官：我看你简历提到xxx项目使用了redis
小弱鸡：嗯，因为xxxx的性能问题，经过排查之后，发现性能瓶颈在数据库上面，所以引入了redis
面试官：行，那你了解redis的过期策略吗？
小弱鸡：有了解过，因为redis是基于内存来进行高性能、高并发的读写操作的，既然是内存，那肯定有空间的限制，如果只有10g内存，一直往里面写数据，那肯定不行，所以采用一些过期策略把不需要的数据删除、或者是淘汰掉。
面试官：那都有哪些过期策略？
小弱鸡：我了解的有 定期删除、惰性删除两种
面试官：你先讲讲定期删除怎么实现？
小弱鸡好像有点兴奋：所谓定期删除，指的是 redis 默认是每隔 100ms 就随机抽取一些设置了过期时间的 key，检查其是否过期，如果过期就删除。
面试官：为什么是随机抽取？
小弱鸡：假如在redis 里插入10w个key，并且都设置了过期时间，如果每次都检查所有key，那cpu基本上都消耗在过期key的检查上了，redis对外的性能也会大大降低，简直就是一场灾难。
面试官：随机检查会存在什么问题？
小弱鸡：可能导致本已经过期的key没有被扫描到，而继续留在内存中，并占用空间，等待被删除。
面试官：这种情况怎么解决？
小弱鸡又兴奋了：这时候就需要第二种过期策略了，惰性删除，就是在获取某个 key 的时候，redis 会检查一下 ，如果这个 key 设置了过期时间，并且已经过期了，那么就直接删除，返回空。
面试官面带一丝笑意：嗯，那再考虑一种情况，如果大量的key没有被扫描到，且已过期，也没有被再次访问，即没有走惰性删除，这些大量过期 key 堆积在内存里，导致 redis 内存块耗尽了，这种情况下，怎么办？
小菜鸡想了会，抓了抓脑袋：redis内部提供了内存淘汰机制，应该有好几种策略，但我只知道LRU算法。
面试官：嗯，那你手写一个LRU算法？
小菜鸡*花一紧，这不是给自己挖坑么！！！ 如果从头开始写一个完整的LRU算法，那会要了命，幸好小菜鸡还记得 LinkedHashMap，可以基于 LinkedHashMap实现一个简单版本的LRU算法。
-
class LRUCache<K, V> extends LinkedHashMap<K, V> { -
private final int CACHE_SIZE; -
* @param cacheSize 缓存大小 -
*/ -
// true 表示让 linkedHashMap 按照访问顺序来进行排序，最近访问的放在头部，最老访问的放在尾部。 -
public LRUCache(int cacheSize) { -
super((int) Math.ceil(cacheSize / 0.75) + 1, 0.75f, true); -
CACHE_SIZE = cacheSize; -
} -
@Override -
// 当 map中的数据量大于指定的缓存个数的时候，就自动删除最老的数据。 -
protected boolean removeEldestEntry(Map.Entry<K, V> eldest) { -
return size() > CACHE_SIZE; -
} -
}
小菜鸡写完之后，轻轻舒了一口气。
