一、概述
redis缓存是在内存中保存数据，避免业务从数据库中读取数据，从而提升系统的响应速度，而redis缓存淘汰是指当缓存数据达到一定容量时，为了给新的数据腾出空间，需要按照一定的策略从缓存中移除旧的数据。

二、redis缓存淘汰策略。
1.noeviction：这种方式是不进行淘汰的，当内存不足以容纳新写入数据时，新写入操作会报错。
2.allkeys-lru: 当内存不足以容纳新写入数据时，它会从所有键值对中移除最近最少使用的键。
3.allkeys-lfu：lfu是在Redis 4.0 时引入，当内存不足以容纳新写入数据时，它会从所有键值对中移除最近使用频率最小的键。
4.allkeys-randoms：当内存不足以容纳新写入数据时，从所有键值对选择并随机移除。
5.volatile-lru：当内存不足以容纳新写入数据时，会在设置了过期时间的键中，移除最近最少使用的键。
6.volatile-lfu： lfu是在Redis 4.0 时引入，当内存不足以容纳新写入数据时，它会在设置了过期时间的键中移除最近使用频率最小的键。
7.volatile-random： 它的淘汰策略是在设置了过期时间的键值对中，进行随机移除。
8.volatile-ttl： 它的淘汰策略是当内存不足以容纳新写入数据时，会在设置了过期时间的键空间中，移除即将过期的键。

三、LRU和LFU算法分析

1.LRU算法

LRU 算法的全称是 Least Recently Used，即按照最近最少使用的原则来淘汰数据。把最不常用的数据筛选出来，而最近频繁使用的数据则会留在缓存中。

（1）LRU 会把所有的数据组织成一个链表，链表的头和尾分别表示 MRU 端和 LRU 端，分别代表最近常使用的数据和最近不常用的数据。

LRU算法其实可以这样理解，就是认为刚刚访问的数据可能还会被访问到，就会放在MRU端，长时间不访问的数据放在LRU端，缓存满了就删除它。

不过，LRU 算法在实际实现时，需要用链表管理所有的缓存数据，这会带来额外的空间开销。而且，当有数据被访问时，需要在链表上把数据移动到 MRU 端，如果有大量的数据被访问，就会带来很多链表移动操作，会耗时，进而降低 Redis 缓存性能。

因此在 Redis 中，LRU 算法被做了简化，以减轻数据淘汰对缓存性能的影响。具体来讲，就是Redis 默认会记录每个数据最近一次访问的时间戳（由键值对数据结构 RedisObject 中的 lru 字段记录）。然后redis在淘汰数据时会随机选出N个数据，作为一个候选集合，接下来redis会比较这N个数据的lru字段。把其中最小的淘汰出去。

（2）Redis 提供了一个配置参数 maxmemory-samples，这个参数就是 Redis 选出的数据个数 N。例如，我们执行如下命令，可以让 Redis 选出 100 个数据作为候选数据集：

CONFIG SET maxmemory-samples 100

当需要再次淘汰数据时，Redis 需要挑选数据进入第一次淘汰时创建的候选集合。这儿的挑选标准是：能进入集合数据的lru字段必须小于集合中最小的lru值。当有新数据进入候选数据集后，如果候选数据集中的数据个数达到了 maxmemory-samples，Redis 就把候选数据集中 lru 字段值最小的数据淘汰出去。

这样Redis 缓存不用为所有数据维护一个大表，也不用在每次数据访问时都移动链表项，提升了缓存的性能。

2.LFU算法

LFU(Least Frequently Used)是Redis 4.0 引入的淘汰算法，它通过key的访问频率、访问时间比较来淘汰key，重点突出的是Frequently Used，LFU 算法更加重视元素的访问频率，而非最近一次访问时间。

（1）LFU算法根据缓存块的使用频率来决定哪些块应该被清除。具体来说，它会记录每个缓存块的使用次数，并按照使用次数从低到高排序。当缓存达到容量上限时，LFU算法会选择使用次数最少的缓存块进行清除，也就是最不经常使用的缓存块。

LFU算法的优点是能够有效地防止缓存溢出，并且能够最大限度地减少清除重要数据的概率。但是，由于需要记录每个缓存块的使用次数，因此LFU算法需要较大的内存空间，并且由于需要经常更新使用次数，因此其时间复杂度相对较高。

（2）Redis LFU 缓存淘汰算法。
Redis 中实现了基于 LFU 的缓存淘汰策略：volatile-lfu 和 allkeys-lfu。
Redis使用LFU策略淘汰数据时，选择 lru 字段最小的数据进行淘汰。等价于 优先淘汰访问次数少的数据，访问次数相等则淘汰时间戳最小 的数据。

总结：
在实际应用中，选择哪种淘汰策略取决于应用的需求和数据的重要性。对于重要的数据，应选择能够保留数据的策略，如volatile-lru，而对于非关键数据，可以选择随机淘汰random策略，或者完全不淘汰noeviction策略。