当前位置:首页 > 文章列表 > 数据库 > Redis > Redis无maxmemory配置会自动淘汰吗?

Redis无maxmemory配置会自动淘汰吗?

2026-04-05 23:06:26 0浏览 收藏
Redis在未显式配置maxmemory时,根本不会启动任何内存淘汰机制——默认的noeviction策略意味着它既不主动驱逐key,也不做任何内存释放尝试,而是持续分配内存直至触发系统级OOM Killer强制杀进程,造成生产环境中难以察觉的“静默崩溃”;这一设计并非疏忽,而是将内存上限视为严格的业务契约,要求运维必须根据实际RSS(而非系统可用内存)精准设定字节级maxmemory值,并理解淘汰仅在写命令执行时同步触发、存在固有延迟等关键行为边界,否则即使配置了淘汰策略也形同虚设。

Redis没有配置maxmemory时会自动淘汰吗_剖析64位系统默认无限制可能导致OS强杀进程

Redis不设maxmemory时根本不会触发淘汰机制

不会。Redis在未配置maxmemory时,**默认策略是noeviction,且不启动任何内存淘汰逻辑**——它既不会主动删key,也不会因内存增长而自动释放空间。此时Redis会持续申请内存,直到操作系统OOM Killer介入并强杀进程,这是生产环境最典型的“静默崩溃”源头之一。

  • 64位系统下,Redis进程可申请的虚拟内存近乎无限(受限于系统总内存和swap),但物理内存耗尽后,Linux内核会根据vm.oom_kill_score_adj选择进程kill,Redis常因RSS高被优先干掉
  • INFO memory中used_memory持续上涨、mem_allocator无异常,但evicted_keys始终为0,就是没启用淘汰的铁证
  • 哪怕你配了maxmemory-policy volatile-lru,只要没设maxmemory,这条策略完全不生效

为什么maxmemory必须显式配置,不能依赖默认值

Redis设计上把内存上限视为“业务契约”,而非运行时自适应参数。没有maxmemory,就等于告诉Redis:“你爱用多少用多少”,而它真会照做——尤其在缓存场景下,一个SET bigdata "..."可能瞬间吃掉数GB内存。

  • 默认不设maxmemory ≠ 安全,默认是“放任”,不是“智能”
  • 容器环境(如Docker)中若只限制cgroup memory,但Redis内部无maxmemory,会导致Redis在OOM前仍不断触发内存分配失败(malloc返回NULL),引发不可预测的断连或命令拒绝
  • 某些云托管Redis服务(如阿里云Tair、腾讯云CKV)会强制要求设置maxmemory,否则拒绝创建实例

maxmemory该设多大:看RSS,别信“可用内存”

别直接填free -h里显示的“available”,要按Redis进程实际RSS(Resident Set Size)预留余量。因为Redis的内存使用包含碎片、元数据、AOF缓冲、复制积压缓冲等隐藏开销,通常比used_memory高15%–30%。

  • 用ps -o pid,rss,comm -C redis-server查当前RSS,再加20%作为maxmemory目标值(例如RSS=3.2GB → 设maxmemory 4gb)
  • 若启用了RDB/AOF,额外预留512MB以上给持久化子进程的copy-on-write内存
  • 禁止设成maxmemory 90% of total RAM这类模糊表达——Redis不识别百分比,只认字节单位(2gb、1024mb、512000000)

配了maxmemory但淘汰没发生?检查这三处硬性条件

即使正确设置了maxmemory和maxmemory-policy,淘汰也可能静默失效。常见卡点不在策略本身,而在内存统计与触发时机。

  • 淘汰只在**写命令执行过程中**检测内存超限(如SET、LPUSH),读命令(GET、HGETALL)不会触发;所以单纯dump数据看不出淘汰行为
  • INFO stats中evicted_keys为0,但used_memory_human长期贴近maxmemory,说明淘汰被阻塞——大概率是maxmemory-policy noeviction(拼写错误或配置未重载)
  • 使用allkeys-*策略时,若所有key都带过期时间(EXPIRE),Redis仍按全部key处理;但用volatile-*策略时,**没有过期时间的key完全免疫淘汰**,哪怕内存爆满也岿然不动
Redis的淘汰机制不是后台守护线程,它没有“定期扫描”或“预判式清理”。一切动作都绑在客户端命令的执行路径上,这意味着:压力低时淘汰延迟明显,突发写入可能瞬间冲破阈值导致写失败——这个反应滞后性,是很多容量评估翻车的真正盲区。

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Redis无maxmemory配置会自动淘汰吗?》文章吧,也可关注golang学习网公众号了解相关技术文章。

Win10游戏掉帧卡顿怎么优化Win10游戏掉帧卡顿怎么优化
上一篇
Win10游戏掉帧卡顿怎么优化
alert('XSS')"; const html " class="img_box"> JavaScript 中使用模板字符串时,若直接嵌入用户输入,可能会导致 XSS(跨站脚本攻击)。为了安全地嵌入用户输入,应遵循以下最佳实践:1. 避免直接插入用户输入到 HTML 中模板字符串本身不会自动转义内容,如果直接将用户输入插入到 DOM 中,可能导致恶意脚本执行。const userInput = alert('XSS')"; const html ">
alert('XSS')"; const html ">下一篇
JavaScript 中使用模板字符串时,若直接嵌入用户输入,可能会导致 XSS(跨站脚本攻击)。为了安全地嵌入用户输入,应遵循以下最佳实践:1. 避免直接插入用户输入到 HTML 中模板字符串本身不会自动转义内容,如果直接将用户输入插入到 DOM 中,可能导致恶意脚本执行。const userInput = ""; const html
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    375次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    445次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    452次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    398次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    224次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码