Redis里那些删数据的套路，怎么才能不慌乱优雅地搞定删除策略

网络技术社区、博客及官方文档的常见讨论与实践经验总结）

说到Redis删数据,这事儿可大可小，删得不好，轻则服务卡顿，用户体验受损，重则数据丢失，引发线上事故，搞清楚Redis里那些删数据的“套路”，做到心里有数，操作起来才能不慌乱，甚至有点优雅。

咱们得明白一个核心问题：Redis是内存数据库，内存是有限的、宝贵的，当内存不够用时，怎么办？Redis自己有一套自动清理的机制，这叫内存淘汰策略，这是Redis被动删除数据的主要方式，你可以在配置文件里设置maxmemory-policy来决定当内存满了以后，Redis怎么干活儿。

这策略有好几种,

• allkeys-lru：这是最常用的策略之一，LRU是“最近最少使用”的意思，它会尝试淘汰掉所有key中，最近一段时间最少被访问的那些数据，这比较适合那种你不太关心数据是不是过期了，只想保留热点数据的场景。
• volatile-lru：这个只针对那些设置了过期时间（TTL）的key，从这些“带期限”的key里淘汰最近最少使用的。
• allkeys-random：简单粗暴，从所有key里随机挑一些出来淘汰，这听起来有点随意，但在某些特定场景下也可能有用。
• volatile-random：同样，只从设了过期时间的key里随机淘汰。
• volatile-ttl：这个策略更关注“寿命”，它会优先淘汰掉过期时间更短（TTL值越小）的key，也就是那些快要不行的数据。
• noeviction：这是默认策略，意思是“不淘汰”，当内存不够用时，新写入的操作会报错，读操作正常，这适合你非常确定不能丢失任何数据，宁愿让写请求失败也要人工介入的场景。

优雅的第一步,就是根据你的业务特点，选对内存淘汰策略，比如你的数据大部分都设置了过期时间，且可以接受部分数据丢失，那么volatile-lru可能是个好选择，如果你的Redis是当作缓存用的，那么allkeys-lru通常很合适。

除了Redis被动的淘汰,我们更多时候要面对的是主动删除，你想清理一批没用的key，或者下线某个功能模块相关的数据，这时候，莽撞地直接使用DEL命令可能会出问题。

DEL命令是同步的，意味着Redis服务器在执行删除时，会阻塞其他命令的执行，如果你要删除的是一个包含百万个元素的超大集合（Big Key），或者一次性删除成千上万个key，那服务器可能会“卡住”好几秒甚至更久，这对于线上服务简直是灾难。

那怎么办呢？这里就有几个更优雅的“套路”了：

使用UNLINK代替DEL来源：Redis 4.0版本开始引入的新命令） 这是应对大Key删除的首选方案。UNLINK命令和DEL的区别在于，它是“异步”的，当你执行UNLINK时，Redis会先把key从 keyspace（键空间）里移除，这样客户端立刻就无法访问到这个数据了，真正的内存释放操作会在后台由一个专门的线程慢慢处理，这样就不会阻塞主线程，你的服务依然能快速响应其他请求，在现在普遍使用Redis 4.0+版本的情况下，除非有特殊原因，否则应该优先使用UNLINK。

对于超大批量key的删除，使用游标扫描来源：应对KEYS命令缺陷的最佳实践） 我们需要根据模式匹配来删除一批key，比如删除所有以user:session:开头的会话数据，新手可能会想到用KEYS user:session:*命令先找出所有key，然后再用DEL删，但KEYS命令是阻塞式的，它会遍历整个数据库的所有key，如果key数量巨大，这个命令本身就会导致服务暂时停摆，非常危险。

正确的姿势是使用SCAN命令。SCAN命令通过游标方式增量式地遍历数据库，每次只返回一小部分key，不会长时间阻塞服务器，你可以写一个简单的脚本或程序，循环调用SCAN，匹配到你要删除的key，然后对每个key使用UNLINK命令，这样就像“蚂蚁搬家”一样，一点点地、平滑地把数据清理掉，对服务的影响可以降到最低。

善用过期时间，让数据“自动消失” 最高级的删除，是不用手动删除，在设计数据存储时，就为那些有生命周期的数据合理地设置过期时间（TTL），比如用户登录凭证、短信验证码、临时缓存等，只要给SET命令加上EX参数（SET key value EX 3600），Redis就会在时间到期后自动删除它们，这种删除也是Redis在后台异步处理的，虽然不保证绝对准时，但绝大多数情况下都很及时，而且完全不用你操心，这相当于把删除的负担平摊到了整个时间线上，是最优雅的方式。

终极优雅：考虑使用Redis模块来源：Redis企业级解决方案的讨论） 对于一些极其复杂的删除逻辑，比如需要根据value的内容来判定是否删除，或者要联动删除多个相关联的数据结构，可以考虑使用Redis Modules（模块），比如RedisBloom模块提供了布隆过滤器，可以用于高效判断大量数据是否存在，辅助删除决策，但这通常需要更深入的开发，属于更高级的用法。

想要优雅地搞定Redis删除,核心思路就几点：理解并配置好自动淘汰策略作为底线；主动删除时，用异步的UNLINK替代同步的DEL；批量删除时，用SCAN迭代避免阻塞；在架构设计之初，就为临时数据安排好自动过期的“宿命”，把这些套路变成习惯，面对Redis数据删除时，你自然就能从容不迫，优雅应对了。