数据需持久保存，部分可淘汰
allkeys-random 所有 key 随机淘汰 数据访问均匀无热点
volatile-random 仅设置了过期时间的 key 随机淘汰 同上，但仅针对可过期数据
volatile-ttl 仅设置了过期时间的 key 淘汰剩余生存时间最短的 key 希望优先淘汰即将过期的数据
allkeys-lfu（4.0+） 所有 key 淘汰访问频率最低的 key 需区分冷热数据，LFU 比 LRU 更精确
volatile-lfu（4.0+） 仅设置了过期时间的 key 淘汰其中访问频率最低的 key 同上，但仅针对可过期数据

默认策略：noeviction。生产环境中如果 Redis 作为缓存，通常改为 allkeys-lru 或 allkeys-lfu。

淘汰策略的选择建议

  • 缓存场景（数据可丢失）：优先 allkeys-lru 或 allkeys-lfu，淘汰冷数据腾出空间
  • 部分数据重要（如用户会话、配置）：用 volatile-lru，只为可过期数据设置过期时间，重要数据不设置过期时间
  • 访问均匀：allkeys-random，避免 LRU 维护开销
  • 数据有明确生命周期：volatile-ttl，让即将过期的数据优先被淘汰

LRU 与 LFU 的实现差异（面试加分）

  • 近似 LRU：Redis 不是全局维护所有 key 的精确 LRU 链表，而是随机抽样（默认 5 个 key）淘汰其中最近最少使用的，在性能和精确性之间取得平衡。可通过 maxmemory-samples 配置抽样数量（越大越精确，但 CPU 开销更高）。
  • LFU（Least Frequently Used，4.0 引入）：淘汰访问频率最低的 key，而非最近使用时间。通过计数器记录访问次数，随时间衰减，能更好识别长期冷数据。

定时删除 vs 惰性删除 vs 定期删除对比

策略 执行时机 对 CPU 影响 对内存影响 Redis 是否使用
定时删除 每个 key 到期时立即删除 高（大量定时器） 最及时 ❌ 不使用
惰性删除 访问 key 时 低 不及时（可能累积） ✅ 使用
定期删除 周期性抽样检查 中 较及时 ✅ 使用