因为redis缓存的大小是远远低于数据库中的数据量，所以如果缓存满了的话，则要选择将缓存中的某些数据淘汰为新的数据腾出空间
缓存数据的淘汰机制包括两步：第一，根据一定的策略，筛选出对应用访问来说“不重要”的数据；第二，将这些数据从缓存中删除，为新来的数据腾出空间，
合理的缓存数据淘汰机制还有淘汰策略，能够提高缓存命中率，提升应用访问性能。
redis淘汰策略：
noeviction：不进行数据淘汰
进行数据淘汰：
在设置了过期时间的数据中进行淘汰：volatile-random、volatile-ttl、volatile-lru、volatile-lfu（Redis 4.0 后新增）
因为是对过期时间的数据进行淘汰，所以在键过期，或者缓存容量满了以后，过期键都会被删除
volatile-ttl 在筛选时：会针对设置了过期时间的键值对，根据过期时间的先后进行删除，越早过期的越先被删除。
volatile-random:针对过期的键随机删除
LRU：least recently used 最近最少使用 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，分别代表最近最常使用的数据和最近最不常用的数据。当缓存满了之后，即链表到达最末端，会删除LRU端的数据，然后将新访问的数据插入在MRU端（链头的位置）
缺点：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，需要在链表上把该数据移动到 MRU 端，如果有大量数据被访问，就会带来很多链表移动操作，会很耗时，进而会降低 Redis 缓存性能。
redis对于lru算法的优化：
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。Redis 默认会记录每个数据的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 在决定淘汰的数据时，第一次会随机选出 N 个数据，把它们作为一个候选集合。接下来，Redis 会比较这 N 个数据的 lru 字段，把 lru 字段值最小的数据从缓存中淘汰出去。通过maxmemory-samples参数来配置redis随机选出的数据个数。
记住此时删除的必然是过期的键，如果没有过期的键redis会返回拒绝写入错误
LFU：
LFU 策略中会从两个维度来筛选并淘汰数据：一是，数据访问的时效性（访问时间离当前时间的远近）（这一点与lru相同）；二是，数据的被访问次数。
LFU 缓存策略是在 LRU 策略基础上，为每个数据增加了一个计数器，来统计这个数据的访问次数。当使用 LFU 策略筛选淘汰数据时，首先会根据数据的访问次数进行筛选，把访问次数最低的数据淘汰出缓存。如果两个数据的访问次数相同，LFU 策略再比较这两个数据的访问时效性，把访问时间更久的数据淘汰出缓存。
在所有数据范围内进行淘汰：allkeys-lru、allkeys-random、allkeys-lfu
allkeys-lru：类比上面的讲解
allkeys-random：从所有键值对中随机选择并删除数据；
allkeys-lfu：类似上面所说。