Redis内存优化与淘汰策略
Redis是内存数据库，内存是最宝贵的资源。当内存使用达到上限时，Redis会根据配置的淘汰策略（maxmemory-policy）删除部分数据。选择正确的淘汰策略，配合合理的数据结构设计，可以最大化Redis的利用效率。
内存使用分析
使用 redis-cli info memory 查看内存概况。关键指标：used_memory（实际使用内存）、used_memory_rss（操作系统分配的内存）、mem_fragmentation_ratio（内存碎片率，建议1-1.5之间）。
使用 redis-cli --bigkeys 扫描大Key（占用内存过大的Key）。大Key是内存浪费的常见原因，比如一个Hash存了几百万个字段，或者一个List有几万个元素。大Key应该拆分或迁移到专门的存储。
数据结构优化
Hash：当字段数少于128、值小于64字节时，Redis会使用ziplist编码，内存占用极小。超过阈值后转为hashtable，内存增加约3倍。所以尽量控制Hash的大小。
Set/ZSet：类似地，小数据量时使用intset/ziplist编码。设置 set-max-intset-entries 和 zset-max-ziplist-entries 控制阈值。
String：使用 SET key value EX seconds 设置过期时间，避免无用Key永久占用内存。对于计数器场景，使用 INCRBY 而非存储JSON。
淘汰策略
Redis支持8种淘汰策略，最常用的是：
- allkeys-lru：从所有Key中淘汰最近最少使用的。适合缓存场景（允许数据丢失）。
- volatile-lru：只从设置了过期时间的Key中淘汰。适合混合场景（部分数据需要持久化）。
- allkeys-lfu：淘汰最不经常使用的Key（Redis 4.0+）。比LRU更精准，推荐。
- noeviction：不淘汰，内存满时拒绝写入。适合不允许数据丢失的场景（但会导致写入失败）。
阿里云Redis特殊优化
阿里云Redis支持内存碎片自动整理，在控制台开启即可。支持代理模式（Cluster），数据自动分片到多个节点，单节点内存压力小。开启持久内存（AEP）实例可以进一步降低内存成本。