Redis怎么用LRU算法来清理过期数据，效果到底咋样呢？

我们需要明确一个关键点,这在你查阅的很多资料中可能没有一开始就讲清楚：Redis的LRU算法，主要不是用来直接清理那些已经设置了过期时间（TTL）的键的。 它的主要战场是当内存使用达到上限时，用来从所有键中（包括没有设置过期时间的永久键）挑选出哪些键应该被淘汰，从而腾出空间来存放新数据，而那些明确设置了过期时间的键，Redis有另外一套独立的、更高效的机制来处理。

你的问题其实包含了两个部分：一是Redis如何清理“过期”数据，二是LRU在内存淘汰中“挑选”数据的效果如何，我们来分开说。

第一部分：Redis如何真正“清理”过期数据？

Redis处理过期键的核心策略可以总结为“懒汉式”加上“定期扫除”，这就像你打扫房间一样。

1. 惰性删除（懒汉式打扫）：这是最基本的方式，当你尝试去访问一个键的时候，Redis才会顺便检查一下这个键是否已经过期了，如果过期了，那么就在返回结果给客户端之前，立刻把这个键删除掉，然后假装这个键从来不存在，这种方式的好处是特别省力气，只在必要的时候才干活，但坏处也很明显，如果一个过期的键永远没人去访问，那它就会一直像个幽灵一样占用着内存，直到天荒地老。

2. 定期删除（定时扫除）：为了解决“懒汉式打扫”的遗留问题，Redis会每隔一段时间（默认是每秒10次，可以配置）就主动抽出一丁点时间，从设置了过期时间的键中随机抽取一小部分（默认20个键），检查它们是否过期，如果过期的比例很高（比如超过25%），它就立刻再抽20个键继续检查，循环往复，直到过期的比例降下来，这样做的目的是为了在不影响主线程性能的前提下，悄悄地、持续地清理掉那些“僵尸”键。

对于已经过期的数据，Redis主要是通过“访问时检查”和“后台定时抽样”这两种方式来清理的，这个过程是自动的，你通常不需要干预。

第二部分：LRU算法在内存淘汰中“挑选”数据的效果咋样？

现在来到LRU的主场,当Redis的内存使用量达到了你在配置文件中设置的 maxmemory 上限时，再想写入新数据，就必须踢掉一些老数据才行，这时候，你就需要指定一个“淘汰策略”，而LRU就是其中一种经典的选择。

Redis使用的并不是传统的、精确的LRU算法，为什么？因为要实现一个完美的LRU，需要为每个键维护一个精确的访问时间戳链表，这个内存开销和计算开销对追求速度的Redis来说太大了，Redis采用了一种近似LRU算法。

近似LRU是怎么工作的呢？ 它不再维护一个庞大的链表，而是采用了一种“抽样+淘汰最老样本”的巧妙方法，当需要淘汰键时，Redis会从整个键空间里随机抽取一定数量的键（这个数量可以配置，默认是5个），然后从这抽出来的几个键里面，淘汰掉那个最近最久未被使用的键，你可以把它想象成：不是从全校几万名学生中找出最早毕业的那个（精确LRU），而是随机走进几个班级，从这几个班里找出最早毕业的那个学生踢掉。

这种近似LRU的效果到底咋样呢？

根据Redis官方文档（来源：Redis官方文档关于LRU的说明）的解释和业界的普遍实践，其效果可以总结如下：

• 优点：内存开销极低，性能极高。 这是它最大的优势，它只用了很少的额外内存（每个键多存一个24位的时钟戳）就实现了接近真正LRU的效果，对Redis的高性能几乎没有影响。
• 效果足够好： 随着你增加抽样的样本数量（通过配置 maxmemory-samples 参数，比如设为10），这个近似算法的准确度会非常接近真正的LRU，在绝大多数业务场景下，比如缓存系统，你并不需要100%的精确，只要能把那些“很明显”很久没用的热数据留在内存里，把“很明显”很冷的数据淘汰掉，这个算法的目的就达到了，实践证明，它的效果是完全可以接受的。
• 可调优： 如果你对缓存命中率有极致的要求，可以通过增大采样数量来提升准确性，当然这会稍微增加一点CPU的消耗，但这给了你一个权衡取舍的空间。

Redis清理数据是两套系统。过期键的清理，靠的是“访问时顺手删”和“后台定时抽样扫”，高效且自动，而LRU算法，是在内存满了要赶人走的时候，用来“挑人”的机制，它为了速度和节省内存，用的是“近似LRU”算法，通过随机抽样来找出大概最久没用的数据淘汰掉。

效果结论是：对于处理过期数据，Redis的机制很有效，对于在内存不足时使用LRU策略来淘汰数据，虽然它不是百分百精确，但因为它极高的性能和很小的内存损耗，以及可通过参数调优达到足够好的效果，使得它在实际生产中是一个非常优秀和实用的解决方案。 除非你的业务对缓存淘汰的精确性有极其苛刻的要求（这种场景非常罕见），否则Redis的近似LRU完全够用，甚至可以说是最佳实践。