必须设置maxmemory和淘汰策略：maxmemory限制内存上限（如2gb），maxmemory-policy选择allkeys-lru等8种策略之一，结合业务数据特性与访问模式精准选型，防止oom。
Java项目中用Redis防止物理内存被撑满，关键不是“等快满了再处理”，而是提前配置好内存上限和淘汰策略，让Redis自己在内存接近阈值时主动清理旧数据。核心动作就两步：设上限、选策略。
必须设置 maxmemory 限制
Redis默认不限制内存，不设这个值等于没上保险。在 redis.conf 中明确指定：
- maxmemory 2gb（建议设为服务器总内存的60%~75%，避免挤占系统和其他进程）
- 不要写成
maxmemory 0或留空，否则 Redis 会持续占用直到 OOM - Spring Boot 项目可通过
spring.redis.jedis.pool.max-memory或配置类动态设置，但最终仍需落地到 Redis 实例的maxmemory
根据业务选对淘汰策略（LRU/LFU）
Java应用调用 Redis 时，数据是否带过期时间（EXPIRE）决定了该用哪类策略：
Redis Skill - 高性能缓存管理
下载
Redis 缓存和数据结构管理技能。通过自然语言操作 Redis，支持 String、Hash、List、Set、ZSet、Stream 等数据结构操作。当用户提到 Redis、缓存、消息队列、会话存储时使用此技能。
-
只做纯缓存（如接口结果、计算中间值） → 用
allkeys-lru或allkeys-lfu。
所有 key 都可淘汰，无需手动加过期时间，客户端更轻量。 -
混用缓存+持久数据（如用户配置、白名单） → 用
volatile-lru或volatile-lfu。
只淘汰设置了EXPIRE的 key，永久数据不受影响。 -
访问有明显热点（比如 Top100 商品被反复查） → 优先选
allkeys-lfu。
它比 LRU 更擅长保留高频 key，冷门数据哪怕刚写入也会被快速清理。 -
访问较均匀或周期性较强（如每小时刷新的报表缓存） →
allkeys-lru更稳。
避免 LFU 计数器把短期爆发访问误判为长期热点。
调优采样精度与衰减行为
Redis 的 LRU/LFU 都是近似算法，靠采样而非全量扫描，可通过配置微调效果：
-
增大采样数：
maxmemory-samples 10（默认是 5），让 LRU 更接近真实最近访问顺序，代价是稍高 CPU 开销 -
调整 LFU 衰减：
lfu-decay-time 1（单位：分钟），控制计数器随时间自然下降的速度。
值越小，越快遗忘历史访问；适合访问模式变化快的场景（如促销期间流量突变） - 这些参数可在运行时用
CONFIG SET修改，无需重启 Redis
配合 Java 客户端做好兜底
策略生效的前提是 Redis 真的触发了淘汰，Java 层也要配合：
- 监控
evicted_keys指标（通过INFO memory或 Micrometer），持续上涨说明内存压力大或策略不合适 - 捕获
OOM command not allowed错误——这是noeviction策略下的典型报错，意味着你漏配了策略 - 避免在 Java 里大量写入超大 value（如 MB 级序列化对象），单个 key 过大会加速触达内存上限
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
