本文围绕 Redis 过期数据删除策略，聚焦在生产环境中的高效内存回收与性能优化，帮助工程师从原理到落地实现建立完整的认知体系。核心关注点包括过期键的删除机制、内存回收策略的配置以及对性能的影响评估，从而在高并发场景下实现稳定的内存管理。
1. 过期数据删除策略总览
1.1 主动清理与惰性删除的对比
在 Redis 的过期数据处理体系中，主动清理（主动过期）与惰性删除（被动删除/懒惰删除）各有触发时机与成本。主动清理通过定期扫描和删除过期键来减少内存占用，代价是额外的CPU与I/O开销；惰性删除则在访问键时才检查并删除已过期的键，成本分散但短期内内存回收会滞后。
理解这两者的权衡对生产环境至关重要，因为不当的策略会导致峰值内存抖动、GC 风险上升、以及延迟上升。在高并发应用中，往往需要结合场景选择合适的删除方式与时间窗。
在实际应用中，Redis 的默认实现会结合两种方式进行处理：定期的主动过期与按需的惰性删除共同维持键空间的健康。这既保证了内存不被无效数据长期占用，也尽量避免对实时请求路径的干扰。
2. 过期数据的主动删除与惰性删除工作机制
2.1 主动 expiration 的工作流程
主动过期通常通过一个后台任务周期性扫描键空间来发现并删除已过期的键，该过程不等待请求来驱动，而是定时触发。在 Redis 的实现中，后台存活的计时器会对一定范围内的键做 TTL 检查，并对已经到期的键执行 DEL 操作，避免无效数据长期占用内存。
主动清理的效率取决于扫描算法、批量大小以及内存分配的碎片情况。合理的 COUNT 与 MATCH 配置可以控制每次扫描的成本，避免对生产端请求路径造成突然的 CPU 峰值。
被动删除与主动删除的边界在于：主动删除尽力提前释放内存；被动删除则确保在访问时及时清理。两者叠加可实现长期稳定的内存容量控制，尤其在容量受限的生产环境中尤为关键。
3. 生产环境中的内存回收与性能优化
3.1 配置要点与策略选择
在生产环境中，核心目标是实现高效内存回收、稳定的吞吐量、以及可预测的响应时间。首先需要设置合理的内存上限（maxmemory）以及相应的淘汰策略（maxmemory-policy），以确保在压力时刻系统能够优先保留最有用的数据。
常见的淘汰策略包括allkeys-lru、volatile-lru、allkeys-random、volatile-random、volatile-ttl等。选择取决于数据是否设定过期时间、访问模式与缓存容错需求。对于大多数全局缓存场景，allkeys-lru 是较常用的默认选项，但在稀缺内存且需要保留热数据时，volatile-ttl 能更有效地保留即将过期的键。
生产级优化还包括对内存分配器、碎片率与持久化策略的综合考量。jemalloc 及其变体通常对内存碎片及分配速率有积极影响，同时需要监控 mem_fragmentation_ratio、used_memory_overhead 等指标来评估实际效果。
# 示例：设置内存上限与淘汰策略
CONFIG SET maxmemory 2gb
CONFIG SET maxmemory-policy allkeys-lru# 证据性检查
INFO memory | grep -E 'used_memory|mem_fragmentation_ratio|maxmemory'
除了全局配置，命名实践也影响内存回收效果。将热数据与冷数据分离到不同的命名空间或数据库，结合过期时间管理，可以提升淘汰的命中率以及缓存命中效率。
# 示例：使用带 TTL 的键来识别可淘汰数据
SET user:123:session EX 3600
SET product:987:rating EX 600
在持续集成与运维方面，应建立内存使用基线、吞吐量目标以及淘汰策略的可观测性，确保在变更配置后仍能维持稳健的性能表现。
4. 实战场景与监控策略
4.1 监控指标与日常运维
要实现生产环境中的稳定运行，必须关注一组关键指标：used_memory、maxmemory、mem_fragmentation_ratio、evicted_keys、keyspace_hits、keyspace_misses等。通过这些指标可以判断内存压力、淘汰效果以及缓存命中效率。
常用的监控手段包括对 INFO memory、INFO stats、INFO memory 的周期性采集，以及结合外部监控平台的自定义告警。合理的告警阈值应覆盖内存上限接近、碎片率异常、以及淘汰速率异常等场景。
此外，运行时也可对过期键的分布进行跟踪，例如通过 SCAN、TTL、PTTL 等命令组合，逐步评估不同数据集的过期行为，并据此微调 maxmemory 与 maxmemory-policy。
# 监控命令示例
redis-cli --stat --no-auth-warning
redis-cli INFO memory
redis-cli INFO stats
redis-cli SCAN 0 MATCH '*' COUNT 1000
在监控层面，推荐建立以“内存健康”为核心的仪表盘，包含 used_memory、mem_fragmentation_ratio、evicted_keys等核心指标，以及对吞吐量、延迟和命中率的综合视图。通过可视化趋势可以在发生容量瓶颈时提前采取扩容或优化策略，避免生产环境的突发降级。
5. 常用脚本与示例
5.1 批量清理与 Lua 脚本
为避免每次都触发完整的全量扫描，真正高效的做法是在定时任务中以小批量、低成本的方式执行清理。下面给出一个可在 Redis 中执行的 Lua 脚本示例，用于批量清理 TTL 小于 60 秒的键，降低接近过期键的内存占用压力。
注意：该脚本用于演示批量清理策略，实际使用时应结合业务数据分布和性能要求进行调整。
-- Lua 脚本：批量清理 TTL<60 的键
-- 循环分段遍历键，删除即将过期的键以缓解高并发时的内存压力
local cursor = "0"
repeatlocal res = redis.call("SCAN", cursor, "MATCH", "*", "COUNT", 1000)cursor = res[1]local keys = res[2]for i, key in ipairs(keys) dolocal ttl = redis.call("TTL", key)if ttl > 0 and ttl < 60 thenredis.call("DEL", key)endend
until cursor == "0"
另一个常用的场景是在应用层与 Redis 之间实现一个稳健的缓存失效策略，例如结合过期时间字段+分布式锁来避免脏数据与缓存穿透。下面是一个简单的示例命令，演示如何通过 TTL 来驱动缓存失效策略：
# 示例：设置带 TTL 的缓存并在键接近过期时主动通知外部清理
SET product:001:info EX 300
# 触发机制示例（外部系统接收通知后进行清理）
PUBLISH cache:warning "product:001:info will expire in less than 5 minutes"
通过以上脚本与命令，可以实现对过期数据的可控回收，达到在生产环境中高效内存回收与性能优化并重的目标。结合前述的配置与监控策略，能够在高并发场景下保持稳定的缓存命中率与低延迟。
