首页 > 数据库 >Redis键过期删除策略使用小结

Redis键过期删除策略使用小结

来源：互联网 2026-07-07 09:09:06

Redis 的 Key 过期删除策略，可以说是其内存管理中最有趣、也最常被问到的部分。它并不是靠单一机制来清理过期数据，而是有一套组合拳：被动删除和主动删除双管齐下。这套设计到底是怎么运作的？我们一步步拆开看。 1. 被动删除（惰性删除 - Lazy Expiration）工作原理说白了就是：你

Redis 的 Key 过期删除策略，可以说是其内存管理中最有趣、也最常被问到的部分。它并不是靠单一机制来清理过期数据，而是有一套组合拳：被动删除和主动删除双管齐下。这套设计到底是怎么运作的？我们一步步拆开看。

1. 被动删除（惰性删除 - Lazy Expiration）

工作原理

说白了就是：你不找我，我就不删。当客户端发起请求、访问某个 Key 时，Redis 会先检查一下这个 Key 是否已经过期。如果过期了，当场删除，然后返回 nil——就像它从来没存在过一样。如果还活着，那就正常返回数据。

长期稳定更新的攒劲资源： >>>点此立即查看<<<

优点

对 CPU 极其友好。只有在被访问的那一刻才消耗资源，其他时间完全不动。简单直接，不影响那些无人问津的 Key。

缺点

对内存不太友好。如果某些过期 Key 永远没人访问，它们就会一直赖在内存里不走。极端情况下，可能造成内存浪费甚至是“泄露”。

2. 主动删除（定期删除 - Periodic Expiration）

工作原理

既然光靠被动删除不靠谱，Redis 还会主动出击。它以一个固定的频率（默认每秒 10 次）执行以下步骤：

随机抽检：从设置了过期时间的 Key 集合中，随机挑出 20 个。
过期清理：把这 20 个里面已经过期的 Key 删除掉。
动态循环：如果这次抽检中，超过 25% 的 Key 都过期了，那就说明过期 Key 积压严重，需要继续重复步骤 1 和 2。
时间阀值：为了防止影响主线程，每次扫描最多只持续 25ms。时间一到，不管清没清完，立刻收工。

对应的配置参数（在 redis.conf 中）：

# 每秒执行过期扫描的次数（默认 10）
hz 10

# 每次扫描的 CPU 时间百分比上限（默认 25%）
# 实际上每次扫描最多 25ms（1000ms / hz * 25%）

优点

能在内存中减少过期 Key 的堆积，在 CPU 消耗和内存占用之间找到一个不错的平衡点。

缺点

不是实时的，可能存在某个 Key 已经过期几分钟了，但还没被扫描到的情况。而且，定期执行本身也增加了一定的 CPU 开销。

3. 内存淘汰策略（Eviction Policies）

如果说前两种策略是“日常保洁”，那当内存真的撑不住了——也就是达到了 maxmemory 限制时——Redis 就会启动最后防线：根据你配置的淘汰策略来强行腾空间。

# 内存限制（默认不限制）
maxmemory 

# 淘汰策略
maxmemory-policy

可选的淘汰策略有这么几种：

策略	描述	适用场景
noeviction	不淘汰，直接返回错误	数据绝对不能丢失
allkeys-lru	从所有 Key 中选出最近最少使用的淘汰	需要缓存效果
volatile-lru	从设置了过期时间的 Key 中选出最近最少使用的淘汰	混合使用
allkeys-random	从所有 Key 中随机淘汰	所有 Key 同等重要
volatile-random	从设置了过期时间的 Key 中随机淘汰	混合使用
volatile-ttl	淘汰即将过期的 Key（TTL 最小的）	优先保留新数据
allkeys-lfu	从所有 Key 中选出最不经常使用的淘汰（4.0+ 版本）	访问频率更重要
volatile-lfu	从设置了过期时间的 Key 中选出最不经常使用的淘汰（4.0+ 版本）	混合使用

4. 实际工作流程示例

Redis键过期删除策略使用小结

5. 性能优化建议

监控过期 Key 数量

想知道系统中有多少 Key 已被清理？可以这样查：

redis-cli info stats | grep expired_keys

合理配置 hz 值

hz 值决定了主动扫描的频率。

hz 100   # 更高频率，清理更及时，但 CPU 消耗也更高
hz 1     # 更低频率，CPU 友好，但可能导致过期 Key 堆积

避免大量 Key 同时过期

这是一个非常经典的优化点。如果大批 Key 在同一秒过期，会导致 Redis 在那一瞬间的 CPU 飙升。通常的做法是加入随机偏移量：

# 不好的做法：同时设置相同过期时间
for i in range(100000):
    redis.set(f"key:{i}", "data", ex=3600)

# 好的做法：添加随机偏移
for i in range(100000):
    redis.set(f"key:{i}", "data", ex=3600 + random.randint(0, 300))