本文讨论了Redis在内存达到上限时如何驱逐有效的key，重点分析了maxmemory和maxmemory-policy的作用。Redis采用近似LRU策略，通过随机采样和淘汰池来决定驱逐对象，避免了全局链表的复杂性。文章还介绍了不同的驱逐策略及其适用场景，以及内存管理中的常见误解和注意事项。

本文介绍了Redis 4.0和6.0的热点key发现机制及客户端缓存原理。Redis 4.0采用基于LFU的热点key发现，通过访问频率和概率计数器实现；而Redis 6.0则通过Tracking机制解决客户端缓存一致性问题，支持默认和广播模式，并优化了缓存失效通知。

本文介绍了Redis 4.0及以上版本的热点key发现机制，基于LFU（最不经常使用）算法，通过维护访问频率计数器识别热点key，并使用概率计数器控制计数器增长。Redis 6.0引入客户端缓存方案，通过Tracking机制实现客户端与Redis数据的一致性，支持默认模式和广播模式，优化了缓存失效通知。

Redis有多种数据淘汰策略，包括LRU、LFU、TTL、随机和无淘汰策略。可以通过配置文件中的"maxmemory-policy"参数选择策略。建议根据实际需求选择合适的策略来平衡内存使用和数据访问性能。无淘汰策略可能导致内存溢出，建议进行配置。

缓存淘汰算法，在进程中也被称作页面置换算法，即程序在运行时，若新访问的不在内存中而需将其存入内存，若此时内存已无多余空间，此时就需要从内存中清除一些数据来存储最新的访问数据，而这个算法就是针对需要淘汰的数据给出最优、最高效和命中率最高的方案.

Least Frequently Used (LFU) 是一种常见的缓存淘汰算法，译为“最近最不经常使用”，也就是将缓存中使用次数最少的数据淘汰掉。 有两种常见的实现方法 小顶堆 + hashmap，插入和删除的复杂度为O(logN), 但淘汰相同访问次数的节点是不稳定的，因为堆排序不稳定。 数组存储数据项 + hashmap记录数据项index, 淘汰缓存的复杂度为O(N)

已经 0202 年了，大厂面试手撸算法题已经是标配。第一轮就遇到手撸 LRU / LFU 的几率还是挺大的。LeetCode 上146. LRU Cache 和 460. LFU Cache，