和缓存相关的几个核心概念
缓存污染:
指留存在缓存中的数据，实际不会被再次访问了，但又占据了缓存空间。换句话说，由于缓存空间有限，热点数据被置换或者驱逐出去了，而一些后面不用到的数据却反而被留 下来，从而缓存数据命中率急剧下降.
要解决缓存污染的关键点是能尽可能识别出未来热点数据，或者未来更有可能被访问到的数据。由此可见，在高并发的互联网系统中，缓存的命中率是至关重要的指标。
而缓存的命中率的提升，和缓存数据淘汰算法 , 密切相关。
Redis的数据清除策略
在使用Redis时，我们一般会为Redis的缓存空间设置一个大小，不会让数据无限制地放入Redis缓存中。可以使用下面命令来设定缓存的大小，比如设置为4GB：
CONFIG SET maxmemory 4gb
既然Redis设置了缓存的容量大小，那缓存被写满就是不可避免的。当缓存被写满时，我们需要考虑下面两个问题：决定淘汰哪些数据，如何处理那些被淘汰的数据
如果我们设置了Redis的key-value的过期时间，当缓存中的数据过期之后，Redis就需要将这些数据进行清除，释放占用的内存空间。
Redis中主要使用定期删除 + 惰性删除两种数据过期清除策略。
（1）定期删除：redis默认每隔100ms就随机抽取一些设置了过期时间的key，检查其是否过期，如果有过期就删除。注意这里是随机抽取的。
为什么要随机呢？你想一想假如 redis 存了几十万个key ，每隔100ms就遍历所有的设置过期时间的key的话，就会给CPU带来很大的负载。
为什么不用单个key的到期删除策略呢？定时删除，用一个定时器来负责监视key，过期则自动删除。虽然内存及时释放，但是十分消耗CPU资源。在大并发请求下，CPU要将时间应用在处理请求，而不是删除key，因此没有采用这一策略。
（2）惰性删除：
定期删除可能导致很多过期的key 到了时间并没有被删除掉。这时就要使用到惰性删除。在你获取某个key的时候，redis会检查一下，这个key如果设置了过期时间并且过期了，是的话就删除。
2、定期删除+惰性删除存在的问题：
如果某个key过期后，定期删除没删除成功，然后也没再次去请求key，也就是说惰性删除也没生效。这时，如果大量过期的key堆积在内存中，redis的内存会越来越高，导致redis的内存块耗尽。那么就应该采用内存淘汰机制。
Redis的缓存淘汰策略：
Redis共提供了8种缓存淘汰策略，其中 volatile-lfu 和 allkeys-lfu 是Redis 4.0版本新增的。
1、noeviction：不进行淘汰数据。一旦缓存被写满，再有写请求进来，Redis就不再提供服务，而是直接返回错误。Redis用作缓存时，实际的数据集通常都是大于缓存容量的，总会有新的数据要写入缓存，这个策略本身不淘汰数据，也就不会腾出新的缓存空间，我们不把它用在 Redis 缓存中。
2、volatile-ttl：在设置了过期时间的键值对中，移除即将过期的键值对。
3、volatile-random：在设置了过期时间的键值对中，随机移除某个键值对。
4、volatile-lru：在设置了过期时间的键值对中，移除最近最少使用（最近最久未使用）的键值对。
5、volatile-lfu：在设置了过期时间的键值对中，移除最近最不频繁使用的键值对, 或者移除 最不经常 使用的键值对
6、allkeys-random：在所有键值对中，随机移除某些key。
7、allkeys-lru：在所有的键值对中，移除最近最少使用（最近最久未使用）的键值对。
8、allkeys-lfu：在所有的键值对中，移除最近最不频繁使用的键值对, 或者移除 最不经常使用的键值对
通常情况下推荐优先使用 allkeys-lru 策略。这样可以充分利用 LRU 这一经典缓存算法的优势，把最近最常访问的数据留在缓存中，提升应用的访问性能。如果你的业务数据中有明显的局部周期性流量( 局部冷热数据区分明显)，建议使用 allkeys-lru 策略。
