：内存淘汰策略与缓存的三大“天坑”)
在前面的文章中，我们聊了分布式锁、聊了持久化，这些都是在讲“怎么用好 Redis”。
但今天我们要聊一个更底层、更残酷的话题：资源限制与系统脆弱性。
Redis 再快，它也是基于内存的。内存是昂贵的资源，不可能无限扩容。同时，Redis 作为数据库的挡箭牌，一旦它出了问题，数据库瞬间就会面临灭顶之灾。
今天这篇，我们就来把 Redis 的内存淘汰策略和缓存击穿/穿透/雪崩彻底讲透。
一、 内存满了怎么办？（内存淘汰策略）
Redis 的性能虽然强悍，但它不是黑洞。在生产环境中，我们通常会在配置文件中设置maxmemory来限制 Redis 的最大内存使用量。
那么问题来了：当数据量存满了，新数据又要塞进来，Redis 该扔掉谁？
Redis 提供了 8 种策略，看起来眼花缭乱。其实作为博主，我建议你不要死记硬背，而是从“范围”和“算法”两个维度去理解。
1. 维度一：你要对谁下手？（筛选范围）
Redis 并不总是对所有数据都“赶尽杀绝”，它把数据分为了两类圈子：
圈子一：Volatile（临时工区 - 仅针对设置了 TTL 的 Key）
含义：Redis 只会从设置了过期时间的 Key 中进行淘汰。
场景：这非常适合“混合存储”场景。比如你的 Redis 里既存了必须持久化的重要配置（没设 TTL），又存了大量的临时缓存（设了 TTL）。当内存不足时，Redis 会很懂事地只清理那些本来就会过期的缓存，绝对不会碰你的重要数据。
圈子二：Allkeys（全员区 - 针对所有 Key）
含义：不管你设没设过期时间，一视同仁，大家都在被淘汰的范围内。
场景：这是“纯缓存”模式的最佳选择。因为作为缓存，只要内存满了，没用的数据就该腾位置，不需要保留任何特权阶级。
2. 维度二：你要怎么挑？（筛选算法）
LRU (Least Recently Used)：淘汰最久没被使用过的。
逻辑：你虽然进来的早，但最近 3 个月都没人查过你，留着浪费资源，请你走人。
LFU (Least Frequently Used)：淘汰使用频率最低的。
逻辑：虽然你刚才被访问了一次，但你是这一年来唯一的访问，说明你不够热，请你走人。
Random：随机。闭着眼瞎选一个删掉。
TTL：剩余寿命最短。既然你马上就要过期了，不如我提前送你一程（仅适用于 Volatile 范围）。
3. 策略大盘点与选型建议
将上述两个维度组合，再加上默认策略，就构成了 8 种策略：
| 策略名 | 筛选范围 | 淘汰规则 | 博主推荐场景 |
| noeviction | - | 不删除，直接报错 | (默认配置)适用于数据绝不能丢的场景，需配合完善的扩容监控。 |
| volatile-lru | 有TTL的 | 最久未用 | 适用于Redis 既做缓存又做存储的混合场景。 |
| volatile-lfu | 有TTL的 | 最少频率 | 同上。 |
| volatile-random | 有TTL的 | 随机删除 | 极其少用。 |
| volatile-ttl | 有TTL的 | 即将过期 | 哪怕没过期，只要快到了就删，不如 LRU 智能。 |
| allkeys-lru | 所有Key | 最久未用 | 最常用！适用于通用的缓存场景，保留热点数据。 |
| allkeys-lfu | 所有Key | 最少频率 | 适用于有些生僻数据很久才被访问一次的场景。 |
| allkeys-random | 所有Key | 随机删除 | 极其少用。 |
说明：
绝大多数业务场景，直接闭眼选
allkeys-lru。因为缓存的本质就是“把热的数据留下”，LRU 是最符合这个直觉的算法。
二、 缓存的三大“天坑”：击穿、穿透、雪崩
Redis 就像一道堤坝，挡在脆弱的 MySQL 数据库前面。如果这道堤坝出了问题，洪水（高并发请求）就会直接冲垮数据库。
我们按照问题的**“刁钻程度”**，由点到面来分析。
1. 缓存击穿 (Cache Breakdown) —— “单点爆破”
简单来说就是热点key过期的瞬间，大量请求达到了DB。
这是最常见，但也最需要技术含量的场景。
现象：
某个 超级热点 Key（比如微博热搜、秒杀商品），并发量极高。在它 TTL 过期的一瞬间，几万个请求同时发现 Redis 没数据，同时冲向数据库去构建缓存。
结果： 数据库瞬间被打死。
解决方案：
针对这个问题，我们有两种截然不同的思路。
方案 A：互斥锁 (Consistency First)
既然大家都要去查数据库，那就排队！
思路：只允许一个线程去查询数据库并重建缓存，其他线程阻塞等待。
流程：
线程 1 发现缓存没数据。
线程 1 获取分布式锁（Mutex Lock）。
线程 1 去查库、写缓存、释放锁。
线程 2、3、4 在获取锁失败后，阻塞等待，或者休眠一会再重试（Double Check）。
优点：数据一致性高。
缺点：性能有损耗，大家都在等那一个人。
方案 B：永不过期 + 逻辑过期 (Availability First)（就好像他本应该过期的，但是我留下了他用来保护数据库，反正我先返回给你，然后更新重置缓存）
这个方案牺牲了一点点数据一致性，换取了极致的性能。这也是很多高并发系统的首选。
核心思路：
Redis 层面：Key不设置 TTL，所以物理上它永远不会过期（除非被淘汰）。
业务层面：我们在 Value 的内容里，多存一个属性：
expireTime（逻辑过期时间）。
具体实现流程：
查询缓存：请求命中缓存后，读取 Value。
判断过期：检查 Value 里的
expireTime字段，看是否已过期。未过期：直接返回数据，结束。
已过期：
获取锁：尝试获取互斥锁。
开启异步线程：如果获取锁成功，说明我是“被选中”的那个人。我立马开启一个独立的异步线程去查询数据库、更新缓存（重置
expireTime）、释放锁。返回旧值：无论是获取锁成功的当前线程，还是获取锁失败的其他线程，都不用等，直接把手里这份“已经过期”的旧数据返回给用户。
说明：
这种方案非常巧妙。它实际上是“悄悄地在后台更新”。用户在更新完成前的几百毫秒内，虽然看到的是旧数据，但系统响应速度极快，没有任何阻塞。
2. 缓存穿透 (Cache Penetration) —— “打在了空气上”
关键在⼀个透字，透过去了，即数据在 Redis 缓存和数据库中都不存在这样缓存永远 不会生效，请求都会打到数据库。（说白了，没得给你缓存的机会）
如果说击穿是“热点失效”，那穿透就是“恶意攻击”。
现象：
请求想要的数据，Redis 里没有，数据库里也没有。
这样 Redis 就成了摆设，请求每次都直通数据库。这通常是代码 bug 或者黑客恶意攻击（一直请求 ID=-1 的数据）。
解决方案：
缓存空对象：数据库查不到，我也在 Redis 存一个
null，并设个短一点的过期时间。下次你再来查 -1，Redis 直接告诉你“是空”，别烦数据库。布隆过滤器 (Bloom Filter)：在访问 Redis 之前加一道屏障。布隆过滤器能高效地判断“这个 ID 是否存在”。如果布隆说不存在，直接打回，连 Redis 都不用查。
布隆过滤器原理分析：
如果说缓存空值是被动防御，那布隆过滤器就是主动拦截。
核心原理： 底层是一个巨大的BitMap (位图)+N 个哈希函数。
存入时：经过 N 次 Hash 计算，将对应位置的比特位全部置为
1。查询时：同样的 N 次 Hash 计算，去查看对应位置。
判定规则（铁律）：
只要有一位是 0：说明该 Key绝对不存在。 ->直接拦截，无需查库。
如果全都是 1：说明该 Key可能存在（存在极低概率是别的 Key 凑出来的 Hash 冲突）。 ->放行。
3. 缓存雪崩 (Cache Avalanche) —— “全线崩塌”
同⼀时间⼤量key过期，导致查询全打到数据库上
最后一种情况，是规模最大的灾难。
现象：
大量的 Key 在同一时间集体过期，或者 Redis 节点直接宕机。
这导致此刻所有的请求全部涌向数据库，数据库瞬间压力过大而崩溃。
解决方案：
打散过期时间：在设置 TTL 时，不要设成固定的 1 小时，而是TTL + 随机数（1-5分钟）。让 Key 排队过期，不要挤在一起。
高可用架构：利用 Redis Sentinel 或 Cluster，保证 Redis 挂了一个节点，其他的能立马顶上。
服务降级：当缓存和数据库都扛不住时，直接返回默认值或错误提示，保住系统不崩。
总结
Redis 的学习，不能只停留在命令的使用上。
内存淘汰是为了让 Redis 永远只留最有价值的数据。
击穿/穿透/雪崩的防御，是为了让 Redis 在面对流量洪峰和异常情况时，依然能稳稳地守护身后的数据库。
掌握了这些，你才算真正具备了驾驭大规模 Redis 集群的能力。下一篇，我们将深入 Redis 的集群架构，敬请期待！
)