volatile-lru仅淘汰带TTL的键,若过期键不足或过期时间过长则策略失效,导致内存满时报OOM;应检查TTL分布、调高maxmemory-samples至10或改用allkeys-lru/allkeys-lfu。

volatile-lru 在过期键不足时直接失效
这是最常被忽略的“策略幻觉”:很多人以为 volatile-lru 是“在所有带过期时间的 key 里挑 LRU 的删”,但实际它只在 已设置过期时间 的 key 中工作——如果这些 key 本身数量很少,或者大部分还很“年轻”(TTL 剩余很长),Redis 就可能扫不到足够多可淘汰对象。这时它不会退而求其次去查其他 key,而是直接放弃本轮淘汰,转头触发 noeviction 行为(拒绝写入)或 fallback 到更激进逻辑(取决于 Redis 版本和配置)。结果就是:内存明明快满了,volatile-lru 却像没开一样,热点数据反而因后续强制淘汰机制(如 allkeys-lru 临时顶上)被误伤。
- 典型现象:
INFO memory显示mem_not_expired很高,但evicted_keys仍持续增长 - 验证方式:执行
DEBUG OBJECT keyname看是否返回lru:xxx字段;若 key 没设过期,volatile-*策略完全无视它 - 线上误判点:监控只看
expired_keys增速,却漏掉evicted_keys和maxmemory_policy实际生效状态
LRU 是近似算法,不是精确访问时间戳
Redis 的 allkeys-lru 和 volatile-lru 都不维护完整访问链表,而是用一个固定大小的采样池(默认 5 个 key)做概率估算。每次需要淘汰时,随机从候选集里抽若干 key,比出其中“最近最少用”的那个删掉。这意味着:
- 刚被高频访问的 key,如果没被本轮抽中,就可能逃过检测;而一个冷 key 恰好被抽中,就被当成“最该删”的对象
- 采样数越小(
maxmemory-samples默认 5),误杀率越高;调大到 10 或 20 能显著改善,但会增加 CPU 开销 - 它不记录“第几次访问”,只记“最后一次访问距今多久”,所以突发流量下的短期热点容易被误判为“长期冷数据”
LFU 比 LRU 更稳,但需显式启用且调参
如果你的业务存在明显长尾访问模式(比如 20% 的 key 承担 80% 的请求),allkeys-lfu 是比 allkeys-lru 更可靠的选择——它统计的是访问频次,不是时间间隔。但注意:
抖音上升热点选题助手适合内容创作者、运营、电商、营销在用户想知道接下来拍什么、写什么更可能有流量时使用,帮助基于输入材料生成上升热点列表、排名和变化趋势视图、可用于内容规划的选题线索。
-
volatile-lfu同样受限于“只作用于带过期时间的 key”,不能解决前两个问题 - LFU 的计数器有衰减机制,默认每分钟右移 1 位(相当于历史权重按 50% 衰减),对突发流量敏感;可通过
CONFIG SET lfu-log-factor 10降低衰减强度 - 首次启用 LFU 时,所有 key 初始计数为 1,需要真实访问几次才能建立可信热度排名
真正安全的组合:noeviction + 主动驱逐 + TTL 分层
想彻底避开“误删热点数据”,就得绕开被动淘汰机制本身。生产中最稳的做法是:
- 把
maxmemory-policy设为noeviction,让 Redis 拒绝写入而不是乱删 - 在应用层控制缓存生命周期:给不同业务 key 设置差异化
TTL,比如会话 30m、商品页 5m、配置项 24h - 用
SCAN+TTL定期扫描即将过期的 key,主动DEL或EXPIRE延长,把淘汰时机掌握在自己手里 - 关键数据加标记(如
cache:type:hot),读取时用OBJECT FREQ辅助判断热度,避免全量依赖 Redis 内部淘汰
复杂点在于:你得接受“写失败”作为明确信号,而不是靠 Redis 默默删数据来掩盖容量规划失误。这点最容易被忽略——淘汰策略从来不是兜底方案,而是容量水位告警后的应急开关。

















