Redis缓存淘汰需闭环调优：一选策略（据TTL和冷热选volatile-lru/ttl、allkeys-lfu或noeviction）；二配参数（maxmemory、samples、lfu-log-factor等）；三验证（碎片率、淘汰数、命中率）。

部署 Redis 缓存淘汰策略不是简单改个配置就完事，关键在于结合业务数据特征、内存压力表现和淘汰行为反馈，做闭环式配置+验证+调优。下面从实操角度讲清楚三步：怎么选、怎么配、怎么验。

一、根据业务场景选对淘汰策略

策略选错，再精细的参数也白搭。核心看两个维度：数据有没有过期时间、冷热是否分明。

• 缓存全量数据且带 TTL（如用户会话、商品详情）：优先用 volatile-lru 或 volatile-ttl。前者保热点，后者保时效——验证码类数据用 volatile-ttl 更稳妥；首页推荐内容用 volatile-lru 更合适。
• 缓存混合型数据（部分永不过期，如配置项；部分临时缓存）：必须用 allkeys-lru 或 allkeys-lfu。尤其当有明显访问热点（比如某几个商品 ID 被高频查询），allkeys-lfu 比 LRU 更准，能减少误淘汰。
• 不允许丢任何数据（如任务队列、持久化状态）：只能选 noeviction，但必须配合严格容量预估和告警——一旦触发，写操作直接报 OOM 错误。

二、关键配置项落地与调优要点

光设 maxmemory-policy 不够，配套参数决定实际效果。

Redis Skill - 高性能缓存管理

Redis 缓存和数据结构管理技能。通过自然语言操作 Redis，支持 String、Hash、List、Set、ZSet、Stream 等数据结构操作。当用户提到 Redis、缓存、消息队列、会话存储时使用此技能。

下载

• 先锁死内存上限：在 redis.conf 中明确设置 maxmemory 2gb（按机器可用内存 70%~80% 配置，留出系统和缓冲区余量）。
• 提升 LRU/LFU 精度：默认采样 5 个 key，易误判。生产建议设为 maxmemory-samples 10，小幅增加 CPU 开销，显著降低冷数据误淘汰概率。
• LFU 要调衰减因子：若用 allkeys-lfu，加两行：
  lfu-log-factor 10（防止短期突发访问把低频 key 推高）
  lfu-decay-time 1（每分钟衰减一次计数器，让历史热度自然淡化）
• 控制过期扫描节奏：避免 hz 过高导致 CPU 抖动，常规服务设 hz 10 即可；流量峰谷明显的，可动态调整（如大促前调到 20，结束后回调）。

三、上线后必须做的三件事验证效果

配置生效≠问题解决。要用真实指标判断是否真优化了内存使用率。

• 盯住碎片率：执行 INFO memory，看 mem_fragmentation_ratio。持续 >1.5 说明碎片严重，需开启 activedefrag yes 并确认 active-defrag-threshold-lower 和 active-defrag-cycle-min 已合理设置。
• 查淘汰统计：关注 evicted_keys（已淘汰 key 数）和 expired_keys（自然过期数）。如果 evicted_keys 暴涨但 used_memory 居高不下，大概率是策略不匹配或存在 BigKey 占着内存不释放。
• 对比命中率变化：计算 keyspace_hits / (keyspace_hits + keyspace_misses)。优化后命中率不降反升，说明淘汰更精准；若下降明显，得回溯策略或检查是否有异常访问模式打乱了热度分布。

不复杂但容易忽略：每次调整后，至少观察 24 小时，覆盖完整业务周期。内存问题往往在凌晨低峰或早高峰突显，单看即时指标容易误判。