Redis内存淘汰与持久化必须协同配置；volatile-lru在过期键堆积时易误删健康数据，建议改用volatile-ttl；RDB/AOF重写不清理运行时过期键；hz值影响过期键清理效率，需权衡CPU开销与清理延迟。
Redis 内存淘汰策略和持久化策略不是互斥选项，而是必须协同配置的两套机制；单靠其中一种无法解决内存压力、数据安全与性能之间的三角矛盾。
volatile-lru 为什么在混合场景下容易误伤健康数据
当大量键设置了 EXPIRE，但因定期删除不及时或惰性删除未触发，导致大量“逻辑过期但物理未删”的键堆积在内存中——此时 volatile-lru 会把这些键纳入淘汰候选池。问题在于：这些键虽然已过期，但 TTL 返回负数前仍占用内存，且 OBJECT IDLETIME 可能显示极小值（因最近被惰性检查过），结果反被当成“活跃但冷门”键提前淘汰，而真正该保留的未设过期时间的热点数据却毫发无损。
- 实际现象：
INFO keyspace显示expires=12000，但used_memory持续接近maxmemory，evicted_keys上升，业务却反馈缓存命中率骤降 - 根本原因：
volatile-lru不区分“已过期”和“未过期但长期未访问”，只看lru字段时间戳 - 建议动作：若业务大量使用过期键，优先改用
volatile-ttl；它按剩余 TTL 升序淘汰，更贴近“先过期先走”的直觉，也避免误删刚被检查过的过期键
RDB/AOF 重写时的隐式清理效果不可依赖
BGREWRITEAOF 或 BGSAVE 过程中，Redis 会扫描全量键空间，并跳过已过期键——这看起来像一次强制清理。但要注意：这只是生成快照/日志时的过滤行为，**不修改运行时内存状态**。那些没被惰性或定期删除机制触达的过期键，仍留在内存里，继续参与淘汰计算、占用 used_memory，甚至可能被 allkeys-lfu 统计为“低频访问”而保留更久。
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。
- 典型误判：看到 AOF rewrite 后
rdb_last_bgsave_status:ok就认为过期键已清空 - 验证方式：执行
INFO memory后比对mem_clients_normal和mem_clients_slave差值，再结合INFO keyspace的expires数量交叉判断 - 真实影响：AOF rewrite 虽然压缩了日志体积，但若内存中过期键堆积严重，fork 子进程时 copy-on-write 开销反而更大，
latest_fork_usec可能飙升
hz 配置值直接影响过期键清理节奏与淘汰策略压力
redis.conf 中的 hz 参数控制后台定期删除线程的执行频率，默认是 10。它不是“每秒删多少键”，而是“每秒最多尝试多少轮抽查”。每轮随机抽 20 个带过期时间的键，若超 25% 过期则立即再抽一轮——这意味着 hz=10 理论上每秒最多检查 200 个键，但在高并发、大批量集中过期场景下，这个速度远远不够。
- 后果：过期键积压 →
used_memory虚高 → 提前触发maxmemory-policy→ 淘汰本不该淘汰的键 - 调优边界：
hz设为 100 时，CPU 使用率可能上升 3%~5%，但expires清理延迟从分钟级降到秒级；线上建议先试 50，观察expired_keys增速和latest_fork_usec - 注意陷阱：单纯提高
hz不能解决惰性删除缺失的问题；若业务读请求极少（如纯写入型缓存），仍需配合volatile-ttl或主动SCAN+DEL清理
最常被忽略的一点：淘汰策略决策发生在内存分配前的毫秒级窗口，而持久化文件里的键状态永远滞后于运行时。你永远无法靠 dump.rdb 或 appendonly.aof 的内容去推测当前哪些键正被 allkeys-lru 考量——它们只反映某个过去时刻的快照，而非此刻内存的真实负载结构。
