前言
笔者一个同事面试某大厂时问到的一个问题，这里拿来讲讲：Redis过期后key是怎么样清理的？
在Redis中，对于过期key的清理主要有惰性清除，定时清理，内存不够时清理三种方法，下面我们就来具体看看这三种清理方法。
惰性清除
在访问key时，如果发现key已经过期，那么会将key删除。
定时清理
Redis配置项hz定义了serverCron任务的执行周期，默认每次清理时间为25ms，每次清理会依次遍历所有DB，从db随机取出20个key，如果过期就删除，如果其中有5个key过期，那么就继续对这个db进行清理，否则开始清理下一个db。
内存不够时清理
当执行写入命令时，如果发现内存不够，那么就会按照配置的淘汰策略清理内存，淘汰策略一般有6种，Redis4.0版本后又增加了2种，主要由分为三类
第一类 不处理，等报错(默认的配置)noeviction，发现内存不够时，不删除key，执行写入命令时直接返回错误信息。（Redis默认的配置就是noeviction）
第二类 从所有结果集中的key中挑选，进行淘汰allkeys-random 就是从所有的key中随机挑选key，进行淘汰allkeys-lru 就是从所有的key中挑选最近使用时间距离现在最远的key，进行淘汰allkeys-lfu 就是从所有的key中挑选使用频率最低的key，进行淘汰。（这是Redis 4.0版本后新增的策略）
第三类 从设置了过期时间的key中挑选，进行淘汰这种就是从设置了expires过期时间的结果集中选出一部分key淘汰，挑选的算法有：volatile-random 从设置了过期时间的结果集中随机挑选key删除。volatile-lru 从设置了过期时间的结果集中挑选上次使用时间距离现在最久的key开始删除volatile-ttl 从设置了过期时间的结果集中挑选可存活时间最短的key开始删除(也就是从哪些快要过期的key中先删除)volatile-lfu 从过期时间的结果集中选择使用频率最低的key开始删除（这是Redis 4.0版本后新增的策略）
LRU算法
LRU算法的设计原则是如果一个数据近期没有被访问到，那么之后一段时间都不会被访问到。所以当元素个数达到限制的值时，优先移除距离上次使用时间最久的元素。
可以使用双向链表Node+HashMap来实现，每次访问元素后，将元素移动到链表头部，当元素满了时，将链表尾部的元素移除，HashMap主要用于根据key获得Node以及添加时判断节点是否已存在和删除时快速找到节点。
PS:使用单向链表能不能实现呢，也可以，单向链表的节点虽然获取不到pre节点的信息，但是可以将下一个节点的key和value设置在当前节点上，然后把当前节点的next指针指向下下个节点，这样相当于把下一个节点删除了
//双向链表 public static class ListNode { String key;//这里存储key便于元素满时，删除尾节点时可以快速从HashMap删除键值对 Integer value; ListNode pre = null; ListNodenext= null; ListNode(String key, Integer value) { this.key = key; this.value = value; } } istNode head; ListNode last; int limit=4; HashMap hashMap = new HashMap(); public void add(String key, Integer val) { ListNode existNode = hashMap.get(key); if(existNode!=null) { //从链表中删除这个元素 ListNode pre = existNode.pre; ListNodenext= existNode.next; if(pre!=null) { pre.next=next; }if(next!=null) { next.pre = pre; } //更新尾节点 if(last==existNode) { last = existNode.pre; } //移动到最前面 head.pre = existNode; existNode.next= head; head = existNode; //更新值 existNode.value = val; }else{ //达到限制，先删除尾节点 if(hashMap.size() == limit) { ListNode deleteNode = last; hashMap.remove(deleteNode.key); //正是因为需要删除，所以才需要每个ListNode保存key last = deleteNode.pre; deleteNode.pre = null; last.next= null; } ListNode node = new ListNode(key,val); hashMap.put(key,node);if(head==null) { head = node; last = node; }else{ //插入头结点 node.next= head; head.pre = node; head = node; } } } public ListNode get(String key) { returnhashMap.get(key); } public voidremove(String key) { ListNode deleteNode = hashMap.get(key); ListNode preNode = deleteNode.pre; ListNode nextNode = deleteNode.next; if(preNode!=null) { preNode.next= nextNode; }if(nextNode!=null) { nextNode.pre = preNode; }if(head==deleteNode) { head = nextNode; }if(last == deleteNode) { last = preNode; } hashMap.remove(key); }
最后
LFU算法的设计原则时，如果一个数据在最近一段时间被访问的时次数越多，那么之后被访问的概率会越大，基本实现是每个数据都有一个引用计数，每次数据被访问后，引用计数加1，需要淘汰数据时，淘汰引用计数最小的数据。在Redis的实现中，每次key被访问后，引用计数是加一个介于0到1之间的数p，并且访问越频繁p值越大，而且在一定的时间间隔内，如果key没有被访问，引用计数会减少。
