一、LRU简介
LRU是Least Recently Used的缩写，即：最近最少使用。
它是内存管理中的一种页面置换算法，对于在内存中但是又不用的数据块，操作系统会根据哪些数据属于LRU而将其移除内存而腾出空间来加载另外的数据。
二、redis LRU
官方文章：https://redis.io/topics/lru-cache#using-redis-as-an-lru-cache
redis常常被用作缓存，当有新的数据进来的时候会自动驱逐旧的数据。LRU是memcached 默认的驱逐策略，在开发者当中也是常常被提及的。
1）最大内存配置
在redis LRU缓存使用中，你需要配置最大内存。最大内存的作用是限制redis的内存使用，当内存使用接近最大值的时候就会根据驱逐策略进行旧数据驱逐。
你可以通过redis.conf配置：
macmemory 100mb
当然新版的redis可以通过命令来配置你可以使用命令
config set maxmemory ‘100mb‘
来配置
2）驱逐策略
最大内存限制了内存的使用以及临界值，那么驱逐策略则定义旧数据的驱逐方式，可用的策略有以下几种：
1、noeviction: 当接近最大值的时候报错
2、allkeys-lru: 移除所有keys中最近最少使用的key
3、volatile-lru: 移除所有携带过期时间(expire set)的keys中最少使用的key
4、allkeys-random: 随机移除所有key
5、volatile-random: 随机移除所有携带过期时间(expire set)的key
6、volatile-ttl: 移除携带过期时间(expire set)，且剩余过期时间更短的key
3) 执行流程
1、当客户端发送一个命令，需要新增数据
2、服务端会检查内存使用情况，如将要大于限制，它就会根据驱逐策略驱逐key以释放空间;
3、新命令被执行，以此类推。
4）近似LRU算法
事实上，Redis LRU 算法并不完全是LRU算法的实现，只能说是接近于LRU算法。尤其是在3.0版本以后已经非常接近LRU算法了。
Redis LRU 算法不会计算出所有keys当中最接近的（因为会比较耗内存），而是从所有key当中挑选出样本，然后再挑选样本的算法基础上驱逐最接近的。
你可以配置样本的数量：
maxmemory-samples 5
我们看官方网站提供的一张对比图，LRU算法和Redis LRU算法的对比：
说明：1、绿色区域是新增数据；2、灰色区域是未驱逐数据；3、浅灰色区域是驱逐数据。
左上角是LRU算法，右上角是样本为10的Redis3.0 LRU算法，左下角是样本为5的Redis 2.8 LRU算法，右下角是样本为5的Redis3.0 LRU。
很明显，相同样本的情况下，3.0版本较2.8版本有了很大程度的进步，更接近LRU算法。
在3.0版本中样本为10较样本为5的情况来说已经非常接近LRU算法。
三、Redis LFU
从redis4.0开始，提供了一种新的策略LFU （Least Frequently Used eviction mode），意识就是根据历史的最少访问频率来决定驱逐的数据。这种策略的中心思想是认为，如果该数据历史访问频率很高，那么在未来的访问频率也会很高。
LFU有两种选择：
1）volatile-lfu: 从携带过期时间的keys中选择历史访问最少的key
2) allkeys-lfu: 从所欲keys中选择历史访问最少的key
四、LFU算法介绍：
在redis中每个对象都有24bits空间来记录LRU/LFU信息：
当这24bits用作LFU时，其被分为两部分：
1、高16位用来记录访问时间（单位：分钟）
2、低8位用来记录访问频率，简称（counter）
我们来看counter：基于概率的对数计数器
我们通常计数器就是直接递增，但redis的计数器只有8bits最大值也就是2^8 - 1 = 255 ，如果采用直接递增的方式那么最多只能记录255频率。
因此，redis在这里采用了概率对数的方法，在默认概率椅子配置：lfu_log_factor = 10 的情况下，8bits可以表示100万的访问频率。
概率对数的算法让8bits可以记录很高的访问频率，但是如果计数器只做增长，就无法区分热点key。可能出现的情况就是即使长时间没有访问，它的访问频率依然很高。
针对这种情况，redis提供了一个衰减因子lfu_decay_time（单位：分钟），目的就是如果一个key长时间没有被访问那么计数器就要减少，减少的值由衰减因子来控制。
redis的默认值为1，意思是如果N分钟没有被访问，那么计数器就减 1 * N。
上面的概率因子和衰减因子，redis都有默认值，当然也可以进行配置：
lfu-log-factor 10 lfu-decay-time 1
Redis LFU算法可以参考文章：https://yq.aliyun.com/articles/278922
原文地址：https://www.cnblogs.com/lay2017/p/9271440.html