Redis提供了下面几种淘汰策略供用户选择，其中默认的策略为noeviction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。
- 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。
- 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。
缓存更新策略
使用场景、数据一致性、维护成本出发.
1.LRU/LFU/FIFO算法剔除
使用场景。 剔除算法通常用于缓存使用量超过了预设的最大值时候， 如
何对现有的数据进行剔除。 例如Redis使用maxmemory-policy这个配置作为内
存最大值后对于数据的剔除策略。
一致性。 要清理哪些数据是由具体算法决定， 开发人员只能决定使用哪
种算法， 所以数据的一致性是最差的。
维护成本。 算法不需要开发人员自己来实现， 通常只需要配置最大
maxmemory和对应的策略即可。 开发人员只需要知道每种算法的含义， 选择
适合自己的算法即可。
2.超时剔除
使用场景。 超时剔除通过给缓存数据设置过期时间， 让其在过期时间后
自动删除， 例如Redis提供的expire命令。 如果业务可以容忍一段时间内， 缓
存层数据和存储层数据不一致， 那么可以为其设置过期时间。 在数据过期
后， 再从真实数据源获取数据， 重新放到缓存并设置过期时间。 例如一个视
频的描述信息， 可以容忍几分钟内数据不一致， 但是涉及交易方面的业务，
后果可想而知。
一致性。 一段时间窗口内（取决于过期时间长短） 存在一致性问题， 即
缓存数据和真实数据源的数据不一致。
维护成本。 维护成本不是很高， 只需设置expire过期时间即可， 当然前
提是应用方允许这段时间可能发生的数据不一致。
3.主动更新
使用场景。 应用方对于数据的一致性要求高， 需要在真实数据更新后，
立即更新缓存数据。 例如可以利用消息系统或者其他方式通知缓存更新。
一致性。 一致性最高， 但如果主动更新发生了问题， 那么这条数据很可
能很长时间不会更新， 所以建议结合超时剔除一起使用效果会更好。
维护成本。 维护成本会比较高， 开发者需要自己来完成更新， 并保证更
新操作的正确性