{"id":20962,"date":"2026-08-24T15:04:34","date_gmt":"2026-08-24T13:04:34","guid":{"rendered":"https:\/\/webhosting.de\/redis-lfu-vs-lru-eviction-policies-vergleich-cache-optimierung\/"},"modified":"2026-08-24T15:04:34","modified_gmt":"2026-08-24T13:04:34","slug":"comparacion-de-las-politicas-de-expulsion-lfu-y-lru-de-redis-optimizacion-de-la-cache","status":"publish","type":"post","link":"https:\/\/webhosting.de\/es\/redis-lfu-vs-lru-eviction-policies-vergleich-cache-optimierung\/","title":{"rendered":"Redis LFU frente a LRU: \u00bfqu\u00e9 pol\u00edtica de expulsi\u00f3n es la adecuada?"},"content":{"rendered":"<p>Las pol\u00edticas LFU y LRU de Redis determinan qu\u00e9 claves se eliminan de la cach\u00e9 cuando los recursos son escasos, y por lo tanto deciden sobre <strong>Tasa de aciertos<\/strong>, tiempo de respuesta y consumo de memoria. Te mostrar\u00e9 cu\u00e1ndo es m\u00e1s adecuada la pol\u00edtica LFU, basada en la frecuencia, o la pol\u00edtica LRU, basada en la actualidad; c\u00f3mo configurarlas y qu\u00e9 efectos tienen \u00aballkeys-lfu\u00bb frente a \u00aballkeys-lru\u00bb en el d\u00eda a d\u00eda; la palabra clave principal <strong>Redis LFU<\/strong> ocupa un lugar central en este contexto.<\/p>\n\n<h2>Puntos centrales<\/h2>\n\n<ul>\n  <li><strong>Actualidad<\/strong> vs. <strong>Frecuencia<\/strong>: LRU da prioridad a los accesos m\u00e1s recientes, LFU da prioridad a los accesos m\u00e1s frecuentes.<\/li>\n  <li><strong>Aproximaci\u00f3n<\/strong> En Redis: ambas pol\u00edticas funcionan con muestras a trav\u00e9s de `maxmemory-samples`.<\/li>\n  <li><strong>Cargas de trabajo<\/strong> Elegir: Sesiones\/Cuadros de mando \u2192 LRU, Superventas\/Clasificaciones \u2192 LFU.<\/li>\n  <li><strong>Sintonizaci\u00f3n<\/strong> Ajusta correctamente los par\u00e1metros: lfu-decay-time, maxmemory y maxmemory-samples.<\/li>\n  <li><strong>Monitoreo<\/strong> Es necesario: comprobar continuamente la tasa de aciertos, los desalojos por segundo y la latencia.<\/li>\n<\/ul>\n\n<h2>C\u00f3mo funciona la expulsi\u00f3n en Redis<\/h2>\n\n<p>Redis almacena los datos en la RAM; si el proceso llega a <strong>memoria m\u00e1xima<\/strong>, tiene que eliminar claves. Es precisamente aqu\u00ed donde entran en juego pol\u00edticas como \u00aballkeys-lru\u00bb y \u00aballkeys-lfu\u00bb, que determinan qu\u00e9 entradas deben ser eliminadas. Me centro en estas dos variantes porque tienen en cuenta todo el conjunto de datos, no solo las claves con TTL. Redis selecciona la clave que se va a eliminar mediante un muestreo que puedes configurar con <strong>maxmemory-samples<\/strong> controla; un mayor n\u00famero de muestras aumenta la precisi\u00f3n, pero consume recursos de la CPU. Este enfoque ofrece buenos resultados en espacios de claves grandes sin que la gesti\u00f3n resulte demasiado costosa.<\/p>\n\n\n<figure class=\"wp-block-image size-full is-resized\">\n  <img fetchpriority=\"high\" decoding=\"async\" src=\"https:\/\/webhosting.de\/wp-content\/uploads\/2026\/08\/redis-eviction-policies-9472.png\" alt=\"\" width=\"1536\" height=\"1024\"\/>\n<\/figure>\n\n\n<h2>Aspectos internos: c\u00f3mo implementa Redis los algoritmos LRU y LFU<\/h2>\n\n<p>Ambas pol\u00edticas funcionan en Redis <strong>aproximadamente<\/strong>, para mantener una velocidad constante. LRU almacena una marca de tiempo por cada objeto que indica cu\u00e1ndo se accedi\u00f3 a \u00e9l por \u00faltima vez. En el proceso de expulsi\u00f3n, Redis toma una muestra y descarta al candidato \u201em\u00e1s antiguo\u201c de la selecci\u00f3n. En la pr\u00e1ctica, esto resulta extremadamente eficiente y suficientemente preciso si se elige un tama\u00f1o de muestra adecuado al espacio de claves.<\/p>\n\n<p><strong>Redis LFU<\/strong> complementa esta idea con una <strong>medici\u00f3n compacta de la frecuencia<\/strong>, que a lo largo del tiempo <strong>envejece<\/strong> (Decay). Cada acceso no aumenta el contador de uso de forma lineal, sino de manera atenuada, para que las fases puntuales de picos de actividad no saturen el contador de forma permanente. Al mismo tiempo, una atenuaci\u00f3n temporal garantiza que la popularidad pasada pierda importancia con el tiempo. A trav\u00e9s de par\u00e1metros como <em>tiempo de decaimiento de lfu<\/em> (\u00bfa qu\u00e9 velocidad se acumula el historial?) y un factor de registro interno (\u00bfen qu\u00e9 medida aumentan los contadores con cada acceso?), \u00bfc\u00f3mo lo equilibras? <em>capacidad de reacci\u00f3n<\/em> contra <em>Estabilidad<\/em> la priorizaci\u00f3n. Regla general: valores de decaimiento m\u00e1s peque\u00f1os \u2192 adaptaci\u00f3n m\u00e1s r\u00e1pida; valores m\u00e1s grandes \u2192 prioridades m\u00e1s lentas, pero m\u00e1s estables.<\/p>\n\n<h2>LRU en Redis: principio, ventajas y dificultades<\/h2>\n\n<p>La LRU elimina el elemento m\u00e1s antiguo <strong>sin utilizar<\/strong> Claves y, por lo tanto, da prioridad a la actualidad. Esta l\u00f3gica se adapta a patrones con localidad temporal, como sesiones, paneles en tiempo real o respuestas de API a corto plazo. Redis utiliza un LRU aproximado: las entradas llevan una marca de tiempo y las muestras seleccionan el candidato m\u00e1s antiguo, de forma r\u00e1pida y transparente. El LRU reacciona r\u00e1pidamente a los cambios, ya que las claves utilizadas recientemente permanecen en la parte superior y las m\u00e1s antiguas se eliminan. Pueden resultar problem\u00e1ticos los escaneos \u00fanicos de gran volumen, que llenan la cach\u00e9 con valores ef\u00edmeros y clave importantes que permanecen inactivas temporalmente. <strong>reprimir<\/strong>.<\/p>\n\n<p>Consejo pr\u00e1ctico: si utilizas LRU y realizas con frecuencia consultas masivas \u201een fr\u00edo\u201c (por ejemplo, informes de back office), a\u00edsla estas cargas de trabajo en <em>separado<\/em> Cach\u00e9s o planifica unos m\u00e1s amplios <strong>memoria m\u00e1xima<\/strong>-Reservas. De este modo, evitar\u00e1s la \u00abcontaminaci\u00f3n de la cach\u00e9\u00bb, en la que se sustituyen datos valiosos que pronto volver\u00e1s a necesitar.<\/p>\n\n<h2>LFU en Redis: principio, ventajas y dificultades<\/h2>\n\n<p>LFU elimina las claves con baja <strong>Frecuencia de uso<\/strong> y, de este modo, protege las \u201eteclas r\u00e1pidas\u201c a largo plazo. El contador interno crece de forma logar\u00edtmica y se va reduciendo con el tiempo (decay), para que la popularidad pasada no cuente eternamente. Esto da lugar a una ponderaci\u00f3n equilibrada: los datos utilizados con frecuencia se conservan durante m\u00e1s tiempo, mientras que los valores at\u00edpicos aislados apenas alteran la prioridad. El LFU suele ofrecer una mayor tasa de aciertos en cat\u00e1logos, clasificaciones o cach\u00e9s de caracter\u00edsticas, ya que mantiene en la memoria las claves que han demostrado su eficacia. Sin embargo, reacciona con mayor lentitud ante las nuevas tendencias, por lo que el ajuste de <strong>tiempo de decaimiento de lfu<\/strong> sigue siendo importante.<\/p>\n\n<p>Para <strong>Tendencias \u00abOn\/Off\u00bb<\/strong> (por ejemplo, campa\u00f1as de marketing) se aplica lo siguiente: configura la tasa de decaimiento de tal forma que una nueva tendencia tenga un impacto perceptible, sin que el ruido moment\u00e1neo reordene constantemente la cach\u00e9. En muchos proyectos, lo que da buenos resultados es: empezar de forma conservadora y luego acelerar gradualmente hasta que la tasa de aciertos se mantenga estable bajo carga.<\/p>\n\n\n<figure class=\"wp-block-image size-full is-resized\">\n  <img decoding=\"async\" src=\"https:\/\/webhosting.de\/wp-content\/uploads\/2026\/08\/redis_lfu_vs_lru_3948.png\" alt=\"\" width=\"1536\" height=\"1024\"\/>\n<\/figure>\n\n\n<h2>Comparaci\u00f3n: \u00abrecency\u00bb frente a \u00abfrequency\u00bb en la vida cotidiana<\/h2>\n\n<p>En esencia, el LRU distingue entre \u201ecu\u00e1ndo se utiliz\u00f3 por \u00faltima vez\u201c y el LFU, que indica \u201econ qu\u00e9 frecuencia se utiliza\u201c; yo elijo en funci\u00f3n de los datos reales <strong>Cargas de trabajo<\/strong>. Para datos vol\u00e1tiles y cercanos al usuario, el m\u00e9todo LRU suele resultar m\u00e1s natural, ya que los accesos recientes suelen anticipar los futuros. Para datos de productos o configuraciones populares, el m\u00e9todo LFU funciona mejor, porque lo que cuenta es la popularidad duradera. En escenarios mixtos, separo las cach\u00e9s por tipos de datos y aplico pol\u00edticas diferentes. La siguiente tabla resume brevemente las diferencias y te ofrece una visi\u00f3n r\u00e1pida <strong>Apoyo a la toma de decisiones<\/strong>.<\/p>\n\n<table>\n  <thead>\n    <tr>\n      <th>Aspecto<\/th>\n      <th>LRU (allkeys-lru)<\/th>\n      <th>LFU (allkeys-lfu)<\/th>\n    <\/tr>\n  <\/thead>\n  <tbody>\n    <tr>\n      <td>Prioridad<\/td>\n      <td><strong>Actualidad<\/strong> las visitas<\/td>\n      <td><strong>Frecuencia<\/strong> las visitas<\/td>\n    <\/tr>\n    <tr>\n      <td>Reacci\u00f3n ante un cambio de patr\u00f3n<\/td>\n      <td>Date prisa, porque lo que cuenta es el \u00faltimo uso<\/td>\n      <td>Moderado, ya que influye el historial<\/td>\n    <\/tr>\n    <tr>\n      <td>Cargas de trabajo recomendadas<\/td>\n      <td>Sesiones, paneles de control, API en tiempo real<\/td>\n      <td>\u00c9xitos de ventas, clasificaciones, cach\u00e9s destacados<\/td>\n    <\/tr>\n    <tr>\n      <td>Sensibilidad a la \u201econtaminaci\u00f3n\u201c<\/td>\n      <td>Bastante alto en escaneos de gran tama\u00f1o<\/td>\n      <td>Bastante baja, seg\u00fan el contador de frecuencias<\/td>\n    <\/tr>\n    <tr>\n      <td>Tornillos de ajuste<\/td>\n      <td><strong>maxmemory-samples<\/strong><\/td>\n      <td><strong>tiempo de decaimiento de lfu<\/strong>, maxmemory-samples<\/td>\n    <\/tr>\n    <tr>\n      <td>Explicabilidad<\/td>\n      <td>Muy intuitivo<\/td>\n      <td>Bien, en lo que respecta a Decay<\/td>\n    <\/tr>\n  <\/tbody>\n<\/table>\n\n<h2>Repercusiones en el rendimiento en la pr\u00e1ctica<\/h2>\n\n<p>En el caso de conjuntos de datos peque\u00f1os, la diferencia suele ser <strong>bajo<\/strong>; a medida que aumenta el tama\u00f1o, se separa el grano de la paja. El LRU convence por el bajo coste de CPU que supone la aproximaci\u00f3n y por su causa clara: una clave se elimina porque ha sido la \u00faltima en permanecer sin usar. El LFU destaca en accesos consistentes, ya que las claves \u00abcalientes\u00bb permanecen a salvo en la RAM y la tasa de aciertos aumenta de forma cuantificable. El precio que hay que pagar es la comprensi\u00f3n necesaria de los contadores y la decadencia, para que no reacciones ni con demasiada lentitud ni con demasiada agresividad. Compruebo los efectos mediante perfiles y m\u00e9tricas, en lugar de basarme solo en mi intuici\u00f3n para <strong>decidir<\/strong>.<\/p>\n\n<p>Adem\u00e1s, planifica el <strong>Arranque en fr\u00edo<\/strong> 1: Tras un reinicio o una implementaci\u00f3n, la cach\u00e9 est\u00e1 vac\u00eda o \u201edesconoce\u201c las frecuencias. La estrategia LRU se estabiliza r\u00e1pidamente gracias a la localidad a corto plazo. La estrategia LFU, por su propia naturaleza, necesita un cierto tiempo de calentamiento para identificar las claves realmente frecuentes. Estrategias como <em>Precalentamiento<\/em> (cargar de forma proactiva las claves importantes) o un aumento gradual del tr\u00e1fico ayudan a reducir la latencia inicial y los fallos.<\/p>\n\n\n<figure class=\"wp-block-image size-full is-resized\">\n  <img decoding=\"async\" src=\"https:\/\/webhosting.de\/wp-content\/uploads\/2026\/08\/redis-eviction-policies-vergleich-4928.png\" alt=\"\" width=\"1536\" height=\"1024\"\/>\n<\/figure>\n\n\n<h2>Configuraci\u00f3n y ajuste: las opciones m\u00e1s importantes<\/h2>\n\n<p>Selecciono la pol\u00edtica a trav\u00e9s de <strong>pol\u00edtica de memoria m\u00e1xima<\/strong>, normalmente allkeys-lru o allkeys-lfu; con menos frecuencia, variantes vol\u00e1tiles centradas en el TTL. Con <strong>memoria m\u00e1xima<\/strong> Establezco el l\u00edmite estricto a partir del cual se inicia la expulsi\u00f3n y lo dimensiono en funci\u00f3n del conjunto de datos, a\u00f1adiendo un margen de seguridad. El tama\u00f1o de la muestra lo controlo mediante <strong>maxmemory-samples<\/strong>; los valores m\u00e1s altos mejoran la selecci\u00f3n, pero consumen recursos de la CPU. Para LFU, <strong>tiempo de decaimiento de lfu<\/strong> Es fundamental, ya que determina la rapidez con la que las consultas antiguas pierden importancia y las nuevas cobran peso. Aqu\u00ed encontrar\u00e1s unas instrucciones detalladas sobre c\u00f3mo dimensionar el almacenamiento: <a href=\"https:\/\/webhosting.de\/es\/gestion-de-memoria-de-redis-configuracion-optima-de-la-memoria-rendimiento-cache\/\">Configurar la memoria de forma \u00f3ptima<\/a>.<\/p>\n\n<h3>Recetas concretas para la pr\u00e1ctica<\/h3>\n<p>Para empezar r\u00e1pidamente, trabajo con valores predeterminados claros y realizo iteraciones bajo carga:<\/p>\n<ul>\n  <li>allkeys-lru + maxmemory-samples 7\u201310 para datos vol\u00e1tiles y cercanos al usuario<\/li>\n  <li><strong>Redis LFU<\/strong> (allkeys-lfu) + lfu-decay-time conservador (por ejemplo, un valor moderado) para cargas de trabajo estables con teclas de acceso r\u00e1pido<\/li>\n<\/ul>\n<p>Establecer la configuraci\u00f3n en tiempo de ejecuci\u00f3n:<\/p>\n<pre><code>CONFIG SET maxmemory 8gb\nCONFIG SET maxmemory-policy allkeys-lru\nCONFIG SET maxmemory-samples 10\n# Cambio a LFU:\nCONFIG SET maxmemory-policy allkeys-lfu\nCONFIG SET lfu-decay-time 5\n<\/code><\/pre>\n<p>En redis.conf se definen esas mismas opciones de forma permanente. Primero pruebo los cambios en el entorno de staging con una carga representativa antes de implementarlos en producci\u00f3n.<\/p>\n\n<h3>Seleccionar el tama\u00f1o de la muestra<\/h3>\n<p><strong>maxmemory-samples<\/strong> Es un par\u00e1metro muy fiable: unos valores m\u00e1s altos mejoran la calidad de los resultados de los candidatos a ser descartados, pero consumen recursos de la CPU. Como regla general, empiezo con valores entre 7 y 10 en espacios de claves grandes y solo los reduzco cuando el tiempo de CPU escasea. En espacios de claves peque\u00f1os, a menudo bastan 5 muestras.<\/p>\n\n<h2>Seguimiento y m\u00e9tricas: medir en lugar de adivinar<\/h2>\n\n<p>Observo constantemente <strong>Tasa de aciertos<\/strong>, desalojos\/s, latencias y uso de memoria, para evaluar la interacci\u00f3n. Si las expulsiones aumentan considerablemente, compruebo las reservas de RAM, las estrategias de TTL y la pol\u00edtica seleccionada. Una tasa de aciertos en descenso suele indicar que los cambios en los patrones debilitan la pol\u00edtica actual o que los conjuntos de datos no se almacenan en cach\u00e9 de forma suficientemente separada. Los picos de latencia a veces indican que <strong>Muestras<\/strong> o a una expulsi\u00f3n demasiado agresiva. Las pruebas de carga peri\u00f3dicas me ayudan a encontrar el equilibrio adecuado entre la carga de la CPU, el l\u00edmite de memoria y la tasa de aciertos.<\/p>\n\n<p>Comandos pr\u00e1cticos para comprobaciones r\u00e1pidas:<\/p>\n<pre><code>INFO stats     # keyspace_hits, keyspace_misses, evicted_keys, expired_keys\nINFO memory    # used_memory, fragmentation, allocator_overhead\nLATENCY DOCTOR #: indicaciones sobre picos, p. ej., bifurcaciones o E\/S<\/code><\/pre>\n<p>El <strong>Tasa de aciertos<\/strong> Lo calculo como aciertos \/ (aciertos + fallos). Una tasa a la baja junto con un aumento de los desahucios es una se\u00f1al de alarma. <em>llaves_desalojadas<\/em> en relaci\u00f3n con el tr\u00e1fico y <em>memoria_utilizada<\/em> indica si la pol\u00edtica debe activarse con frecuencia. Con <em>Clave \u00abMEMORY USAGE\u00bb<\/em> identificas los objetos de gran tama\u00f1o que ocupan un espacio desproporcionado en tu cach\u00e9.<\/p>\n\n\n<figure class=\"wp-block-image size-full is-resized\">\n  <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/webhosting.de\/wp-content\/uploads\/2026\/08\/tech_office_redis_policy_9123.png\" alt=\"\" width=\"1536\" height=\"1024\"\/>\n<\/figure>\n\n\n<h2>Aspectos relacionados con el alojamiento y la escalabilidad: elegir la plataforma de forma consciente<\/h2>\n\n<p>Redis muestra sus puntos fuertes en un <strong>de alto rendimiento<\/strong> Plataforma con abundante memoria RAM, baja latencia y una conexi\u00f3n de red fiable. En proyectos cada vez m\u00e1s grandes, evito el funcionamiento continuo a plena carga, ya que entonces se activa con demasiada frecuencia la expulsi\u00f3n de procesos y la tasa de aciertos se ve afectada. Una buena <a href=\"https:\/\/webhosting.de\/es\/estrategia-de-cache-de-redis-para-el-alojamiento-y-la-expulsion\/\">Estrategia de alojamiento<\/a> garantiza que las pol\u00edticas se apliquen cuando sea necesario y no est\u00e9n activas de forma permanente. A la hora de comparar, apuesto por proveedores de primera categor\u00eda como webhoster.de, cuya infraestructura soporta perfectamente cargas elevadas y permite planificar la capacidad. De este modo, la plataforma se beneficia directamente de menos expulsiones y un mejor <strong>Tiempos de respuesta<\/strong> y un rendimiento m\u00e1s constante.<\/p>\n\n<h3>Aspectos relacionados con los cl\u00fasteres y las r\u00e9plicas<\/h3>\n<p>En configuraciones de sharding (por ejemplo, Redis Cluster), las decisiones de expulsi\u00f3n <strong>por nodo<\/strong>. Es decir: el margen de seguridad, la pol\u00edtica y el ajuste deben ser adecuados para cada nodo, no solo \u201ede media\u201c. Las teclas r\u00e1pidas distribuidas de forma desigual entre las ranuras pueden hacer que algunos nodos alcancen el l\u00edmite antes. Por lo tanto, planifica el margen de seguridad por fragmento y supervisa las expulsiones a nivel de nodo. Las r\u00e9plicas heredan el estado de los datos, incluidas las claves eliminadas; en las pruebas de carga, ten en cuenta que la replicaci\u00f3n adicional puede aumentar las latencias, sin que la pol\u00edtica en s\u00ed sea la culpable.<\/p>\n\n<h2>Estrategias TTL y pol\u00edticas mixtas<\/h2>\n\n<p>Con TTL protejo los productos de larga duraci\u00f3n <strong>Configuraciones<\/strong> y doy prioridad a los datos urgentes y de corta duraci\u00f3n. Si utilizo \u00abvolatile-lru\u00bb o \u00abvolatile-lfu\u00bb, Redis solo sustituye las claves con fecha de caducidad, lo cual resulta \u00fatil cuando la cach\u00e9 y los valores permanentes conviven. A menudo separo las cach\u00e9s por tipos de datos: sesiones en LRU, cat\u00e1logos de productos en LFU, para aprovechar las ventajas de cada una. Una elecci\u00f3n inteligente del TTL evita que las entradas obsoletas ocupen RAM innecesariamente y provoquen expulsiones. As\u00ed mantengo la memoria limpia, sin perder datos \u00fatiles <strong>Teclas de acceso r\u00e1pido<\/strong> perder.<\/p>\n\n<p>Importante: una pol\u00edtica es v\u00e1lida <strong>por instancia<\/strong>. Para aplicar pol\u00edticas diferentes seg\u00fan el tipo de datos de forma fiable, debes utilizar instancias de Redis independientes o cach\u00e9s claramente delimitadas. Los espacios de nombres por s\u00ed solos no modifican la pol\u00edtica, pero ayudan a invalidar datos de forma selectiva y a realizar mediciones.<\/p>\n\n\n<figure class=\"wp-block-image size-full is-resized\">\n  <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/webhosting.de\/wp-content\/uploads\/2026\/08\/entwickler_schreibtisch_6354.png\" alt=\"\" width=\"1536\" height=\"1024\"\/>\n<\/figure>\n\n\n<h2>Prueba pr\u00e1ctica: inicio con LRU, cambio selectivo a LFU<\/h2>\n\n<p>Suelo empezar con <strong>LRU<\/strong>, porque es intuitivo y ofrece resultados r\u00e1pidos. A continuaci\u00f3n, identifico las cach\u00e9s con teclas de acceso r\u00e1pido permanentes y cambio de forma selectiva al algoritmo LFU. Este m\u00e9todo minimiza el riesgo, ya que solo se realizan cambios all\u00ed donde los patrones de datos realmente se benefician de la l\u00f3gica de frecuencia. Con \u00abcanaries\u00bb y pruebas A\/B mido la tasa de aciertos y la latencia antes y despu\u00e9s del cambio. As\u00ed optimizo paso a paso, en lugar de modificar todo el <strong>Plataforma<\/strong> cambiar de sistema de un solo golpe.<\/p>\n\n<h3>Una ruta de migraci\u00f3n contrastada<\/h3>\n<ul>\n  <li>Establecer una referencia: registrar la tasa de aciertos actual, los desalojos, y los percentiles 95 y 99 de la latencia.<\/li>\n  <li>Seleccionar cach\u00e9 piloto: zona estable, con gran volumen de lectura y teclas de acceso r\u00e1pido bien definidas.<\/li>\n  <li>Activar LFU, <strong>tiempo de decaimiento de lfu<\/strong> establecer un valor conservador, <strong>maxmemory-samples<\/strong> aumentar.<\/li>\n  <li>Prever una fase de calentamiento y observar hasta que los valores se hayan estabilizado.<\/li>\n  <li>Comparar las m\u00e9tricas y, solo despu\u00e9s, realizar ajustes poco a poco.<\/li>\n<\/ul>\n\n<h2>Problemas habituales en las aplicaciones (por ejemplo, WordPress)<\/h2>\n\n<p>En los sistemas de contenido, unos TTL incorrectos y unos <strong>Claves<\/strong> Esto puede provocar r\u00e1pidamente una avalancha de evicciones. Comprueba si las p\u00e1ginas din\u00e1micas se almacenan en cach\u00e9 de forma involuntaria o si hay valores demasiado grandes que desbordan la memoria. Aseg\u00farate de que la invalidaci\u00f3n se realice correctamente tras las publicaciones, para que el contenido obsoleto desaparezca y se libere espacio. Esta gu\u00eda te ayudar\u00e1 a identificar los errores t\u00edpicos en el entorno del CMS: <a href=\"https:\/\/webhosting.de\/es\/error-de-configuracion-de-la-cache-de-objetos-redis-optimizacion-del-rendimiento-de-wordpress\/\">Error de cach\u00e9 de objetos<\/a>. Si invalid\u00e1s correctamente, estableces tiempos de vida (TTL) realistas y eliges la pol\u00edtica adecuada, aumentar\u00e1n la tasa de aciertos y <strong>Velocidad<\/strong> mensurable.<\/p>\n\n<p>Otros antipatrones extra\u00eddos de la pr\u00e1ctica:<\/p>\n<ul>\n  <li><strong>Grandes inmuebles individuales<\/strong> (por ejemplo, bloques enormes de JSON) desplazan a muchas claves peque\u00f1as y \u00fatiles. Soluci\u00f3n: dividir los datos y almacenar en cach\u00e9 solo los segmentos que realmente se utilizan.<\/li>\n  <li><strong>Estufa atronadora<\/strong>: Muchas fallas simult\u00e1neas en la misma clave. Soluci\u00f3n: agrupaci\u00f3n de solicitudes\/bloqueos, peque\u00f1as variaciones en los TTL para que las renovaciones se produzcan de forma distribuida.<\/li>\n  <li><strong>Contaminaci\u00f3n por esc\u00e1neres<\/strong>: Lecturas por lotes sin reutilizaci\u00f3n. Soluci\u00f3n: instancia o espacio de nombres independiente, LRU all\u00ed con m\u00e1s memoria o evitar deliberadamente el almacenamiento en cach\u00e9 de las cargas de trabajo.<\/li>\n  <li><strong>Invalidaci\u00f3n poco clara<\/strong>: Las versiones antiguas saturan la cach\u00e9. Soluci\u00f3n: esquemas de claves claros (p. ej., prefijos de versi\u00f3n) y rutas de invalidaci\u00f3n deterministas.<\/li>\n<\/ul>\n\n\n<figure class=\"wp-block-image size-full is-resized\">\n  <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/webhosting.de\/wp-content\/uploads\/2026\/08\/redis-eviction-policy-7264.png\" alt=\"\" width=\"1536\" height=\"1024\"\/>\n<\/figure>\n\n\n<h2>Resumen: How I make the choice<\/h2>\n\n<p>He puesto <strong>LRU<\/strong> cuando la actualidad ofrece la mejor heur\u00edstica para futuras consultas, como en el caso de las sesiones, los paneles de control y las API en tiempo real. Recurro a <strong>LFU<\/strong>, cuando existen teclas de acceso r\u00e1pido claras y permanentes que tambi\u00e9n quiero proteger en momentos de picos de carga. La supervisi\u00f3n me indica si las expulsiones se est\u00e1n descontrolando o si la tasa de aciertos cae; en ese caso, ajusto las muestras, los TTL y el decaimiento. Con una elecci\u00f3n acertada de la plataforma, un l\u00edmite de memoria inteligente y cach\u00e9s separadas por tipo de datos, consigo sacar siempre m\u00e1s partido. De este modo, la cach\u00e9 se mantiene r\u00e1pida, predecible y adaptada al patr\u00f3n de acceso, sin tener que andar a ciegas.<\/p>","protected":false},"excerpt":{"rendered":"<p>Para configurar tu cach\u00e9 de forma \u00f3ptima, debes comprender c\u00f3mo funciona la expulsi\u00f3n de datos en Redis con las pol\u00edticas LFU y LRU; este art\u00edculo te ofrece una comparaci\u00f3n directa y te ayuda a elegir la pol\u00edtica m\u00e1s adecuada.<\/p>","protected":false},"author":1,"featured_media":20955,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[781],"tags":[],"class_list":["post-20962","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-datenbanken-administration-anleitungen"],"acf":[],"_wp_attached_file":null,"_wp_attachment_metadata":null,"litespeed-optimize-size":null,"litespeed-optimize-set":null,"_elementor_source_image_hash":null,"_wp_attachment_image_alt":null,"stockpack_author_name":null,"stockpack_author_url":null,"stockpack_provider":null,"stockpack_image_url":null,"stockpack_license":null,"stockpack_license_url":null,"stockpack_modification":null,"color":null,"original_id":null,"original_url":null,"original_link":null,"unsplash_location":null,"unsplash_sponsor":null,"unsplash_exif":null,"unsplash_attachment_metadata":null,"_elementor_is_screenshot":null,"surfer_file_name":null,"surfer_file_original_url":null,"envato_tk_source_kit":null,"envato_tk_source_index":null,"envato_tk_manifest":null,"envato_tk_folder_name":null,"envato_tk_builder":null,"envato_elements_download_event":null,"_menu_item_type":null,"_menu_item_menu_item_parent":null,"_menu_item_object_id":null,"_menu_item_object":null,"_menu_item_target":null,"_menu_item_classes":null,"_menu_item_xfn":null,"_menu_item_url":null,"_trp_menu_languages":null,"rank_math_primary_category":null,"rank_math_title":null,"inline_featured_image":null,"_yoast_wpseo_primary_category":null,"rank_math_schema_blogposting":null,"rank_math_schema_videoobject":null,"_oembed_049c719bc4a9f89deaead66a7da9fddc":null,"_oembed_time_049c719bc4a9f89deaead66a7da9fddc":null,"_yoast_wpseo_focuskw":null,"_yoast_wpseo_linkdex":null,"_oembed_27e3473bf8bec795fbeb3a9d38489348":null,"_oembed_c3b0f6959478faf92a1f343d8f96b19e":null,"_trp_translated_slug_en_us":null,"_wp_desired_post_slug":null,"_yoast_wpseo_title":null,"tldname":null,"tldpreis":null,"tldrubrik":null,"tldpolicylink":null,"tldsize":null,"tldregistrierungsdauer":null,"tldtransfer":null,"tldwhoisprivacy":null,"tldregistrarchange":null,"tldregistrantchange":null,"tldwhoisupdate":null,"tldnameserverupdate":null,"tlddeletesofort":null,"tlddeleteexpire":null,"tldumlaute":null,"tldrestore":null,"tldsubcategory":null,"tldbildname":null,"tldbildurl":null,"tldclean":null,"tldcategory":null,"tldpolicy":null,"tldbesonderheiten":null,"tld_bedeutung":null,"_oembed_d167040d816d8f94c072940c8009f5f8":null,"_oembed_b0a0fa59ef14f8870da2c63f2027d064":null,"_oembed_4792fa4dfb2a8f09ab950a73b7f313ba":null,"_oembed_33ceb1fe54a8ab775d9410abf699878d":null,"_oembed_fd7014d14d919b45ec004937c0db9335":null,"_oembed_21a029d076783ec3e8042698c351bd7e":null,"_oembed_be5ea8a0c7b18e658f08cc571a909452":null,"_oembed_a9ca7a298b19f9b48ec5914e010294d2":null,"_oembed_f8db6b27d08a2bb1f920e7647808899a":null,"_oembed_168ebde5096e77d8a89326519af9e022":null,"_oembed_cdb76f1b345b42743edfe25481b6f98f":null,"_oembed_87b0613611ae54e86e8864265404b0a1":null,"_oembed_27aa0e5cf3f1bb4bc416a4641a5ac273":null,"_oembed_time_27aa0e5cf3f1bb4bc416a4641a5ac273":null,"_tldname":null,"_tldclean":null,"_tldpreis":null,"_tldcategory":null,"_tldsubcategory":null,"_tldpolicy":null,"_tldpolicylink":null,"_tldsize":null,"_tldregistrierungsdauer":null,"_tldtransfer":null,"_tldwhoisprivacy":null,"_tldregistrarchange":null,"_tldregistrantchange":null,"_tldwhoisupdate":null,"_tldnameserverupdate":null,"_tlddeletesofort":null,"_tlddeleteexpire":null,"_tldumlaute":null,"_tldrestore":null,"_tldbildname":null,"_tldbildurl":null,"_tld_bedeutung":null,"_tldbesonderheiten":null,"_oembed_ad96e4112edb9f8ffa35731d4098bc6b":null,"_oembed_8357e2b8a2575c74ed5978f262a10126":null,"_oembed_3d5fea5103dd0d22ec5d6a33eff7f863":null,"_eael_widget_elements":null,"_oembed_0d8a206f09633e3d62b95a15a4dd0487":null,"_oembed_time_0d8a206f09633e3d62b95a15a4dd0487":null,"_aioseo_description":null,"_eb_attr":null,"_eb_data_table":null,"_oembed_819a879e7da16dd629cfd15a97334c8a":null,"_oembed_time_819a879e7da16dd629cfd15a97334c8a":null,"_acf_changed":null,"_wpcode_auto_insert":null,"_edit_last":null,"_edit_lock":null,"_oembed_e7b913c6c84084ed9702cb4feb012ddd":null,"_oembed_bfde9e10f59a17b85fc8917fa7edf782":null,"_oembed_time_bfde9e10f59a17b85fc8917fa7edf782":null,"_oembed_03514b67990db061d7c4672de26dc514":null,"_oembed_time_03514b67990db061d7c4672de26dc514":null,"rank_math_news_sitemap_robots":null,"rank_math_robots":null,"_eael_post_view_count":"139","_trp_automatically_translated_slug_ru_ru":null,"_trp_automatically_translated_slug_et":null,"_trp_automatically_translated_slug_lv":null,"_trp_automatically_translated_slug_fr_fr":null,"_trp_automatically_translated_slug_en_us":null,"_wp_old_slug":null,"_trp_automatically_translated_slug_da_dk":null,"_trp_automatically_translated_slug_pl_pl":null,"_trp_automatically_translated_slug_es_es":null,"_trp_automatically_translated_slug_hu_hu":null,"_trp_automatically_translated_slug_fi":null,"_trp_automatically_translated_slug_ja":null,"_trp_automatically_translated_slug_lt_lt":null,"_elementor_edit_mode":null,"_elementor_template_type":null,"_elementor_version":null,"_elementor_pro_version":null,"_wp_page_template":null,"_elementor_page_settings":null,"_elementor_data":null,"_elementor_css":null,"_elementor_conditions":null,"_happyaddons_elements_cache":null,"_oembed_75446120c39305f0da0ccd147f6de9cb":null,"_oembed_time_75446120c39305f0da0ccd147f6de9cb":null,"_oembed_3efb2c3e76a18143e7207993a2a6939a":null,"_oembed_time_3efb2c3e76a18143e7207993a2a6939a":null,"_oembed_59808117857ddf57e478a31d79f76e4d":null,"_oembed_time_59808117857ddf57e478a31d79f76e4d":null,"_oembed_965c5b49aa8d22ce37dfb3bde0268600":null,"_oembed_time_965c5b49aa8d22ce37dfb3bde0268600":null,"_oembed_81002f7ee3604f645db4ebcfd1912acf":null,"_oembed_time_81002f7ee3604f645db4ebcfd1912acf":null,"_elementor_screenshot":null,"_oembed_7ea3429961cf98fa85da9747683af827":null,"_oembed_time_7ea3429961cf98fa85da9747683af827":null,"_elementor_controls_usage":null,"_elementor_page_assets":[],"_elementor_screenshot_failed":null,"theplus_transient_widgets":null,"_eael_custom_js":null,"_wp_old_date":null,"_trp_automatically_translated_slug_it_it":null,"_trp_automatically_translated_slug_pt_pt":null,"_trp_automatically_translated_slug_zh_cn":null,"_trp_automatically_translated_slug_nl_nl":null,"_trp_automatically_translated_slug_pt_br":null,"_trp_automatically_translated_slug_sv_se":null,"rank_math_analytic_object_id":null,"rank_math_internal_links_processed":"1","_trp_automatically_translated_slug_ro_ro":null,"_trp_automatically_translated_slug_sk_sk":null,"_trp_automatically_translated_slug_bg_bg":null,"_trp_automatically_translated_slug_sl_si":null,"litespeed_vpi_list":null,"litespeed_vpi_list_mobile":null,"rank_math_seo_score":null,"rank_math_contentai_score":null,"ilj_limitincominglinks":null,"ilj_maxincominglinks":null,"ilj_limitoutgoinglinks":null,"ilj_maxoutgoinglinks":null,"ilj_limitlinksperparagraph":null,"ilj_linksperparagraph":null,"ilj_blacklistdefinition":null,"ilj_linkdefinition":null,"_eb_reusable_block_ids":null,"rank_math_focus_keyword":"Redis LFU","rank_math_og_content_image":null,"_yoast_wpseo_metadesc":null,"_yoast_wpseo_content_score":null,"_yoast_wpseo_focuskeywords":null,"_yoast_wpseo_keywordsynonyms":null,"_yoast_wpseo_estimated-reading-time-minutes":null,"rank_math_description":null,"surfer_last_post_update":null,"surfer_last_post_update_direction":null,"surfer_keywords":null,"surfer_location":null,"surfer_draft_id":null,"surfer_permalink_hash":null,"surfer_scrape_ready":null,"_thumbnail_id":"20955","footnotes":null,"_links":{"self":[{"href":"https:\/\/webhosting.de\/es\/wp-json\/wp\/v2\/posts\/20962","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/webhosting.de\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/webhosting.de\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/webhosting.de\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/webhosting.de\/es\/wp-json\/wp\/v2\/comments?post=20962"}],"version-history":[{"count":0,"href":"https:\/\/webhosting.de\/es\/wp-json\/wp\/v2\/posts\/20962\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/webhosting.de\/es\/wp-json\/wp\/v2\/media\/20955"}],"wp:attachment":[{"href":"https:\/\/webhosting.de\/es\/wp-json\/wp\/v2\/media?parent=20962"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/webhosting.de\/es\/wp-json\/wp\/v2\/categories?post=20962"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/webhosting.de\/es\/wp-json\/wp\/v2\/tags?post=20962"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}