把 Redis 当做缓存使用时，有时你可以方便的让它在新数据时自动逐出旧数据。这一点大家都比较清楚，因为 memcached 默认也会这么干。Redis 仅支持 LRU 逐出策略。下文主要讲述 Redis maxmemory 指令，这个指令用于限定内存使用量，以及讲述了Redis 使用到的 LRU 算法，这是一种近似LRU算法。
maxmemory 配置指令
maxmemory指令用于限定内存使用量。可以在 redis.conf 文件中设置，也可以通过 CONFIG SET 命令在运行时设置。例如在 redis.conf 文件中添加如下指令将内存限定在 100M 以内maxmemory100MB。
设置成 0 时表示无限制。64位系统下默认无限制，32位系统则强制指定为 3GB
当内存使用达到限定值时，可以选择几种不同的策略。例如 Redis 可以在调用指令时直接返回错误（这些指令会导致更多内存使用），或者是逐出老数据，给新数据纳出空间，让内存占用保持在限定一下。
逐出策略
具体的逐出策略通过 maxmemory-policy 指令进行配置，主要有如下策略：
noeviction：当内存使用达到阈值的时候，所有引起申请内存的命令会报错。
allkeys-lru：在主键空间中，优先移除最近未使用的key。
volatile-lru：在设置了过期时间的键空间中，优先移除最近未使用的key。
allkeys-random：在主键空间中，随机移除某个key。
volatile-random：在设置了过期时间的键空间中，随机移除某个key。
volatile-ttl：在设置了过期时间的键空间中，具有更早过期时间的key优先移除。
volatile-* 系列指令在无键值满足条件时（例如未设置过期时间），表现为noeviction
这里补充一下主键空间和设置了过期时间的键空间，举个例子，假设我们有一批键存储在Redis中，则有那么一个哈希表用于存储这批键及其值，如果这批键中有一部分设置了过期时间，那么这批键还会被存储到另外一个哈希表中，这个哈希表中的值对应的是键被设置的过期时间。设置了过期时间的键空间为主键空间的子集。
我们了解了Redis大概提供了这么几种淘汰策略，那么如何选择呢？淘汰策略的选择可以通过下面的配置指定： # maxmemory-policy noeviction
但是这个值填什么呢？为解决这个问题，我们需要了解我们的应用请求对于Redis中存储的数据集的访问方式以及我们的诉求是什么。同时Redis也支持Runtime修改淘汰策略，这使得我们不需要重启Redis实例而实时的调整内存淘汰策略。
几种策略的适用场景：
-
allkeys-lru：如果我们的应用对缓存的访问符合幂律分布（也就是存在相对热点数据），或者我们不太清楚我们应用的缓存访问分布状况，我们可以选择allkeys-lru策略。
allkeys-random：如果我们的应用对于缓存key的访问概率相等，则可以使用这个策略。
volatile-ttl：这种策略使得我们可以向Redis提示哪些key更适合被eviction。
另外，volatile-lru策略和volatile-random策略适合我们将一个Redis实例既应用于缓存和又应用于持久化存储的时候，然而我们也可以通过使用两个Redis实例来达到相同的效果，值得一提的是将key设置过期时间实际上会消耗更多的内存，因此我们建议使用allkeys-lru策略从而更有效率的使用内存。
逐出过程是如何实现的：最好从以下几个方面来了解逐出过程
客户端运行了一个消耗内存的指令；
Redis 检查内存占用后发现超限，执行逐出策略；
执行一个新的指令，如此循环；
即反复的让 Redis 的内存占用在限定值上下波动，来观察和验证逐出策略；
当一个指令消耗较多内存时，一定时间范围内可以观察到明显的内存超限；
近似LRU算法
Redis 使用的 LRU 算法是一个近似实现，即逐出Key并不一定真正访问最少的键。它采用的方式是，对逐出范围内的键进行采样，然后对样本进行逐出。什么鬼。
在 Redis 3.0中有了一些改进，在提升性能的同时，让近似LRU的结果更加接近真实LRU。
Redis LRU挺重要的一点是，你可以调整算法精度，即调整每次逐出时的取样数。可以通过这个指令进行调整：
maxmemory-samples5
Redis 使用 近似LRU 的目的主要还是为了节省内存，对于应用来说，近似与真实，实际上是等效的。