如果使用Redis的时候，不合理使用内存，把什么东西都放在内存里面，又不设置过期时间，就会导致内存的堆积越来越大。根据28法则，除了20%的热点数据之外，剩余的80%的非热点或不怎么重要的数据都在占用内存空间，这时就要使用一种淘汰策略来释放一些内存。Redis中提供了多种内存回收策略，当内存容量不足时，为了保证程序的运行，这时就不得不淘汰内存中的一些对 象，释放这些对象占用的空间，那么选择淘汰哪些对象呢？
在redis.conf 里面有个配置策略 maxmemory-policy ，它有几个可选值：
noeviction： 默认的策略，即当内存使用达到阈值的时候，所有引起申请内存的命令都会报错；
allkeys-lru：从数据集（server.db[i].dict）中挑选最近最少使用的数据淘汰 。
适用场景： 如果我们的应用对缓存的访问都是相对热点数据，就可以选择这个策略；
allkeys-random：随机移除某个key。
适合的场景：如果我们的应用对于缓存key的访问概率相等，则可以使用这个策略。
从已经设置了过期时间的key中去选择
volatile-random：从已设置过期时间的数据集（server.db[i].expires）中任意选择数据淘汰。
volatile-lru：从已设置过期时间的数据集（server.db[i].expires）中挑选最近最少使用的数据淘汰。
volatile-ttl：从已设置过期时间的数据集（server.db[i].expires）中挑选将要过期的数据淘汰；适合场景：这种策略使我们可以向Redis提示哪些key更适合被淘汰，可以自己控制 。
那么怎样保证Redis里面的数据都是热点数据？
可以使用LRU的淘汰策略，选择最近最少使用的数据全部淘汰掉，剩下的就是经常访问的数据，都是热点数据。
总结
实际上Redis实现的LRU并不是可靠的LRU，也就是名义上我们使用LRU算法淘汰内存数据，但是实际上被淘汰的键 并不一定是真正的最少使用的数据，这里就要权衡了，如果需要在所有的数据中搜索符合条件的数 据，那么一定会增加系统的开销，Redis是单线程的，所以耗时的操作会谨慎一些。为了在一定成本内实现相对的 LRU，早期的Redis版本是基于采样的LRU，也就是放弃了从所有数据中搜索解，改为采样空间搜索优解。Redis3.0 版本之后，Redis作者对于基于采样的LRU进行了一些优化，目的是在一定的成本范围内让结果更靠近真实的LRU。