cs-note/hhs/Redis/11-运维与性能调优.md

---
tags: [Redis, 缓存, 运维, 性能调优]
create time: 2026-05-15 18:16
---

# Redis 运维与性能调优

## 概述

生产环境的 Redis 不是一装就跑——你需要持续监控、定期清理大 Key、合理配置连接池、分析慢查询。本节覆盖日常运维中最常见的问题和调优方法。

## 一、监控指标体系

### INFO 命令分级

```bash
# ──── 核心指标 ────
INFO server          # 版本、进程 ID、启动时间、运行天数
INFO clients         # 连接数、阻塞客户端数、写入缓冲区
INFO memory          # 内存使用量、峰值、碎片率 ← **必看**
INFO stats           # 命中率、命令数、fork 耗时 ← **必看**
INFO persistence     # RDB/AOF 状态 ← **必看**
INFO replication     # 主从关系、延迟 ← **必看**
INFO commandstats    # 各命令调用量和耗时排名

# ──── 辅助指标 ────
INFO keyspace        # 每个 DB 的 key 数量和 TTL 统计
INFO cpu             # CPU 消耗
INFO errorstats      # 错误统计
INFO cluster         # 集群拓扑（仅 Cluster）
INFO sentinel        # Sentinel 信息（仅 Sentinel）
```

### 关键指标解读

```bash
# 从 INFO stats 提取的核心指标
keyspace_hits: 987654       # 缓存命中次数
keyspace_misses: 12346      # 缓存未命中次数
# → 命中率 = 987654 / (987654 + 12346) = 98.76%

used_memory_human: 1.23G    # 已用内存
used_memory_rss_human: 1.35G # OS 感知内存
mem_fragmentation_ratio: 1.09 # RSS / used = 碎片率

# ──── 健康标准 ────
| 指标 | 正常范围 | 警告阈值 |
|------|---------|---------|
| 命中率 | > 90% | < 80% 需排查 |
| mem_fragmentation_ratio | 1.0 ~ 1.5 | > 1.5 内存浪费，< 1.0 swap 风险 |
| rejected_connections | 0 | > 0 说明 maxclients 不够 |
| total_commands_processed/s | 平稳增长 | 断崖式下跌说明异常 |
| connected_slaves | ≥ 预期 | 0 = 全部分离 |
```

### 副本延迟监控

```bash
# 从节点查看主从状态
INFO replication
# role:slave / master_host / master_port / master_link_status(up/down)
# master_last_io_seconds_ago, master_sync_in_progress

# 关键指标：master_repl_offset - slave_repl_offset
# → 差值即为延迟字节数，超过 1MB 需关注
```

> [!WARNING] 副本延迟常见原因
> - **单线程写放大**：主库高并发写入时，从库网络 IO 成为瓶颈
> - **大 Key 持久化**：BGSAVE/BGREWRITEAOF 期间从库全量同步会短暂中断服务
> - **解决方案**：配置多个从库分担读取流量 + 使用 `replica-read-only yes`（Redis 5.0+）禁止从库写入

### 实时监控脚本

```bash
#!/bin/bash
HOST=${1:-127.0.0.1}
PORT=${2:-6379}

echo "=== Memory ==="
redis-cli -h $HOST -p $PORT INFO memory \
  | grep -E "used_memory_human|maxmemory_human|mem_fragmentation_ratio"

echo "=== Stats ==="
redis-cli -h $HOST -p $PORT INFO stats \
  | grep -E "keyspace_hits|keyspace_misses|instantaneous_ops_per_sec"

echo "=== Clients ==="
redis-cli -h $HOST -p $PORT INFO clients \
  | grep -E "connected_clients|blocked_clients"

echo "=== Persistence ==="
redis-cli -h $HOST -p $PORT INFO persistence \
  | grep -E "aof_enabled|rdb_last_bgsave_status"
```

## 二、慢查询日志

### 配置与分析

```bash
# 默认配置
CONFIG GET slowlog-log-slower-than    # 默认 10000 μs (10ms)
CONFIG GET slowlog-max-len            # 默认 128 条

# 调整为 5ms 阈值
CONFIG SET slowlog-log-slower-than 5000

# 扩大存储容量
CONFIG SET slowlog-max-len 2048

# 查看慢查询
SLOWLOG GET 10

# 重置
SLOWLOG RESET
```

### 典型慢查询根因

| 慢查询 | 根因 | 修复方案 |
|--------|------|---------|
| `KEYS *` | 全库扫描 O(N) | 改用 SCAN |
| `HGETALL large_hash` | 大 Hash 全量返回 | HSCAN 分页 |
| `SMEMBERS huge_set` | 大集合全量遍历 | SSCAN 分页 |
| `LRANGE 0 -1` (百万条 List) | 全列表拉取 | LRANGE 指定范围 |
| 无索引的 DB 查询（在 Lua 中） | DB 层问题 | 加 DB 索引 |

```bash
# SLOWLOG GET 输出字段说明
1) (integer) 14              # 慢查询 ID（递增）
2) (integer) 1716620400      # 发生时间（Unix 时间戳）
3) (integer) 13456           # 耗时（微秒）
4) 1) "KEYS"                 # 命令及参数
   2) "*"
5) "127.0.0.1:53412"         # 客户端地址
6) ""                        # 客户端名称
```

```go
// go-redis 中的 SlowLog 接口
entries, err := rdb.SlowLogGet(ctx, 10).Result()
if err != nil {
    log.Fatal(err)
}
for _, e := range entries {
    fmt.Printf("ID: %d, Time: %s, Cmd: %s, Duration: %v\n",
        e.ID, e.Time.Format(time.RFC3339), e.Args, e.Duration)
}
```

### 延迟诊断工具

Redis 提供了内建的延迟诊断能力，定位"客户端感知慢"但服务端 CPU 并不繁忙的场景：

```bash
# ──── 实时延迟采样（排查首选） ────
redis-cli --latency                    # 持续输出 min/avg/max（ms）
redis-cli --latency-history -i 5       # 每 5 秒输出一次统计

# ──── 延迟分布直方图 ────
redis-cli --latency-dist               # 交互式彩色直方图，快速定位延迟区间

# ──── 事件驱动延迟监控（需服务端配置） ────
# 在 redis.conf 中配置延迟阈值（微秒）
# latency-monitor-threshold 10

# 之后查看：
LATENCY LATEST              # 最近的延迟事件
LATENCY HISTORY command     # 某命令的延迟历史
LATENCY RESET               # 重置统计数据
```

> [!TIP] 延迟排查三板斧
> 1. `redis-cli --latency` — 先看基线是否正常（正常 P99 < 1ms）
> 2. `LATENCY LATEST` — 看是否有异常事件（fork、大 Key 删除、AOF fsync）
> 3. `INFO commandstats` — 按命令耗时排序，定位慢命令

## 三、大 Key 治理

### 什么是大 Key？

通常指超过 **5KB** 的单个 Key（字符串除外，字符串可达数百 MB）。

> [!WARNING] 大 Key 的危害
> - **网络阻塞**：SET/GET 一个 1MB 的值占满一条 TCP 连接
> - **过期事件堆积**：大量大 key 同时过期时一次性触发删除，阻塞主线程
> - **分片迁移卡顿**：Cluster 迁移 slot 时需要复制整个值
> - **RDB/AOF 膨胀**：持久化文件急剧增大

### 检测工具

```bash
# 方式 1: redis-cli --bigkeys（采样扫描）
redis-cli --bigkeys -n 1000

# 输出示例：
# --- SUMMARY ---
# Size       Count  Type        Keys
# 1.23MB     1      string      user:avatar:big_image
# 456KB      3      hash        order:items:*
# ...

# 方式 2: redis-rdb-tools (RDB 离线分析)
rdb -c memory dump.rdb | sort -k2 -rn | head -20

# 方式 3: RedisInsight / AnotherRedisDesktopManager GUI
```

### 拆分策略

```
原始大 Key:
order:12345 -> hash{ item1, item2, ..., item5000 }  ← 5000 个订单项

拆分后:
order:12345:id -> order_main_12345                  ← 订单元数据
order:12345:items:page:1 -> list[ item1~item100 ]   ← 按页拆分
order:12345:items:page:2 -> list[ item101~item200 ]

读取时拼接 pages 即可
```

### DEL 大 Key 的风险

```bash
# ⛔ 直接 DEL 大 key 会阻塞主线程！
DEL big_key

# ✅ 渐进式删除（SCAN + UNLINK）
UNLINK big_key        # 异步删除（Redis 4.0+），立即返回
                        # 后台线程回收内存
```

> [!TIP] UNLINK vs DEL
> - `DEL`：同步删除，大 key 可能阻塞数十毫秒甚至秒级
> - `UNLINK`：异步删除，立即返回，后台回收（类似 GC）
> - 生产环境优先使用 `UNLINK`

## 四、连接池调优

### Go go-redis 连接池配置

```go
rdb := redis.NewClient(&redis.Options{
    Addr:     "localhost:6379",
    Password: "",
    DB:       0,

    // ──── 连接池参数（go-redis v9） ────
    PoolSize:        100,              // 连接池最大连接数（= 旧 MaxActive）
    MinIdleConns:    10,               // 最小空闲连接数，启动时预热
    ConnMaxIdleTime: 5 * time.Minute,  // 空闲连接存活上限，超时关闭
    ConnMaxLifetime: 0,                // 连接最大存活时长，0 = 不限制

    // ──── 超时参数 ────
    DialTimeout:  5 * time.Second,     // 建立 TCP 连接超时
    ReadTimeout:  3 * time.Second,     // 读超时
    WriteTimeout: 3 * time.Second,     // 写超时
    PoolTimeout:  1 * time.Second,     // 获取连接的等待超时

    // ──── 重试策略 ────
    MaxRetries:      3,
    MinRetryBackoff: 200 * time.Millisecond,
    MaxRetryBackoff: 1 * time.Second,
})
```

> [!NOTE] go-redis v8 → v9 参数变化
> - `MaxIdle` / `MaxActive` → 合并为 `PoolSize`，`MinIdleConns` 控制预热
> - `IdleTimeout` → `ConnMaxIdleTime`
> - `PingPeriod` 无对应字段，go-redis 内部通过健康检查自动保活
> - `RetryDelay` → `MinRetryBackoff` + `MaxRetryBackoff`（指数退避）

### 连接池选型决策树

```mermaid
graph TD
    A["预估 QPS"] -->|"&lt; 500"| S["PoolSize: 20, MinIdleConns: 5"]
    A -->|"500 ~ 5000"| M["PoolSize: 50, MinIdleConns: 20"]
    A -->|"> 5000"| L["PoolSize: 100~200, MinIdleConns: 30~50"]

    B{"有无 Pipeline?"}
    B -->|"是"| C["增加 30% 连接数"]
    B -->|"否"| D["保持上述配置"]

    style L fill:#fdd,stroke:#900
```

> [!TIP] PoolSize 计算公式
> ```
> PoolSize = N × (1 + CPU等待时间/CPU计算时间)
> ```
> 其中 N 为 Goroutine 数量。对于大多数 Web 应用，**50~100** 已经足够——如果频繁出现 PoolTimeout，优先考虑排查慢查询或大 Key 问题。

> [!WARNING] 连接池常见问题
> - **PoolSize 太小**：`context deadline exceeded`（PoolTimeout）频繁出现
> - **PoolSize 太大**：创建过多 TCP 连接，文件描述符耗尽
> - **ReadTimeout 太短**：大数据量操作（如 HGETALL 大 hash）被误杀
> - **不设 DialTimeout**：Redis 宕机时请求永远挂起

## 五、内存管理与淘汰策略

### maxmemory 设置

```conf
maxmemory 2gb
maxmemory-policy allkeys-lru
```

### 淘汰策略详解

> [!QUESTION] 没有永不超限的策略？
> 如果你不想数据丢失，应该设 `noeviction`——但这意味着写操作会失败。更好的做法是：**合理设置 maxmemory + 选择合适的淘汰策略**，而不是等到满了再处理。

| 策略 | 作用范围 | 淘汰算法 | 适用场景 |
|------|---------|---------|---------|
| **allkeys-lru** | 所有 key | LRU（近似） | 通用缓存 ✅ 最常用 |
| allkeys-lfu | 所有 key | LFU（频次统计） | Redis 4.0+，热点数据语义更强的场景 |
| volatile-lru | 仅设 TTL 的 key | LRU（近似） | 混合存储：永不过期的配置 + 可淘汰的缓存 |
| volatile-lfu | 仅设 TTL 的 key | LFU（频次统计） | 混合存储 + 频次敏感淘汰 |
| volatile-ttl | 仅设 TTL 的 key | TTL 最短优先 | 让数据自然死亡的场景 |
| noeviction | — | — | 数据不可丢失，超限返回错误（如配置中心） |

> [!NOTE] LRU vs LFU
> - **LRU**：基于时间，维护一个候选池近似实现，内存开销小
> - **LFU**：基于访问频率，每 key 额外消耗 2 bit 计数器，更精准但略贵
> - 实际选型：不确定时先用 `allkeys-lru`；如果存在明显"二八定律"（20% 数据占 80% 访问），考虑 `allkeys-lfu`

### 内存碎片治理

```bash
# 查看碎片率
memfragmentationratio = used_memory_rss / used_memory
# 正常范围: 1.0 ~ 1.5

# 配置激活碎片整理（Redis 4.0+，仅在 Linux 上有效）
activedefrag yes
active-defrag-threshold-lower 10    # 碎片率 > 10% 时启动
active-defrag-threshold-upper 50    # 碎片率 > 50% 时全力清理
active-defrag-cycle-min 5           # 每次最多占 CPU 5%
active-defrag-cycle-max 25          # 最高占 CPU 25%
```

> [!QUESTION] 为什么 fragmentation ratio < 1.0？
> 表示 RSS < used_memory——这意味着发生了 **swap**。操作系统把 Redis 的物理内存换出到磁盘，灾难性后果——延迟飙升到秒级。
> 
> ```bash
> # 检查是否开启了 swap
> free -m
> # 如果 swapped > 0 → 立即处理！
> ```

## 六、备份与灾难恢复

### 定时备份方案

```bash
#!/bin/bash
# backup.sh — 每天凌晨 2 点执行
BACKUP_DIR="/backup/redis"
DATE=$(date +%Y%m%d_%H%M%S)

# 触发 BGSAVE
redis-cli BGSAVE

# 等待完成（轮询 LASTSAVE）
sleep 5
cp /var/lib/redis/dump.rdb "$BACKUP_DIR/dump_$DATE.rdb"
gzip "$BACKUP_DIR/dump_$DATE.rdb"

# 保留最近 30 天的备份
find $BACKUP_DIR -mtime +30 -delete

# 上传到对象存储
aws s3 cp "$BACKUP_DIR/dump_$DATE.rdb.gz" "s3://your-bucket/redis-backup/"
```

Crontab:
```
0 2 * * * /path/to/backup.sh >> /var/log/redis-backup.log 2>&1
```

### 灾难恢复流程

```mermaid
flowchart TD
    A["数据异常或丢失"] --> B{"可用最近的备份?"}
    B -->|"是"| C["停止写入，防止覆盖"]
    C --> D["恢复 RDB/AOF 备份"]
    D --> E["检查数据完整性"]
    E --> F{"数据是否完整?"}
    F -->|"是"| G["恢复写入，观察指标"]
    F -->|"否"| H{"有增量日志?"}
    H -->|"AOF"| I["附加修复 AOF 文件<br/>redis-check-aof --fix"]
    H -->|"无"| J["从主库全量同步"]
    I --> E
    J --> E
    B -->|"否"| K["从主库重新同步"]
    K --> E
    
    style A fill:#fdd,stroke:#900
    style G fill:#dfd,stroke:#090
```

### 云厂商迁移工具

| 来源 | 目标 | 工具 |
|------|------|------|
| 自建 Redis | AWS ElastiCache | `elasticache-migration-tool` |
| 自建 Redis | Aliyun ApsaraDB | `redis-shake` |
| Redis Cluster | 云 Redis | 云控制台导入功能 |
| Redis to Redis | 任意 | `redis-shake` |

## 七、安全加固清单

> [!CHECKLIST] 生产环境安全核对

- [ ] `requirepass` 已设置强密码
- [ ] `rename-command FLUSHALL ""` — 重命名危险命令（或设为空禁用）
- [ ] `rename-command DEBUG ""` — 禁用 debug 命令
- [ ] 绑定内网 IP 而非 `0.0.0.0`
- [ ] TLS/SSL 加密传输（Redis 6.0+ 支持）
- [ ] 定期更新版本号，修复已知 CVE
- [ ] ACL 用户权限控制（Redis 6.0+ 支持多用户角色）

```bash
# ACL 示例（Redis 6.0+）
ACL SETUSER readonly on >readOnlyPass123 ~cached:* &* +get +mget +scan +ping
ACL SETUSER writer on >writePass123 ~* &* +set +add +incr +del +ping
ACL LIST   # 查看所有用户
ACL WHOAMI # 当前用户
```

## 关联笔记

- [[hhs/Redis/04-RDB持久化]] — RDB 快照与备份
- [[hhs/Redis/05-AOF持久化]] — AOF 文件大小管理
- [[hhs/Redis/07-集群方案]] — 集群运维注意事项
- [[hhs/Redis/README]] — 知识索引总览