Redis LRU 快取淘汰機制深度解析：從 maxmemory 策略到近似演算法

Redis 快取淘汰策略概覽

當 Redis 作為快取使用時，自動淘汰舊數據以騰出空間是常見需求，這也是 memcached 的預設行為。LRU（最近最少使用）僅是 Redis 支援的多種淘汰策略之一。本文詳細說明 maxmemory 指令限制記憶體上限，並深入剖析 Redis 採用的近似 LRU 演算法。

maxmemory 配置指令

maxmemory 用於設定 Redis 數據集佔用的記憶體上限，可在 redis.conf 中配置或運行時透過 CONFIG SET 動態調整。例如：

maxmemory 100mb

設為 0 表示不限制（64 位系統預設），32 位系統隱性限制 3 GB。達到上限時，Redis 依據 淘汰策略 選擇：回報錯誤或淘汰舊數據。

六大淘汰策略 (Eviction Policies)

透過 maxmemory-policy 指定：

• noeviction：達到上限且客戶端嘗試寫入時返回錯誤（預設）。
• allkeys-lru：從所有鍵中淘汰最近最少使用者，為新數據騰出空間。
• volatile-lru：僅從設定過期時間的鍵中淘汰 LRU。
• allkeys-random：隨機淘汰任意鍵。
• volatile-random：隨機淘汰有過期時間的鍵。
• volatile-ttl：淘汰過期時間最短（TTL 最小）的鍵。

volatile-* 策略若無符合條件鍵則退化為 noeviction。選擇策略需依應用存取模式，運行中可動態調整並透過 INFO 監控命中率。

經驗法則：
• 請求符合冪律分布（熱點數據集中）→ allkeys-lru
• 循環掃描或均勻分布 → allkeys-random
• 欲透過 TTL 提示淘汰優先級 → volatile-ttl
• 單實例兼顧快取與持久鍵 → allkeys-lru 或 volatile-random（但建議拆分兩實例）
• allkeys-lru 無需設定過期時間，記憶體效率更高

淘汰流程運作方式

1. 客戶端執行寫入命令，記憶體佔用增加。
2. Redis 檢測記憶體，若超過 maxmemory，依策略淘汰鍵。
3. 命令執行完成，循環往複。

大型命令（如巨大集合運算）可能短暫大幅超出限制。

近似 LRU 演算法

Redis 並非精確實作 LRU（需額外記憶體維護完整存取順序），而是採用隨機取樣：每次淘汰從帶過期時間的鍵中隨機抽樣 maxmemory-samples 個（預設 5），淘汰其中最舊者。Redis 3.0 引入「候選池」機制，進一步提升近似精度。

取樣數可透過 CONFIG SET maxmemory-samples <count> 調整（如設 10 更接近真實 LRU，但增加 CPU 開銷）。實測顯示，冪律存取模式下近似與真實 LRU 差異極小。

圖中淺灰帶=被淘汰對象，灰帶=保留舊對象，綠帶=新加入對象。Redis 3.0 在樣本數 10 時表現極接近理論值。