我们知道redis是一个非常常用的内存型数据库，数据从内存中读取是它非常高效的原因之一，那么但是如果有一天，「redis分配的内存满了怎么办」？遇到这个面试题不要慌，这种问题我们分为两角度回答就可以：
「redis会怎么做」？
「我们可以怎么做」？
这种方法很暴力，也很好用，我们直接通过增加redis的可用内存就可以了， 有两种方式
「通过配置文件配置」//设置redis最大占用内存大小为1000M
maxmemory 1000mb
通过在redis安装目录下面的redis.conf配置文件中添加以下配置设置内存大小
「通过命令修改」//设置redis最大占用内存大小为1000M
127.0.0.1:6379> config set maxmemory 1000mb
redis支持运行时通过命令动态修改内存大小
这种方法是立竿见影的，reids 内存总归受限于机器的内存，也不能无限制的增长，那么如果没有办法再增加 redis 的可用内存怎么办呢？
实际上Redis定义了「8种内存淘汰策略」用来处理redis内存满的情况：
1.noeviction：直接返回错误，不淘汰任何已经存在的redis键2.allkeys-lru：所有的键使用lru算法进行淘汰3.volatile-lru：有过期时间的使用lru算法进行淘汰4.allkeys-random：随机删除redis键5.volatile-random：随机删除有过期时间的redis键6.volatile-ttl：删除快过期的redis键7.volatile-lfu：根据lfu算法从有过期时间的键删除8.allkeys-lfu：根据lfu算法从所有键删除
这些内存淘汰策略都很好理解，我们着重讲解一下lru，lfu，ttl是怎么去实现的
lru是Least Recently Used的缩写,也就是「最近很少使用」,也可以理解成最久没有使用。最近刚刚使用过的，后面接着会用到的概率也就越大。由于内存是非常金贵的，导致我们可以存储在缓存当中的数据是有限的。比如说我们固定只能存储1w条，当内存满了之后，缓存每插入一条新数据，都要抛弃一条最长没有使用的旧数据。我们把上面的内容整理一下，可以得到几点要求：
「1.保证其的读写效率，比如读写的复杂度都是O(1)」
「2.当一条数据被读取，将它最近使用的时间更新」
「3.当插入一条新数据的时候，删除最久没有使用过的数据」
所以我们要尽可能的保证查询效率很高，插入效率很高，我们知道如果只考虑查询效率，那么hash表可能就是最优的选择，如果只考虑插入效率，那么链表必定有它的一席之地。
但是这两种数据结构单独使用，都有它的弊端，那么说，有没有一种数据结构，既能够保证查询效率，又能够保证插入效率呢？于是 hash+链表这种结构出现了
hash表用来查询在链表中的数据位置，链表负责数据的插入 当新数据插入到链表头部时有两种情况；
1.当链表满的时候，将链表尾部的数据丢弃。
这个比较简单，直接将链表尾部指针抹去，并且清除对应hash中的信息就好了
2.每当缓存命中（即缓存数据被访问），则将数据移到链表头部；
这种情况我们发现，如果命中到链表中间节点，我们需要做的是
1).将该节点移到头节点
2).「将该节点的上一个节点的下一个节点，设置为该节点的下一个节点」，这里就会有一个问题，我们无法找到该节点的上一个节点，因为是单向链表，所以，新的模型产生了。
这时双向链表的作用也提现出来了。能直接定位到父节点。这效率就很高了。而且由于双向链表有尾指针，所以剔除最后的尾节点也十分方便，快捷
LFU:Least Frequently Used，最不经常使用策略,在一段时间内,数据被「使用频次最少」的,优先被淘汰。最少使用（LFU）是一种用于管理计算机内存的缓存算法。主要是记录和追踪内存块的使用次数,当缓存已满并且需要更多空间时，系统将以最低内存块使用频率清除内存.采用LFU算法的最简单方法是为每个加载到缓存的块分配一个计数器。每次引用该块时，计数器将增加一。当缓存达到容量并有一个新的内存块等待插入时，系统将搜索计数器最低的块并将其从缓存中删除。
这里我们提出一种达到 O(1) 时间复杂度的 LFU 实现方案，它支持的操作包括插入、访问以及删除
如图：
由两个双向链表+哈希表组成，上方的双向链表用来计数，下方的双向链表用来记录存储的数据，该链表的头节点存储了数字，哈希表的value对象记录下方双向链表的数据 我们这里按照插入的流程走一遍:
将需要存储的数据插入
在hash表中「存在」，找到对应的下方双向链表，将该节点的上一个节点和该节点的下一个节点相连（这里可能只有自己，直接移除就好），然后判断自己所在上方双向链表的计数是否比当前计数大1
「如果是」，则将自己移到该上方双向链表，并且「判断该双向链表下是否还有元素」，如果没有，则要删除该节点
「如果不是或者该上方双向列表无下个节点」则新加节点，将计数设为当前计数+1
在hash表「不存在」，将数据存入hash表，将数据与双向链表的头节点相连（这里有可能链表未初始化）
这样当查找，插入时效率都为O(1)
redis针对TTL时间有专门的dict进行存储，就是redisDb当中的dict *expires字段，dict顾名思义就是一个hashtable，key为对应的rediskey，value为对应的TTL时间。?dict的数据结构中含有2个dictht对象，主要是为了解决hash冲突过程中重新hash数据使用。
TTL设置key过期时间的方法主要是下面4个：
expire 按照相对时间且以秒为单位的过期策略
expireat 按照绝对时间且以秒为单位的过期策略
pexpire 按照相对时间且以毫秒为单位的过期策略
pexpireat 按照绝对时间且以毫秒为单位的过期策略
expire expireat pexpire pexpireat
从实际设置过期时间的实现函数来看，相对时间的策略会有一个当前时间作为基准时间，绝对时间的策略会「以0作为一个基准时间」。
整个过期时间最后都会换算到绝对时间进行存储，通过公式基准时间+过期时间来进行计算。?对于相对时间而言基准时间就是当前时间，对于绝对时间而言相对时间就是0。?中途考虑设置的过期时间是否已经过期，如果已经过期那么在master就会删除该数据并同步删除动作到slave。?正常的设置过期时间是通过setExpire方法保存到 dict *expires对象当中。
redis什么时候执行淘汰策略？
在redis种有三种删除的操作此策略
定时删除：对于设有过期时间的key，时间到了，定时器任务立即执行删除
因为要维护一个定时器，所以就会占用cpu资源，尤其是有过期时间的redis键越来越多损耗的性能就会线性上升
惰性删除：每次只有再访问key的时候，才会检查key的过期时间，若是已经过期了就执行删除。
这种情况只有在访问的时候才会删除，所以有可能有些过期的redis键一直不会被访问，就会一直占用redis内存
定期删除：每隔一段时间，就会检查删除掉过期的key。
这种方案相当于上述两种方案的折中，通过最合理控制删除的时间间隔来删除key，减少对cpu的资源的占用消耗，使删除操作合理化。
