优胜劣汰——LRU
当Redis内存超出物理内存限制时，内存数据会开始和磁盘产生频繁的交换。交换让Redis性能急剧下降，是不允许的。
在生产环境中，为了限制最大使用内存，Redis提供了配置参数maxmemory来限制内存超出期望大小。
当实际内存超出maxmemory时，Redis提供了几种可选策略。
- noeviction：不会继续服务写请求（del请求可继续服务），读请求可以继续进行。这样保证不会丢失数据，但是让线上的业务不能持续进行。这是默认的淘汰策略
- volatile-lru：尝试淘汰设置了过期时间的key，最少使用的key优先被淘汰。没有设置过期时间的key不会被淘汰，这样可以保证需要持久化的数据不会突然丢失
- volatile-ttl：淘汰策略是比较key的剩余寿命ttl的值，ttl越小越优先被淘汰
- volatile-random：淘汰的key是过期key集合中随机的key
- allkeys-lru：这个策略淘汰的key对象是全体的key集合，而不是过期的key集合。
- allkeys-random：淘汰的key是随机的key
volatile-xxx策略只会针对带过期时间的key进行淘汰，allkeys-xxx策略会对所有的key进行淘汰。如果只是拿redis做缓存，那么应该使用allkeys-xxx策略，客户端缓存时不必携带过期时间。如果还想使用Redis的持久化功能，那就使用volatile-xxx策略，这样可以保留没有设置过期时间的key，它们是永久的key，不会被LRU算法淘汰。
LRU算法
实现LRU算法除了需要key/value字典外，还需要附加一个链表，链表中的元素按照一定的顺序进行排列。当空间满的时候，会踢掉链表尾部的元素。当字典的某个元素被访问时，它在链表的位置会被移动到表头，所以链表的元素排列顺序就是元素最近被访问的时间顺序。
近似LRU算法
Redis使用的是一种近似LRU算法，跟LRU算法还不太一样。之所以不适用LRU算法，是因为其需要消耗大量的额外内存，需要对现有的数据结构进行较大的改造。近似LRU算法很简单，在现有数据结构的基础上使用随机采用法来淘汰元素，能达到和LRU算法非常近似的效果。Redis为实现近似LRU算法，给每个key增加了一个额外的小字段，这个字段的长度是24bit，也就是最后一次被访问的时间戳。
Redis 3.0算法中增加了淘汰池，淘汰池是一个数组，它的大小是maxmemory_samples，在每一次淘汰循环中，新的随机得出的key列表会和淘汰池中的key列表进行融合，淘汰池最旧的一个key之后，保留剩余较旧的key列表放入淘汰池中留待下一个循环。