大橙子

一、基本概念

LRU（Least Recently Used）和 LFU（Least Frequently Used）是两种常见的缓存淘汰算法，用于在缓存空间有限的情况下选择合适的缓存对象进行淘汰，以提高缓存的利用效率。

• LRU 算法基于 "最近最少使用" 的原则进行淘汰。它维护一个缓存的访问顺序链表，当有新的数据被访问时，如果数据已经在缓存中，则将其移到链表头部；如果数据不在缓存中，则将其添加到链表头部。当需要淘汰数据时，选择链表尾部的数据进行淘汰，因为维护的数据是最近最少被访问的数据。
• LFU 算法基于 "最不经常使用" 的原则进行淘汰。它维护一个缓存对象的访问频次，对于每个访问到的对象，增加其访问频次。当需要淘汰数据时，选择访问频次最低的数据进行淘汰。

二、适用场景

LRU 和 LFU 算法都有各自的优势和适用场景

• LRU 算法适用于访问具有时间局部性的数据，即最近被访问的数据可能在将来一段时间内仍然会被访问。LRU 算法相对较简单，容易实现，适用于大多数场景。但是，当存在 "热点数据"（被频繁访问的数据）时，LRU 算法可能无法有效的保证缓存的命中率。
• LFU 算法适用于访问具有访问频次局部性的数据。即访问频次高的数据很可能在将来一段时间内仍然会被频繁访问。LFU 算法需要维护每个对象的访问频次技术，相对于 LRU 算法来说更加复杂。LFU 算法在面对热点税局的场景下表现较好，但在某些场景下可能存在 "频次突变" 的问题，即频次高的数据突然不在被访问，但因为频次计数较高而长时间无法被淘汰。

三、Redis 持久保留方案

Redis 的数据存储在内存中，这也就意味着 Redis 的内存是有限的。为了解决内存不足的问题，Reids 提供了多种数据的淘汰策略，以下是 Redis 的内存淘汰策略的整理。

• noeviction

当内存不足时，禁止淘汰数据，写入操作保存，这是 Redis 默认的内存淘汰策略。

• allkeys-random

当内存不足时，从所有的 key 中，随机选出数据进行淘汰。

• volatile-random

当内存不足时，从设置了过期时间的 key 中，随机选出数据进行淘汰。

• volatile-ttl

当内存不足时，从设置了过期时间的 key 中，选出即将过期的数据（按照过期时间的先后，选出最先过期的数据）进行淘汰。

• allkeys-lru

当内存不足时，从所有 key 中使用 LRU 算法，选出最近使用最少的数据进行淘汰。

• volatile-lfu

当内存不足时，从设置了过期时间的 key 中使用 LFU 算法，选出使用频率最低的数据进行淘汰。

• allkeys-lfu

当内存不足时，从所有 key 中使用 LFU 算法，选出使用频次最低的数据，进行淘汰。

• volatile-lru

当内存不足时，从设置了过期时间的 key 中使用 LRU 算法，选出最近最少使用的数据进行淘汰。