Redis中的数据特征
当指令太多的情况下，CPU的压力会过大，那么先不做清除数据的操作，等到空闲时间再来操作
数据删除策略
1.定时删除 2.惰性删除 3.定期删除
一、过期数据的底层存储结构
数据删除策略的目标
二、定时删除和惰性删除
定时删除
惰性删除
数据到达过期时间，不做处理，等下次访问该数据的时候再来删除，来请求数据： 1.如果发现为过期，返回数据 2.发现已过期，删除过期数据，返回不存在。在任何获取数据操作之前，都会执行expirelfNeeded()函数来检查数据是否过期 优点：节约CPU性能，发现必须删除的时候才删除 缺点：内存压力很大，出现长期占用内存的数据 总结：用存储空间换区处理器性能（拿空间换时间）
三、定期删除
activeExpireCycle()函数对每个expires(数据库)逐一进行检测 对每个数据库检测时，随机挑选W个key检测 1.如果key超时，删除key 2.如果一轮中删除key的数量>W*25%,循环该过程(继续挑选w个key检测) 3.如果一轮中删除key的数量<=W*25%,检查下一个数据库，一直这样循环 4.W取值=ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP属性值 参数current_db用于记录activeExpireCyle()进入哪个数据库执行，如果activeExpireCycle()执行时间到期，下次从current_db继续向下执行
周期性轮询redis库中的时效性数据，采取随机抽取的策略，利用过期数据占比的方式控制删除频度 特点1：CPU性能占用设置有峰值，检测频度可以自定义设置 #查询方法：info server的hz字段 特点2：内存压力不是很大，长期占用内存的冷数据会被持续清理 总结：周期性抽查存储空间（随机抽查，重点抽查）
四、删除策略对比
1.定时删除 节约内存，无占用 不分时段占用CPU资源，频度高 拿时间换空间 2.惰性删除 内存占用严重 延时执行，CPU利用率高 拿空间换时间 3.定期删除 内存定期随机删除 每秒花费固定的CPU资源维护内存 随机抽查，重点抽查 一般都是使用惰性删除和定期删除
五、数据逐出策略（内存不足时触发）
Redis使用内存存储数据，在执行每一个命令前，会调用freeMemorylfNeeded()检测内存是否充足。
如果内存不满足新加入数据的最低存储要求，redis要临时删除一些数据为当前指令清理存储空间。清理数据的策略称为逐出算法。
注意：逐出数据过程不是100%能够清理出足够的可使用的内存空间，如果不成功则反复执行。当对所有数据尝试完毕后，如果不能达到内存清理的要求，将出现错误信息。
影响数据逐出的相关配置
设置最大可使用内存 maxmemory #占用物理内存的比例，默认值为0，表示不限制。生产环境中根据需求设定，通常设置在50%以上。 每次随机选取待删除数据的个数 maxmemory-samples #选取数据时并不会全库扫描，导致严重的性能消耗，降低读写性能。因此采用随机获取数据的方式作为待检测删除数据 选择删除策略 maxmemory-policy #达到最大内存后，对被挑选出来的数据进行删除的方式
注意：一般是使用检测易失数据
检测易失数据（可能会过期的数据集server.db[i].expires） 1.volatile-lru:挑选最近最早使用的数据淘汰 2.volatile-lfu:挑选最近使用次数最少的数据淘汰 3.volatile-ttl:挑选将要过期的数据淘汰 4.volatile-random:任意选择数据淘汰 检测全库数据（所有数据server.db[i].dict） 5.allkeys-lru:挑选最近最早使用的数据淘汰 6.allkeys-lfu:挑选最近使用次数最少的数据淘汰 7.allkeys-random:任意选择数据淘汰 放弃数据驱逐 8.no-enviction(驱逐)：禁止驱逐数据（redis4.0中默认策略），会引发错误OOM maxmemory-policy volatile-lru