在Redis的Stream数据结构中，消息会随着时间的推移不断追加，若不及时处理，内存占用将线性增长。XTRIM是Redis提供的用于裁剪Stream长度的命令，它可以根据设定的阈值删除旧消息，从而只保留用户指定的数量。通过合理运用XTRIM，开发者能够在保证业务连续性的同时，将Stream规模控制在可接受的范围之内。
XTRIM基础语法与MAXLEN参数解析
XTRIM命令最核心的用法是配合MAXLEN参数，用来指定Stream在裁剪之后最多保留的消息条目数。其基本语法为XTRIM key MAXLEN [~] count，其中key是Stream的名称，count就是期望保留的消息数量。当Stream中已有的消息数超过count时，Redis会从Stream的头部开始删除最旧的那些消息，直到剩余数量等于count为止。
需要特别注意的是，MAXLEN后面可以紧跟一个可选的符号~，这表示近似裁剪模式。在精确模式（不加~）下，Redis会严格保证裁剪后的长度不超过count，但这可能要求它遍历并定位到准确的节点，开销相对明确。而在近似模式下，Redis会以一种更高效的方式在底层基数树中删除节点，允许实际保留的数量略微超过count，通常误差在若干条以内，却可以显著降低命令执行时的延迟。
下面是一段在Redis命令行中使用XTRIM保留最近100条消息的示例，这里使用了精确模式：
# 精确裁剪，使mystream最多保留100条 XTRIM mystream MAXLEN 100 # 近似裁剪，允许略微超出，但性能更好 XTRIM mystream MAXLEN ~ 100
从底层结构来看，Stream使用基数树（Rax树）来按消息ID有序存储，XTRIM本质上是在这棵树上从最小ID对应的分支开始解除节点引用。因此，裁剪操作并不会像某些列表结构那样需要逐个元素移动，而是以树节点为单位回收，这也是它适合处理超长Stream的原因之一。
性能权衡：精确裁剪与近似裁剪的选择
在生产环境中，是否使用~近似符号往往取决于业务对消息数量准确性的敏感程度。如果下游消费者依赖确切的Stream长度做分批处理，或者监控告警基于长度阈值触发，那么精确模式更合适，因为它消除了不确定性。但精确模式在超大Stream上可能导致一次性的CPU消耗升高，尤其是在消息ID分布不均、树节点跨度大时。
近似裁剪的优势在于它利用了Rax树的节点批量释放特性。Redis在源码实现中，如果指定了~，会允许在删除时多保留一整个节点内的条目，而不是拆开节点去凑齐准确的count。这意味着一次XTRIM可能少删了几条旧消息，但省去了节点分裂与重组的成本。对于日志类、指标类这类允许少量冗余的Stream，近似模式是更优解。
我们可以通过一段Lua脚本模拟定时裁剪策略，将近似裁剪放在后台任务中执行，避免阻塞主线程过久：
-- 定时对指定stream做近似裁剪，保留最近maxlen条
local key = KEYS[1]
local maxlen = tonumber(ARGV[1])
redis.call('XTRIM', key, 'MAXLEN', '~', maxlen)
return redis.call('XLEN', key)
此外，XTRIM并不会主动触发操作系统的内存归还，被删除的消息节点所占用的内存会在Redis自身的内存分配器中标记为可用，供后续写入复用。因此，执行XTRIM后通过INFO memory观察到的used_memory可能并不会立即下降，这是正常机制，不应误判为裁剪失效。
实战：结合消费者组与自动裁剪脚本
当Stream被多个消费者组读取时，XTRIM的裁剪动作必须谨慎，因为被裁剪掉的旧消息如果尚未被某些组确认，就会造成该组的消息丢失。实践中，安全的做法是先确认所有活跃消费者组已处理到的消息ID，再以此为基础决定MAXLEN，或者直接依赖Redis的XADD命令自带的MAXLEN选项做写入时裁剪。
我们可以在生产者写入消息的同时限制Stream长度，这样就不必单独运行XTRIM命令。例如使用XADD mystream MAXLEN ~ 1000 * field value，每次新增消息都顺带检查并近似裁剪。这种方式将裁剪成本均摊到每次写操作，避免了集中式XTRIM带来的延迟尖刺，非常适合高吞吐场景。
如果确实需要在离线维护窗口统一清理，可以编写如下Python脚本，连接Redis并执行精确XTRIM，同时打印裁剪前后的长度差异以供审计：
import redis
r = redis.Redis(host='127.0.0.1', port=6379, db=0)
stream_key = 'order_events'
keep = 5000
before = r.xlen(stream_key)
# 执行精确裁剪
r.xtrim(stream_key, maxlen=keep)
after = r.xlen(stream_key)
print(f'stream {stream_key} trimmed from {before} to {after}, keep={keep}')
最后要强调的是，XTRIM只能从Stream头部删除消息，不能按任意条件删除中间消息，因此若业务要求保留特定时间范围内的消息，应当结合XREVRANGE读取最新N条后，用XDEL删除分散的无用条目，或者调整消息ID生成策略使时间维度与ID顺序一致，从而让XTRIM的保留数量近似等价于时间窗口。