一文详解Redis中的LRU算法
最新回答
清风未央
2026-10-19 15:54:14
Redis中的LRU算法详解如下：
1. LRU算法的核心作用
LRU（Least Recently Used）即最近最少使用算法，用于在内存达到上限时淘汰数据。其核心逻辑是优先淘汰长时间未被访问的key，从而释放内存空间。Redis通过LRU策略避免因内存不足导致的性能下降或系统错误（如触发swap机制）。
2. Redis的LRU实现方式
Redis并未采用严格的LRU算法，而是使用近似LRU以平衡性能与内存开销。具体实现分为两步：
- 时间戳记录：每个key对象增加24位字段存储最近访问时间戳（如SET、GET等操作会更新时间戳）。
- 随机采样淘汰：当内存达到maxmemory限制时，Redis会随机采样5个key（默认值，可通过maxmemory_samples配置），比较它们的访问时间戳，淘汰最旧的key。若内存仍不足，则重复此过程。
- 淘汰池优化（Redis 3.0+）：Redis 3.0引入淘汰池机制，将每次采样的key与池中待淘汰的key再次比较，确保最终淘汰的是全局最旧的key，提升准确性。
3. LRU相关淘汰策略
Redis提供多种基于LRU的淘汰策略，需通过maxmemory-policy配置：
- allkeys-lru：从所有key中按LRU淘汰，适用于无持久化需求的场景。
- volatile-lru：仅从设置了过期时间的key中按LRU淘汰，避免淘汰需持久化的数据。
- 对比其他策略：
noeviction：内存不足时拒绝写入（读操作仍允许）。
allkeys-random/volatile-random：随机淘汰，无访问时间考量。
volatile-ttl：按剩余生存时间（TTL）淘汰，TTL越小越优先。
4. 近似LRU的优缺点
- 优点：
减少额外内存开销（无需维护双向链表等数据结构）。
通过采样降低计算复杂度，适合高QPS场景。
- 缺点：
准确性低于严格LRU，可能误淘汰高频访问的key（如示例中A被淘汰而B保留）。
采样数（maxmemory_samples）越大，准确性越高但CPU消耗增加。Redis 3.0中该值设为10时，近似效果已接近严格LRU。
5. LRU的局限性及改进
LRU仅考虑访问时间，未兼顾访问频率，可能导致不合理淘汰（如短期高频访问但长期未访问的key被保留）。Redis 4.0引入LFU（Least Frequently Used）算法，通过记录key的访问次数和衰减周期，更精准地淘汰低频访问的key，弥补了LRU的不足。
热门标签
