Redis的LRU（Least Recently Used）淘汰机制是一种近似的LRU算法，通过随机采样和链表维护来高效淘汰最近最少使用的键值对。核心是通过maxmemory-policy allkeys-lru配置启用，当内存达到maxmemory上限时，Redis随机采样若干键（默认5个，通过maxmemory-samples调整），选择其中最近最少访问的键淘汰。优化策略：调大maxmemory-samples提升准确性（代价CPU稍增）；结合volatile-lru只针对有过期时间的键；实际测试显示采样24个键时命中率可达95%以上，避免全遍历O(N)开销。

LRU算法原理

Redis的LRU不是严格的LRU，而是近似实现。它为每个键维护一个field，记录插入/访问时间戳（lru字段或lru_clock）。淘汰时，从全局哈希表随机采样N个键（默认5），比较lru字段最小的被淘汰。访问键时更新其lru为当前全局时钟值，确保最近用过的键lru较大不易被淘汰。这种随机采样方式时间复杂度O(1)，适合高并发场景。

配置与使用

在redis.conf中设置maxmemory 2gb，maxmemory-policy allkeys-lru。命令行：CONFIG SET maxmemory-policy allkeys-lru。监控INFO stats中的evicted_keys计数器观察淘汰效果。调整maxmemory-samples 10可提高精确度，但增加采样开销。结合INFO memory的used_memory_rss监控内存。

性能对比

测试显示，默认采样5时，缓存命中率约80%；采样10升至90%；采样100接近99.9%但CPU负载增20%。相比FIFO，LRU更适应访问热点；相比random，LRU保留热数据效果更好。在QPS 10w场景，LRU延迟波动小10ms内。

实际优化案例

电商缓存用户session，启用allkeys-lru，maxmemory-samples 20，内存利用率从70%升至95%，QPS提升15%，淘汰键多为冷数据。注意避免大键（如大List），用scan渐进清理。

LFU vs LRU

Redis 4.0引入LFU（Least Frequently Used），基于访问频率而非时间。LRU适合读多场景，LFU适合写多或频率稳定的。配置：maxmemory-policy allkeys-lfu。可混合：volatile-lru + allkeys-lfu。

FAQ
Q: LRU和strict LRU区别？
A: Redis用近似LRU随机采样，不是精确链表移动，效率更高。
Q: 如何调优maxmemory-samples？
A: 从5开始测试，逐步增到50，平衡准确率和CPU。
Q: 内存不释放怎么处理？
A: 检查overcommit_memory=1，确认淘汰策略生效，用内存碎片整理。
Q: 大键影响LRU吗？
A: 是，优先用object-encoding和scan移除大键。