如何判断redis慢了？

港控/mmm° 2023-09-26 23:45 40阅读 0赞

**1.Redis真的变慢了吗？**

对 Redis 进行基准性能测试例如，我的机器配置比较低，当延迟为 2ms 时，我就认为 Redis 变慢了，但是如果你的硬件配置比较高，那么在你的运行环境下，可能延迟是 0.5ms 时就可以认为 Redis 变慢了。所以，你只有了解了你的 Redis 在生产环境服务器上的基准性能，才能进一步评估，当其延迟达到什么程度时，才认为 Redis 确实变慢了。为了避免业务服务器到 Redis 服务器之间的网络延迟，你需要直接在 Redis 服务器上测试实例的响应延迟情况。执行以下命令，就可以测试出这个实例 60 秒内的最大响应延迟：

./redis-cli --intrinsic-latency 120
    Max latency so far: 17 microseconds.
    Max latency so far: 44 microseconds.
    Max latency so far: 94 microseconds.
    Max latency so far: 110 microseconds.
    Max latency so far: 119 microseconds.
    
    36481658 total runs (avg latency: 3.2893 microseconds / 3289.32 nanoseconds per run).
    Worst run took 36x longer than the average latency.

从输出结果可以看到，这 60 秒内的最大响应延迟为 119 微秒（0.119毫秒）。你还可以使用以下命令，查看一段时间内 Redis 的最小、最大、平均访问延迟

$ redis-cli -h 127.0.0.1 -p 6379 --latency-history -i 1
    min: 0, max: 1, avg: 0.13 (100 samples) -- 1.01 seconds range
    min: 0, max: 1, avg: 0.12 (99 samples) -- 1.01 seconds range
    min: 0, max: 1, avg: 0.13 (99 samples) -- 1.01 seconds range
    min: 0, max: 1, avg: 0.10 (99 samples) -- 1.01 seconds range
    min: 0, max: 1, avg: 0.13 (98 samples) -- 1.00 seconds range
    min: 0, max: 1, avg: 0.08 (99 samples) -- 1.01 seconds range

如果你观察到的 Redis 运行时延迟是其基线性能的 2 倍及以上，就可以认定 Redis 变慢了。

网络对 Redis 性能的影响，一个简单的方法是用 iPerf 这样的工具测试网络极限带宽。

服务器端
    
    # iperf -s -p 12345 -i 1 -M
    iperf: option requires an argument -- M
    ------------------------------------------------------------
    Server listening on TCP port 12345
    TCP window size: 4.00 MByte (default)
    ------------------------------------------------------------
    [  4] local 172.20.0.113 port 12345 connected with 172.20.0.114 port 56796
    [ ID] Interval       Transfer     Bandwidth
    [  4]  0.0- 1.0 sec   614 MBytes  5.15 Gbits/sec
    [  4]  1.0- 2.0 sec   622 MBytes  5.21 Gbits/sec
    [  4]  2.0- 3.0 sec   647 MBytes  5.42 Gbits/sec
    [  4]  3.0- 4.0 sec   644 MBytes  5.40 Gbits/sec
    [  4]  4.0- 5.0 sec   651 MBytes  5.46 Gbits/sec
    [  4]  5.0- 6.0 sec   652 MBytes  5.47 Gbits/sec
    [  4]  6.0- 7.0 sec   669 MBytes  5.61 Gbits/sec
    [  4]  7.0- 8.0 sec   670 MBytes  5.62 Gbits/sec
    [  4]  8.0- 9.0 sec   667 MBytes  5.59 Gbits/sec
    [  4]  9.0-10.0 sec   667 MBytes  5.60 Gbits/sec
    [  4]  0.0-10.0 sec  6.35 GBytes  5.45 Gbits/sec
    客户端
    
    # iperf -c 服务器端IP -p 12345 -i 1 -t 10 -w 20K
    ------------------------------------------------------------
    Client connecting to 172.20.0.113, TCP port 12345
    TCP window size: 40.0 KByte (WARNING: requested 20.0 KByte)
    ------------------------------------------------------------
    [  3] local 172.20.0.114 port 56796 connected with 172.20.0.113 port 12345
    [ ID] Interval       Transfer     Bandwidth
    [  3]  0.0- 1.0 sec   614 MBytes  5.15 Gbits/sec
    [  3]  1.0- 2.0 sec   622 MBytes  5.21 Gbits/sec
    [  3]  2.0- 3.0 sec   646 MBytes  5.42 Gbits/sec
    [  3]  3.0- 4.0 sec   644 MBytes  5.40 Gbits/sec
    [  3]  4.0- 5.0 sec   651 MBytes  5.46 Gbits/sec
    [  3]  5.0- 6.0 sec   652 MBytes  5.47 Gbits/sec
    [  3]  6.0- 7.0 sec   669 MBytes  5.61 Gbits/sec
    [  3]  7.0- 8.0 sec   670 MBytes  5.62 Gbits/sec
    [  3]  8.0- 9.0 sec   667 MBytes  5.59 Gbits/sec
    [  3]  9.0-10.0 sec   668 MBytes  5.60 Gbits/sec
    [  3]  0.0-10.0 sec  6.35 GBytes  5.45 Gbits/sec

**2.使用复杂度过高的命令**首先，第一步，你需要去查看一下 Redis 的慢日志（slowlog）。Redis 提供了慢日志命令的统计功能，它记录了有哪些命令在执行时耗时比较久。查看 Redis 慢日志之前，你需要设置慢日志的阈值。例如，设置慢日志的阈值为 5 毫秒，并且保留最近 500 条慢日志记录：

# 命令执行耗时超过 5 毫秒，记录慢日志
    CONFIG SET slowlog-log-slower-than 5000
    # 只保留最近 500 条慢日志
    CONFIG SET slowlog-max-len 500

1.经常使用 O(N) 以上复杂度的命令，例如 SORT、SUNION、ZUNIONSTORE 聚合类命令2.使用 O(N) 复杂度的命令，但 N 的值非常大第一种情况导致变慢的原因在于，Redis 在操作内存数据时，时间复杂度过高，要花费更多的 CPU 资源。第二种情况导致变慢的原因在于，Redis 一次需要返回给客户端的数据过多，更多时间花费在数据协议的组装和网络传输过程中。另外，我们还可以从资源使用率层面来分析，如果你的应用程序操作 Redis 的 OPS 不是很大，但 Redis 实例的 **CPU 使用率却很高**，那么很有可能是使用了复杂度过高的命令导致的。

**3.操作bigkey**

如果你查询慢日志发现，并不是复杂度过高的命令导致的，而都是 SET / DEL 这种简单命令出现在慢日志中，那么你就要怀疑你的实例否写入了 bigkey。

redis-cli -h 127.0.0.1 -p 6379 --bigkeys -i 1
    -------- summary -------
    Sampled 829675 keys in the keyspace!
    Total key length in bytes is 10059825 (avg len 12.13)
    Biggest string found 'key:291880' has 10 bytes
    Biggest   list found 'mylist:004' has 40 items
    Biggest    set found 'myset:2386' has 38 members
    Biggest   hash found 'myhash:3574' has 37 fields
    Biggest   zset found 'myzset:2704' has 42 members
    36313 strings with 363130 bytes (04.38% of keys, avg size 10.00)
    787393 lists with 896540 items (94.90% of keys, avg size 1.14)
    1994 sets with 40052 members (00.24% of keys, avg size 20.09)
    1990 hashs with 39632 fields (00.24% of keys, avg size 19.92)
    1985 zsets with 39750 members (00.24% of keys, avg size 20.03)

这里我需要提醒你的是，当执行这个命令时，要注意 2 个问题：

1.对线上实例进行 bigkey 扫描时，Redis 的 OPS 会突增，为了降低扫描过程中对 Redis 的影响，最好控制一下扫描的频率，指定 -i 参数即可，它表示扫描过程中每次扫描后休息的时间间隔，单位是秒2.扫描结果中，对于容器类型（List、Hash、Set、ZSet）的 key，只能扫描出元素最多的 key。但一个 key 的元素多，不一定表示占用内存也多，你还需要根据业务情况，进一步评估内存占用情况。

**4.集中过期**

如果你发现，平时在操作 Redis 时，并没有延迟很大的情况发生，但在某个时间点突然出现一波延时，其现象表现为：**变慢的时间点很有规律，例如某个整点，或者每间隔多久就会发生一波延迟。**如果是出现这种情况，那么你需要排查一下，业务代码中是否存在设置大量 key 集中过期的情况。如果有大量的 key 在某个固定时间点集中过期，在这个时间点访问 Redis 时，就有可能导致延时变大。Redis 的过期数据采用被动过期 + 主动过期两种策略：1.被动过期：只有当访问某个 key 时，才判断这个 key 是否已过期，如果已过期，则从实例中删除2.主动过期：Redis 内部维护了一个定时任务，默认每隔 100 毫秒（1秒10次）就会从全局的过期哈希表中随机取出 20 个 key，然后删除其中过期的 key，如果过期 key 的比例超过了 25%，则继续重复此过程，直到过期 key 的比例下降到 25% 以下，或者这次任务的执行耗时超过了 25 毫秒，才会退出循环注意，**这个主动过期 key 的定时任务，是在 Redis 主线程中执行的。**也就是说如果在执行主动过期的过程中，出现了需要大量删除过期 key 的情况，那么此时应用程序在访问 Redis 时，必须要等待这个过期任务执行结束，Redis 才可以服务这个客户端请求。如果此时需要过期删除的是一个 bigkey，那么这个耗时会更久。而且，**这个操作延迟的命令并不会记录在慢日志中。**因为慢日志中**只记录一个命令真正操作内存数据的耗时**，而 Redis 主动删除过期 key 的逻辑，是在命令真正执行之前执行的。

**5.实例内存达到上限**

当我们把 Redis 当做纯缓存使用时，通常会给这个实例设置一个内存上限 maxmemory，然后设置一个数据淘汰策略。当 Redis 内存达到 maxmemory 后，每次写入新的数据之前，**Redis 必须先从实例中踢出一部分数据，让整个实例的内存维持在 maxmemory 之下**，然后才能把新数据写进来。这个踢出旧数据的逻辑也是需要消耗时间的，而具体耗时的长短，要取决于你配置的淘汰策略：

*  allkeys-lru：不管 key 是否设置了过期，淘汰最近最少访问的 key
 *  **volatile-lru：只淘汰最近最少访问、并设置了过期时间的 key**
 *  allkeys-random：不管 key 是否设置了过期，随机淘汰 key
 *  volatile-random：只随机淘汰设置了过期时间的 key
 *  allkeys-ttl：不管 key 是否设置了过期，淘汰即将过期的 key
 *  noeviction：不淘汰任何 key，实例内存达到 maxmeory 后，再写入新数据直接返回错误
 *  allkeys-lfu：不管 key 是否设置了过期，淘汰访问频率最低的 key（4.0+版本支持）
 *  volatile-lfu：只淘汰访问频率最低、并设置了过期时间 key（4.0+版本支持）

**一般最常使用的是 allkeys-lru / volatile-lru 淘汰策略，它们的处理逻辑是，每次从实例中随机取出一批 key（这个数量可配置），然后淘汰一个最少访问的 key，之后把剩下的 key 暂存到一个池子中，继续随机取一批 key，并与之前池子中的 key 比较，再淘汰一个最少访问的 key。以此往复，直到实例内存降到 maxmemory 之下。**

需要注意的是，Redis 的淘汰数据的逻辑与删除过期 key 的一样，也是在命令真正执行之前执行的，也就是说它也会增加我们操作 Redis 的延迟，而且，写 OPS 越高，延迟也会越明显。

![b080d6e640eb3049161e60524cee9e64.png][]

如果此时你的 Redis 实例中还存储了 bigkey，那么**在淘汰删除 bigkey 释放内存时，也会耗时比较久。**

**6.fork耗时严重**

当 Redis 开启了后台 RDB 和 AOF rewrite 后，在执行时，它们都需要主进程创建出一个子进程进行数据的持久化。

主进程创建子进程，会调用操作系统提供的 fork 函数。

而 fork 在执行过程中，**主进程需要拷贝自己的内存页表给子进程**，如果这个实例很大，那么这个拷贝的过程也会比较耗时。

而且这个 fork 过程会消耗大量的 CPU 资源，在完成 fork 之前，整个 Redis 实例会被阻塞住，无法处理任何客户端请求。

如果此时你的 CPU 资源本来就很紧张，那么 fork 的耗时会更长，甚至达到秒级，这会严重影响 Redis 的性能。

那如何确认确实是因为 fork 耗时导致的 Redis 延迟变大呢？

你可以在 Redis 上执行 INFO 命令，查看 latest\_fork\_usec 项，单位微秒。

# 上一次 fork 耗时，单位微秒
    latest_fork_usec:59477

这个时间就是主进程在 fork 子进程期间，整个实例阻塞无法处理客户端请求的时间。

如果你发现这个耗时很久，就要警惕起来了，这意味在这期间，你的整个 Redis 实例都处于不可用的状态。

除了数据持久化会生成 RDB 之外，当主从节点第一次建立数据同步时，主节点也创建子进程生成 RDB，然后发给从节点进行一次全量同步，所以，这个过程也会对 Redis 产生性能影响。

![12bffbcab4ffd56aab7f9689bd6a3e67.png][]

**7.开启内存大页**

除了上面讲到的子进程 RDB 和 AOF rewrite 期间，fork 耗时导致的延时变大之外，这里还有一个方面也会导致性能问题，这就是操作系统是否开启了**内存大页机制**。

什么是内存大页？

我们都知道，应用程序向操作系统申请内存时，是按**内存页**进行申请的，而常规的内存页大小是 4KB。

Linux 内核从 2.6.38 开始，支持了**内存大页机制**，该机制允许应用程序以 2MB 大小为单位，向操作系统申请内存。

应用程序每次向操作系统申请的内存单位变大了，但这也意味着申请内存的耗时变长。

**这对 Redis 会有什么影响呢？**

当 Redis 在执行后台 RDB，采用 fork 子进程的方式来处理。但主进程 fork 子进程后，此时的**主进程依旧是可以接收写请求的**，而进来的写请求，会采用 Copy On Write（写时复制）的方式操作内存数据。

也就是说，主进程一旦有数据需要修改，Redis 并不会直接修改现有内存中的数据，而是**先将这块内存数据拷贝出来，再修改这块新内存的数据**，这就是所谓的「写时复制」。

写时复制你也可以理解成，谁需要发生写操作，谁就需要先拷贝，再修改。

这样做的好处是，父进程有任何写操作，并不会影响子进程的数据持久化（子进程只持久化 fork 这一瞬间整个实例中的所有数据即可，不关心新的数据变更，因为子进程只需要一份内存快照，然后持久化到磁盘上）。

但是请注意，主进程在拷贝内存数据时，这个阶段就涉及到新内存的申请，如果此时操作系统开启了内存大页，那么在此期间，客户端即便只修改 10B 的数据，**Redis 在申请内存时也会以 2MB 为单位向操作系统申请，申请内存的耗时变长，进而导致每个写请求的延迟增加，影响到 Redis 性能。**

同样地，如果这个写请求操作的是一个 bigkey，那主进程在拷贝这个 bigkey 内存块时，一次申请的内存会更大，时间也会更久。可见，bigkey 在这里又一次影响到了性能。

**8.开启AOF**

前面我们分析了 RDB 和 AOF rewrite 对 Redis 性能的影响，主要关注点在 fork 上。

其实，关于数据持久化方面，还有影响 Redis 性能的因素，这次我们重点来看 AOF 数据持久化。

如果你的 AOF 配置不合理，还是有可能会导致性能问题。

当 Redis 开启 AOF 后，其工作原理如下：

**1.Redis 执行写命令后，把这个命令写入到 AOF 文件内存中（write 系统调用）**

**2.Redis 根据配置的 AOF 刷盘策略，把 AOF 内存数据刷到磁盘上（fsync 系统调用）**

为了保证 AOF 文件数据的安全性，Redis 提供了 3 种刷盘机制：

1.appendfsync always：主线程每次执行写操作后立即刷盘，此方案会占用比较大的磁盘 IO 资源，但数据安全性最高

2.appendfsync no：主线程每次写操作只写内存就返回，内存数据什么时候刷到磁盘，交由操作系统决定，此方案对性能影响最小，但数据安全性也最低，Redis 宕机时丢失的数据取决于操作系统刷盘时机

3.appendfsync everysec：主线程每次写操作只写内存就返回，然后由后台线程每隔 1 秒执行一次刷盘操作（触发fsync系统调用），此方案对性能影响相对较小，但当 Redis 宕机时会丢失 1 秒的数据

看到这里，我猜你肯定和大多数人的想法一样，选比较折中的方案 appendfsync everysec 就没问题了吧？

这个方案优势在于，Redis 主线程写完内存后就返回，具体的刷盘操作是放到后台线程中执行的，后台线程每隔 1 秒把内存中的数据刷到磁盘中。

这种方案既兼顾了性能，又尽可能地保证了数据安全，是不是觉得很完美？

**但是，这里我要给你泼一盆冷水了，采用这种方案你也要警惕一下，因为这种方案还是存在导致 Redis 延迟变大的情况发生，甚至会阻塞整个 Redis。**

你试想这样一种情况：当 Redis 后台线程在执行 AOF 文件刷盘时，如果此时磁盘的 IO 负载很高，那这个后台线程在执行刷盘操作（fsync系统调用）时就会被阻塞住。

此时的主线程依旧会接收写请求，紧接着，主线程又需要把数据写到文件内存中（write 系统调用），当主线程使用后台子线程执行了一次 fsync，需要再次把新接收的操作记录写回磁盘时，如果主线程发现上一次的 fsync 还没有执行完，那么它就会阻塞。所以，如果后台子线程执行的 fsync 频繁阻塞的话（比如 AOF 重写占用了大量的磁盘 IO 带宽），主线程也会阻塞，导致 Redis 性能变慢。

![b52ead7803b2ff54caad8cea846a22b4.png][]

看到了么？在这个过程中，主线程依旧有阻塞的风险。

所以，尽管你的 AOF 配置为 appendfsync everysec，也不能掉以轻心，要警惕磁盘压力过大导致的 Redis 有性能问题。

那什么情况下会导致磁盘 IO 负载过大？以及如何解决这个问题呢？

我总结了以下几种情况，你可以参考进行问题排查：

**1.子进程正在执行 AOF rewrite，这个过程会占用大量的磁盘 IO 资源**

**2.有其他应用程序在执行大量的写文件操作，也会占用磁盘 IO 资源**

**对于情况1，说白了就是，Redis 的 AOF 后台子线程刷盘操作，撞上了子进程 AOF rewrite！**

**9.绑定CPU**

很多时候，我们在部署服务时，为了提高服务性能，降低应用程序在多个 CPU 核心之间的上下文切换带来的性能损耗，通常采用的方案是进程绑定 CPU 的方式提高性能。

我们都知道，一般现代的服务器会有多个 CPU，而每个 CPU 又包含多个物理核心，每个物理核心又分为多个逻辑核心，每个物理核下的逻辑核共用 L1/L2 Cache。

而 Redis Server 除了主线程服务客户端请求之外，还会创建子进程、子线程。

其中子进程用于数据持久化，而子线程用于执行一些比较耗时操作，例如异步释放 fd、异步 AOF 刷盘、异步 lazy-free 等等。

如果你把 Redis 进程只绑定了一个 CPU 逻辑核心上，那么当 Redis 在进行数据持久化时，fork 出的子进程会继承父进程的 CPU 使用偏好。

**而此时的子进程会消耗大量的 CPU 资源进行数据持久化（把实例数据全部扫描出来需要耗费CPU），这就会导致子进程会与主进程发生 CPU 争抢，进而影响到主进程服务客户端请求，访问延迟变大。**

这就是 Redis 绑定 CPU 带来的性能问题。

**10.使用Swap**

如果你发现 Redis 突然变得非常慢，**每次的操作耗时都达到了几百毫秒甚至秒级**，那此时你就需要检查 Redis 是否使用到了 Swap，在这种情况下 Redis 基本上已经无法提供高性能的服务了。

什么是 Swap？为什么使用 Swap 会导致 Redis 的性能下降？

如果你对操作系统有些了解，就会知道操作系统为了缓解内存不足对应用程序的影响，允许把一部分内存中的数据换到磁盘上，以达到应用程序对内存使用的缓冲，这些内存数据被换到磁盘上的区域，就是 Swap。

问题就在于，当内存中的数据被换到磁盘上后，Redis 再访问这些数据时，就需要从磁盘上读取，访问磁盘的速度要比访问内存慢几百倍！

**尤其是针对 Redis 这种对性能要求极高、性能极其敏感的数据库来说，这个操作延时是无法接受的。**

此时，你需要检查 Redis 机器的内存使用情况，确认是否存在使用了 Swap。

你可以通过以下方式来查看 Redis 进程是否使用到了 Swap：

# 先找到 Redis 的进程 ID
    $ ps -aux | grep redis-server
    # 查看 Redis Swap 使用情况
    $ cat /proc/$pid/smaps | egrep '^(Swap|Size)'

输出结果如下：

Size:               1256 kB
    Swap:                  0 kB
    Size:                  4 kB
    Swap:                  0 kB
    Size:                132 kB
    Swap:                  0 kB
    Size:              63488 kB
    Swap:                  0 kB
    Size:                132 kB
    Swap:                  0 kB
    Size:              65404 kB
    Swap:                  0 kB
    Size:            1921024 kB
    Swap:                  0 kB

每一行 Size 表示 Redis 所用的一块内存大小，Size 下面的 Swap 就表示这块 Size 大小的内存，有多少数据已经被换到磁盘上了，如果这两个值相等，说明这块内存的数据都已经完全被换到磁盘上了。

如果只是少量数据被换到磁盘上，例如每一块 Swap 占对应 Size 的比例很小，那影响并不是很大。**如果是几百兆甚至上 GB 的内存被换到了磁盘上**，那么你就需要警惕了，这种情况 Redis 的性能肯定会急剧下降。

**11.碎片整理**

Redis 的数据都存储在内存中，当我们的应用程序频繁修改 Redis 中的数据时，就有可能会导致 Redis 产生内存碎片。

内存碎片会降低 Redis 的内存使用率，我们可以通过执行 INFO 命令，得到这个实例的内存碎片率：

# Memory
    used_memory:5709194824
    used_memory_human:5.32G
    used_memory_rss:8264855552
    used_memory_rss_human:7.70G
    ...
    mem_fragmentation_ratio:1.45

这个内存碎片率是怎么计算的？

很简单，mem\_fragmentation\_ratio = used\_memory\_rss / used\_memory。

其中 used\_memory 表示 Redis 存储数据的内存大小，而 used\_memory\_rss 表示操作系统实际分配给 Redis 进程的大小。

如果 mem\_fragmentation\_ratio > 1.5，说明内存碎片率已经超过了 50%，这时我们就需要采取一些措施来降低内存碎片了。

解决的方案一般如下：

1.如果你使用的是 Redis 4.0 以下版本，只能通过重启实例来解决

2.如果你使用的是 Redis 4.0 版本，它正好提供了自动碎片整理的功能，可以通过配置开启碎片自动整理。

**但是，开启内存碎片整理，它也有可能会导致 Redis 性能下降。**

原因在于，Redis 的碎片整理工作是也在**主线程**中执行的，当其进行碎片整理时，必然会消耗 CPU 资源，产生更多的耗时，从而影响到客户端的请求。

所以，当你需要开启这个功能时，最好提前测试评估它对 Redis 的影响。

Redis 碎片整理的参数配置如下：

# 开启自动内存碎片整理（总开关）
    activedefrag yes
    
    # 内存使用 100MB 以下，不进行碎片整理
    active-defrag-ignore-bytes 100mb
    
    # 内存碎片率超过 10%，开始碎片整理
    active-defrag-threshold-lower 10
    # 内存碎片率超过 100%，尽最大努力碎片整理
    active-defrag-threshold-upper 100
    
    # 内存碎片整理占用 CPU 资源最小百分比
    active-defrag-cycle-min 1
    # 内存碎片整理占用 CPU 资源最大百分比
    active-defrag-cycle-max 25
    
    # 碎片整理期间，对于 List/Set/Hash/ZSet 类型元素一次 Scan 的数量
    active-defrag-max-scan-fields 1000

二、Redis如何优化

**1.慢查询优化**

1.尽量不使用 O(N) 以上复杂度过高的命令，对于数据的聚合操作，放在客户端做

2.执行 O(N) 命令，保证 N 尽量的小（推荐 N <= 300），每次获取尽量少的数据，让 Redis 可以及时处理返回

**2.集中过期优化**

一般有两种方案来规避这个问题：

1.集中过期 key 增加一个随机过期时间，把集中过期的时间打散，降低 Redis 清理过期 key 的压力

2.如果你使用的 Redis 是 4.0 以上版本，可以开启 lazy-free 机制，当删除过期 key 时，把释放内存的操作放到后台线程中执行，避免阻塞主线程。

第一种方案，在设置 key 的过期时间时，增加一个随机时间，伪代码可以这么写：

# 在过期时间点之后的 5 分钟内随机过期掉
    redis.expireat(key, expire_time + random(300))

第二种方案，Redis 4.0 以上版本，开启 lazy-free 机制：

# 释放过期 key 的内存，放到后台线程执行
    lazyfree-lazy-expire yes

**运维层面，你需要把 Redis 的各项运行状态数据监控起来，在 Redis 上执行 INFO 命令就可以拿到这个实例所有的运行状态数据。**

**在这里我们需要重点关注 expired\_keys 这一项，它代表整个实例到目前为止，累计删除过期 key 的数量。**

**你需要把这个指标监控起来，当这个指标在很短时间内出现了突增，需要及时报警出来，然后与业务应用报慢的时间点进行对比分析，确认时间是否一致，如果一致，则可以确认确实是因为集中过期 key 导致的延迟变大。**

**3.实例内存达到上限优化**

1.避免存储 bigkey，降低释放内存的耗时

2.淘汰策略改为随机淘汰，随机淘汰比 LRU 要快很多（视业务情况调整）

3.拆分实例，把淘汰 key 的压力分摊到多个实例上

4.如果使用的是 Redis 4.0 以上版本，开启 layz-free 机制，把淘汰 key 释放内存的操作放到后台线程中执行（配置 lazyfree-lazy-eviction = yes）

**4.fork耗时严重优化**

1.控制 Redis 实例的内存：尽量在 10G 以下，执行 fork 的耗时与实例大小有关，实例越大，耗时越久。

2.合理配置数据持久化策略：在 slave 节点执行 RDB 备份，推荐在低峰期执行，而对于丢失数据不敏感的业务（例如把 Redis 当做纯缓存使用），可以关闭 AOF 和 AOF rewrite。

3.Redis 实例不要部署在虚拟机上：**fork 的耗时也与系统也有关，虚拟机比物理机耗时更久。**

4.降低主从库全量同步的概率：适当调大 repl-backlog-size 参数，避免主从全量同步。

从建立同步时，优先检测是否可以尝试只同步部分数据，这种情况就是针对于之前已经建立好了复制链路，只是因为故障导致临时断开，故障恢复后重新建立同步时，为了避免全量同步的资源消耗，Redis会优先尝试部分数据同步，如果条件不符合，才会触发全量同步。
    这个判断依据就是在master上维护的复制缓冲区大小，如果这个缓冲区配置的过小，很有可能在主从断开复制的这段时间内，master产生的写入导致复制缓冲区的数据被覆盖，重新建立同步时的slave需要同步的offset位置在master的缓冲区中找不到，那么此时就会触发全量同步。
    如何避免这种情况？解决方案就是适当调大复制缓冲区repl-backlog-size的大小，这个缓冲区的大小默认为1MB，如果实例写入量比较大，可以针对性调大此配置。

**5.多核CPU优化**

那如何解决这个问题呢？

如果你确实想要绑定 CPU，可以优化的方案是，不要让 Redis 进程只绑定在一个 CPU 逻辑核上，而是绑定在多个逻辑核心上，而且，绑定的多个逻辑核心最好是同一个物理核心，这样它们还可以共用 L1/L2 Cache。

当然，即便我们把 Redis 绑定在多个逻辑核心上，也只能在一定程度上缓解主线程、子进程、后台线程在 CPU 资源上的竞争。

因为这些子进程、子线程还是会在这多个逻辑核心上进行切换，存在性能损耗。

如何再进一步优化？

可能你已经想到了，我们是否可以让主线程、子进程、后台线程，分别绑定在固定的 CPU 核心上，不让它们来回切换，这样一来，他们各自使用的 CPU 资源互不影响。

其实，这个方案 Redis 官方已经想到了。

Redis 在 6.0 版本已经推出了这个功能，我们可以通过以下配置，对主线程、后台线程、后台 RDB 进程、AOF rewrite 进程，绑定固定的 CPU 逻辑核心：

Redis6.0 前绑定CPU核

taskset -c 0 ./redis-server

Redis6.0 后绑定CPU核

# Redis Server 和 IO 线程绑定到 CPU核心 0,2,4,6
    server_cpulist 0-7:2
    # 后台子线程绑定到 CPU核心 1,3
    bio_cpulist 1,3
    # 后台 AOF rewrite 进程绑定到 CPU 核心 8,9,10,11
    aof_rewrite_cpulist 8-11
    # 后台 RDB 进程绑定到 CPU 核心 1,10,11
    # bgsave_cpulist 1,10-1

如果你使用的正好是 Redis 6.0 版本，就可以通过以上配置，来进一步提高 Redis 性能。

这里我需要提醒你的是，一般来说，Redis 的性能已经足够优秀，除非你对 Redis 的性能有更加严苛的要求，否则不建议你绑定 CPU。

**6.查看Redis内存是否发生Swap**

$ redis-cli info | grep process_id
    process_id: 5332

然后，进入 Redis 所在机器的 /proc 目录下的该进程目录中：

$ cd /proc/5332

最后，运行下面的命令，查看该 Redis 进程的使用情况。在这儿，我只截取了部分结果：

$cat smaps | egrep '^(Swap|Size)'
    Size: 584 kB
    Swap: 0 kB
    Size: 4 kB
    Swap: 4 kB
    Size: 4 kB
    Swap: 0 kB
    Size: 462044 kB
    Swap: 462008 kB
    Size: 21392 kB
    Swap: 0 kB

**一旦发生内存 swap，最直接的解决方法就是增加机器内存。如果该实例在一个 Redis 切片集群中，可以增加 Redis 集群的实例个数，来分摊每个实例服务的数据量，进而减少每个实例所需的内存量。**

**7.内存大页**

如果采用了内存大页，那么，即使客户端请求只修改 100B 的数据，Redis 也需要拷贝 2MB 的大页。相反，如果是常规内存页机制，只用拷贝 4KB。两者相比，你可以看到，当客户端请求修改或新写入数据较多时，内存大页机制将导致大量的拷贝，这就会影响 Redis 正常的访存操作，最终导致性能变慢。

首先，我们要先排查下内存大页。方法是：在 Redis 实例运行的机器上执行如下命令:

$ cat /sys/kernel/mm/transparent_hugepage/enabled
    [always] madvise never

如果执行结果是 always，就表明内存大页机制被启动了；如果是 never，就表示，内存大页机制被禁止。

**在实际生产环境中部署时，我建议你不要使用内存大页机制**，操作也很简单，只需要执行下面的命令就可以了：

echo never /sys/kernel/mm/transparent_hugepage/enabled

其实，操作系统提供的内存大页机制，其优势是，可以在一定程序上降低应用程序申请内存的次数。

但是对于 Redis 这种对性能和延迟极其敏感的数据库来说，我们希望 Redis 在每次申请内存时，耗时尽量短，所以我不建议你在 Redis 机器上开启这个机制。

**8.删除使用Lazy Free**

支持版本：Redis 4.0+

8.1 主动删除键使用lazy free

**UNLINK命令**

127.0.0.1:7000> LLEN mylist
    (integer) 2000000
    127.0.0.1:7000> UNLINK mylist
    (integer) 1
    127.0.0.1:7000> SLOWLOG get
    1) 1) (integer) 1
       2) (integer) 1505465188
       3) (integer) 30
       4) 1) "UNLINK"
          2) "mylist"
       5) "127.0.0.1:17015"
       6) ""

注意：DEL命令，还是并发阻塞的删除操作

**FLUSHALL/FLUSHDB ASYNC**

127.0.0.1:7000> DBSIZE
    (integer) 1812295
    127.0.0.1:7000> flushall  //同步清理实例数据，180万个key耗时1020毫秒
    OK
    (1.02s)
    127.0.0.1:7000> DBSIZE
    (integer) 1812637
    127.0.0.1:7000> flushall async  //异步清理实例数据，180万个key耗时约9毫秒
    OK
    127.0.0.1:7000> SLOWLOG get
     1) 1) (integer) 2996109
        2) (integer) 1505465989
        3) (integer) 9274       //指令运行耗时9.2毫秒
        4) 1) "flushall"
           2) "async"
        5) "127.0.0.1:20110"
        6) ""

8.2 被动删除键使用lazy free

lazy free应用于被动删除中，目前有4种场景，每种场景对应一个配置参数；默认都是关闭。

lazyfree-lazy-eviction no
    lazyfree-lazy-expire no
    lazyfree-lazy-server-del no
    slave-lazy-flush no

**lazyfree-lazy-eviction**

针对redis内存使用达到maxmeory，并设置有淘汰策略时；在被动淘汰键时，是否采用lazy free机制；因为此场景开启lazy free, 可能使用淘汰键的内存释放不及时，导致redis内存超用，超过maxmemory的限制。此场景使用时，请结合业务测试。（**生产环境不建议设置yes**）

**lazyfree-lazy-expire**

针对设置有TTL的键，达到过期后，被redis清理删除时是否采用lazy free机制；此场景建议开启，因TTL本身是自适应调整的速度。

**lazyfree-lazy-server-del**

针对有些指令在处理已存在的键时，会带有一个隐式的DEL键的操作。如rename命令，当目标键已存在,redis会先删除目标键，如果这些目标键是一个big key,那就会引入阻塞删除的性能问题。此参数设置就是解决这类问题，建议可开启。

**slave-lazy-flush**

针对slave进行全量数据同步，slave在加载master的RDB文件前，会运行flushall来清理自己的数据场景， 参数设置决定是否采用异常flush机制。如果内存变动不大，建议可开启。可减少全量同步耗时，从而减少主库因输出缓冲区爆涨引起的内存使用增长。

8.3 lazy free的监控

lazy free能监控的数据指标，只有一个值：lazyfree\_pending\_objects，表示redis执行lazy free操作，在等待被实际回收内容的键个数。并不能体现单个大键的元素个数或等待lazy free回收的内存大小。所以此值有一定参考值，可监测redis lazy free的效率或堆积键数量；比如在flushall async场景下会有少量的堆积。

# info memory
    
    # Memory
    lazyfree_pending_objects:0

**注意事项：**unlink命令入口函数unlinkCommand()和del调用相同函数delGenericCommand()进行删除KEY操作，使用lazy标识是否为lazyfree调用。如果是lazyfree,则调用dbAsyncDelete()函数。**但并非每次unlink命令就一定启用lazy free，redis会先判断释放KEY的代价(cost),当cost大于LAZYFREE\_THRESHOLD（64）才进行lazy free.**释放key代价计算函数lazyfreeGetFreeEffort()，集合类型键，且满足对应编码，cost就是集合键的元数个数，否则cost就是1. 举例：1 一个包含100元素的list key, 它的free cost就是100 2 一个512MB的string key, 它的free cost是1 所以可以看出，redis的lazy free的cost计算主要时间复杂度相关。

**9.AOF优化**

Redis 提供了一个配置项，当子进程在 AOF rewrite 期间，可以让后台子线程不执行刷盘（不触发 fsync 系统调用）操作。

这相当于在 AOF rewrite 期间，临时把 appendfsync 设置为了 none，配置如下：

# AOF rewrite 期间，AOF 后台子线程不进行刷盘操作
    # 相当于在这期间，临时把 appendfsync 设置为了 none
    no-appendfsync-on-rewrite yes

当然，开启这个配置项，在 AOF rewrite 期间，如果实例发生宕机，那么此时会丢失更多的数据，性能和数据安全性，你需要权衡后进行选择。

如果占用磁盘资源的是其他应用程序，那就比较简单了，你需要定位到是哪个应用程序在大量写磁盘，然后把这个应用程序迁移到其他机器上执行就好了，避免对 Redis 产生影响。

当然，如果你对 Redis 的性能和数据安全都有很高的要求，**那么建议从硬件层面来优化，更换为 SSD 磁盘，提高磁盘的 IO 能力，保证 AOF 期间有充足的磁盘资源可以使用。同时尽可能让Redis运行在独立的机器上。**

**10.Swap优化**

1.增加机器的内存，让 Redis 有足够的内存可以使用

2.整理内存空间，释放出足够的内存供 Redis 使用，然后释放 Redis 的 Swap，让 Redis 重新使用内存

释放 Redis 的 Swap 过程通常要重启实例，为了避免重启实例对业务的影响，一般会先进行主从切换，然后释放旧主节点的 Swap，重启旧主节点实例，待从库数据同步完成后，再进行主从切换即可。

预防的办法就是，你需要对 Redis 机器的内存和 Swap 使用情况进行监控，在内存不足或使用到 Swap 时报警出来，及时处理。

三、Redis变慢了排查步骤

1、获取 Redis 实例在当前环境下的基线性能。

2、是否用了慢查询命令？如果是的话，就使用其他命令替代慢查询命令，或者把聚合计算命令放在客户端做。

3、是否对过期 key 设置了相同的过期时间？对于批量删除的 key，可以在每个 key 的过期时间上加一个随机数，避免同时删除。

4、是否存在 bigkey？对于 bigkey 的删除操作，如果你的 Redis 是 4.0 及以上的版本，可以直接利用异步线程机制减少主线程阻塞；如果是 Redis 4.0 以前的版本，可以使用 SCAN 命令迭代删除；对于 bigkey 的集合查询和聚合操作，可以使用 SCAN 命令在客户端完成。

5、Redis AOF 配置级别是什么？业务层面是否的确需要这一可靠性级别？如果我们需要高性能，同时也允许数据丢失，可以将配置项 no-appendfsync-on-rewrite 设置为 yes，避免 AOF 重写和 fsync 竞争磁盘 IO 资源，导致 Redis 延迟增加。当然， 如果既需要高性能又需要高可靠性，最好使用高速固态盘作为 AOF 日志的写入盘。

6、Redis 实例的内存使用是否过大？发生 swap 了吗？如果是的话，就增加机器内存，或者是使用 Redis 集群，分摊单机 Redis 的键值对数量和内存压力。同时，要避免出现 Redis 和其他内存需求大的应用共享机器的情况。

7、在 Redis 实例的运行环境中，是否启用了透明大页机制？如果是的话，直接关闭内存大页机制就行了。

8、是否运行了 Redis 主从集群？如果是的话，把主库实例的数据量大小控制在 2~4GB，以免主从复制时，从库因加载大的 RDB 文件而阻塞。

9、是否使用了多核 CPU 或 NUMA 架构的机器运行 Redis 实例？使用多核 CPU 时，可以给 Redis 实例绑定物理核；使用 NUMA 架构时，注意把 Redis 实例和网络中断处理程序运行在同一个 CPU Socket 上。

[b080d6e640eb3049161e60524cee9e64.png]: https://img-blog.csdnimg.cn/img_convert/b080d6e640eb3049161e60524cee9e64.png
[12bffbcab4ffd56aab7f9689bd6a3e67.png]: https://img-blog.csdnimg.cn/img_convert/12bffbcab4ffd56aab7f9689bd6a3e67.png
[b52ead7803b2ff54caad8cea846a22b4.png]: https://img-blog.csdnimg.cn/img_convert/b52ead7803b2ff54caad8cea846a22b4.png