redis的lru底层是怎么实现的

Redis的LRU（Least Recently Used）淘汰策略是通过两个底层数据结构来实现的：双向链表和哈希表。

首先，Redis使用双向链表来保存缓存中的元素。每个节点包含了键和值，并且按照访问的先后顺序连接在一起。链表的头部节点表示最近访问的元素，而尾部节点则表示最久未被访问的元素。

其次，Redis使用哈希表来保存缓存中的键和与之关联的节点。哈希表的键是缓存中的键，而值则是与之对应的节点的指针。这样就可以通过键快速地找到对应的节点。

当有新元素需要插入缓存时，Redis会首先检查缓存的容量是否已满。如果容量未满，则直接将新元素插入链表头部，并在哈希表中建立新键和节点的映射关系。如果容量已满，则需要淘汰最久未被访问的元素。

在LRU策略下，淘汰最久未被访问的元素是非常高效的。Redis会从链表尾部开始遍历，直到找到一个可淘汰的节点。然后，将该节点从链表和哈希表中同时删除，并释放相应的内存空间。

当访问缓存中的某个元素时，Redis会先在哈希表中查找该元素对应的节点。然后，将该节点从原来的位置移到链表头部，表示该元素是最近访问的元素。同时，更新哈希表中键和节点的映射关系。

通过双向链表和哈希表的组合使用，Redis的LRU淘汰策略可以保证高效地插入新元素和淘汰旧元素，从而有效地管理内存和提高缓存命中率。

Redis中的LRU（Least Recently Used，最近最少使用）是一种缓存淘汰策略，用于在内存占用达到一定阈值时，根据最近的访问情况淘汰掉最少被访问的数据。下面是Redis中LRU底层实现的几个关键点。

1. 双端链表：Redis中使用双端链表来维护数据的访问顺序，链表的头部表示最近访问的数据，尾部表示最久未被访问的数据。通过将数据添加到链表的头部，可以快速标记最近被访问的数据。

2. Hash表：为了提高访问速度，Redis使用一个哈希表来存储数据的具体内容，哈希表的键是数据的Key，值是一个指针，指向双端链表中的对应节点。

3. 配置参数：Redis提供了几个配置参数来控制LRU算法的行为。其中最重要的参数是maxmemory和maxmemory-policy，maxmemory指定了Redis的内存占用上限，而maxmemory-policy指定了当内存超出限制时采取的淘汰策略，可以设置为lru。

4. 访问数据时的操作：当一个数据被访问时，Redis会根据LRU算法的规则，将被访问的数据从链表中移动到链表的头部。如果此时内存超出了maxmemory的限制，Redis会根据maxmemory-policy的设定，从链表的尾部开始淘汰数据，直到内存占用量低于maxmemory。

5. 内存淘汰策略：Redis中提供了几种不同的LRU淘汰策略，可以通过设置maxmemory-policy参数进行选择，例如lru，lfu（Least Frequently Used，最不经常使用），ttl（Time To Live，指定数据存活时间）等。这些策略可以根据实际需求进行配置。

总之，Redis的LRU底层实现主要依赖于双端链表和哈希表来维护数据的访问顺序和内容，通过配置参数来控制LRU算法的行为，同时提供了多种淘汰策略来满足不同的需求。

Redis的LRU（Least Recently Used）算法是一种基于数据的访问频率进行淘汰的策略，即最近最少使用的数据会被优先淘汰。

Redis的LRU实现主要依赖于两个数据结构：双向链表和哈希表。

1. 双向链表：Redis使用双向链表来记录最近被访问的数据的顺序。链表的头部表示最近被访问的数据，链表的尾部表示最近很少被访问的数据。当新的数据被访问时，它会被移到链表头部。而当链表已满时，最久未被访问的数据会被淘汰。

2. 哈希表：Redis使用哈希表来保存每个数据的访问记录。哈希表的键是存储的数据，而值则是其在双向链表中的节点。

下面是Redis LRU算法的实现步骤：

1. 假设Redis中有一个容量为N的缓存，当缓存已满时，需要淘汰一个数据。

2. 当有一个数据被访问时，首先检查该数据是否在哈希表中存在。若存在，则将其在双向链表中的节点移至链表头部，表示这个数据是最近被访问的。

3. 如果该数据不在哈希表中，则需要进行以下操作：

   a. 如果缓存未满，直接将数据加入到链表头部，并在哈希表中记录该数据的位置。

   b. 如果缓存已满，需要淘汰最久未被访问的数据。从链表尾部取出一个节点，同时从哈希表中删除该数据。

4. 随着数据的不断访问，链表中的节点会不断做出移动，保证链表头部始终是最近被访问的数据，而链表尾部是最久未被访问的数据。

通过使用双向链表和哈希表，Redis的LRU算法能够高效地实现数据的淘汰策略，保证缓存中的数据是最近被访问的数据，从而提高系统的性能。