非关系型数据库NoSQL
存储结构是Key-Value
直接存在内存里面，所以读写速度非常快，被用于缓存技术(有些数据更新频率低即不怎么变动，读取频率高，就可以将其存在缓存里面）
你要考虑一个问题，在某个特定业务场景下，你是用redis作为数据库，还是mysql作为数据库呢?
缓存情形下肯定用redis
1.Redis 过期策略
使用 定期删除 + 懒惰删除 删除过期的 Key
（1）定时删除：对key-value设置一个过期时间，过期时间到达立即删除这个键值对
由于删除需要占用cpu，所以会影响速度，所以这就是用时间换空间
（2）懒惰删除：键值对到达过期时间，不删除，不做任何处理
等到下次访问该数据时，如果没有过期就返回数据，过期了就删除，返回不存在
要用的时候才检查这个键值对是否过期
这就会发现内存里会存很多的数据，但不需要cpu去定期清理，所以速度很快，拿空间换时间
显然，这两种方法都太极端了，折中方案就是定期删除
每隔一段时间，对一些key进行检查，删掉这些key里面的过期的
2.Redis内存淘汰机制
一般来说，缓存的容量是小于数据总量的，所以，当缓存数据越来越多，Redis 不可避免的会被写满，这时候就涉及到 Redis 的内存淘汰机制了。我们需要选定某种策略将“不重要”的数据从 Redis 中清除，为新的数据腾出空间。
根据二八原理：80% 的请求访问了 20% 的数据，将Redis缓存设置为数据总量的20%，（一般将缓存容量设置为总数据量的15%-30%）
Redis4.0版本之前有6种策略，4.0增加了2种（主要增加了LFU算法，allkeys-lfu和volatile-lfu）
8种淘汰策略：
（1）noevition，也就是不淘汰，不会对缓存的数据进行淘汰，当内存不够了就会报错
以allkeys开头的策略是针对所有数据的：一旦数据被选中了，即使过期时间没到，也会被删除，
如果过期时间到了，但是没有被策略选中，同样会被删除
（2）allkeys-random：随机删除
（3）allkeys-lru：使用 LRU 算法进行筛选删除
（4）allkeys-lfu：使用 LFU 算法进行筛选删除
针对设置了过期时间的数据，即使缓存没有被写满，数据过期也会被删除
（5）volatile-random：随机删除
（6）volatile-ttl：根据过期时间先后进行删除，越早过期的越先被删除
（7）volatile-lru：使用 LRU 算法进行筛选删除
（8）volatile-lfu：使用 LFU 算法进行筛选删除
LRU算法：Least Recently Used，即最近最少使用，将最近最不常用的数据选出来，保留那些最近频繁使用的数据，LRU 会把所有数据组成一个链表，链表头部称为 MRU，代表最近最常使用的数据；尾部称为 LRU代表最近最不常使用的数据（ 即队头是常用数据，队尾是不常用数据）
举个例子，链表长度固定为4：
现在我们访问了3，于是将3这个节点拿到队头
现在又访问了2这个节点，将它拿到队头：
最后写入5，由于链表长度固定为4，所以需要移除一个节点，把队尾最不常用的4移除掉
由于如果真的用链表管理所有缓存的数据，这会给 Redis 带来额外的巨大开销，而且，当有数据访问时就会有链表移动操作，会大大降低 Redis 的性能。于是，Redis 对 LRU 的实现进行了一些改变（称之为近似的LRU算法）：
记录每个 key 最近一次被访问的时间戳（用一个lru字段来记录），维护一个固定容量的集合
（1）先随机选择 N 个数据作为一个候选集合
（2）继续挑选数据进入集合，进入集合的条件是：它的 lru 大于候选集合中最小的 lru，到达最大容量之后，将 lru 值小的数据淘汰出去。（lru值越小，说明最近一次被访问的越早）
LFU算法
Least Frequently Used，即最不经常使用策略，它是基于数据访问次数来淘汰数据的（LRU是基于最后一次访问的时间来淘汰数据的）
为每个数据增加了一个计数器，来统计这个数据的访问次数。
把访问次数最低的数据淘汰，如果访问次数相同，再根据访问的时间，将访问时间戳最小的淘汰。
