昨天请假面试，第一个问题就被面试官问道这个问题，面试管是看我这个自己的博客来问里面的一些问题。受宠若惊啊。tips:感谢帅哥给我面试机会。(长城车联网)
Redis提供了5种数据淘汰策略：
volatile-lru：使用LRU算法进行数据淘汰（淘汰上次使用时间最早的，且使用次数最少的key），只淘汰设定了有效期的key
allkeys-lru：使用LRU算法进行数据淘汰，所有的key都可以被淘汰
volatile-random：随机淘汰数据，只淘汰设定了有效期的key
allkeys-random：随机淘汰数据，所有的key都可以被淘汰
volatile-ttl：淘汰剩余有效期最短的key
最好为Redis指定一种有效的数据淘汰策略以配合maxmemory设置，避免在内存使用满后发生写入失败的情况。
一般来说，推荐使用的策略是volatile-lru，并辨识Redis中保存的数据的重要性。对于那些重要的，绝对不能丢弃的数据（如配置类数据等），应不设置有效期，这样Redis就永远不会淘汰这些数据。对于那些相对不是那么重要的，并且能够热加载的数据（比如缓存最近登录的用户信息，当在Redis中找不到时，程序会去DB中读取），可以设置上有效期，这样在内存不够时Redis就会淘汰这部分数据。
配置方法:
1.在线更新配置 /apps/svr/redis-3.2.0/bin/redis-cli -p 6921 config set maxmemory-policy volatile-lru
2.修改配置文件 maxmemory-policy volatile-lru #默认是noeviction，即不进行数据淘汰
我们使用的:
#/apps/svr/redis/bin/redis-cli -p 6921 config get maxmemory-policy
- "maxmemory-policy"
- "noeviction"
不进行淘汰: noevition: 不会剔除任何数据，拒绝所有写入操作并返回客户端错误信息，此时，Redis只响应读操作
扫描大key:
/apps/svr/redis-3.2.0/bin/redis-cli -h 10.10.10.10 -p 6956 --bigkeys -i 0.1
其实在⼤家熟悉的LinkedHashMap中也实现了Lru算法的，实现如下：
final Map<Long,TimeInfoHolder> timeoutInfoHandlers =
Collections.synchronizedMap(new HashMap<Long,TimeoutInfoHolder>(100,0.75,true){
@Override
protected boolean removeEldstEntry(Map.Entry eldest){
return size()>100;
}
});
当容量超过100时，开始执⾏LRU策略：将最近最少未使⽤的 TimeoutInfoHolder 对象 evict 掉。
Redis的配置淘汰
- 找到配置文件，配置 maxmemory 大小（单位字节）
- 配置maxmemory-policy 淘汰策略
volatile-lru -> remove the key with an expire set using an LRU algorithm 在所有的key中删除最近最少使用的key
allkeys-lru -> remove any key according to the LRU algorithm 在设置了过期时间的key中删除最近最少使用的key
volatile-random -> remove a random key with an expire set 随机删除设置了过期时间的key
allkeys-random -> remove a random key, any key 在所有的key中随机删除
volatile-ttl -> remove the key with the nearest expire time (minor TTL) 删除设置了过期时间并且最接近过期时间的key
noeviction -> don't expire at all, just return an error on write operations 不删除，直接抛出异常（ OOM command not allowed when used memory > 'maxmemory'）
