312 lines
15 KiB
Markdown
312 lines
15 KiB
Markdown
---
|
||
tags: [Redis, 缓存, 持久化, AOF]
|
||
create time: 2026-05-15 18:13
|
||
---
|
||
|
||
# AOF 持久化
|
||
|
||
## 概述
|
||
|
||
AOF（Append Only File）以**追加写日志**的方式记录每个写操作。如果你用过 MySQL 的 binlog 或 Kafka 的 commit log，这个思想是一样的：**不存最终状态，而是存每一步变化过程**。
|
||
|
||
相比 [[hhs/Redis/04-RDB持久化|RDB]] 的快照式恢复，AOF 提供更高的数据安全性——你可以根据策略做到**不丢数据、丢 1 秒、或丢 N 条**。代价是文件更大、恢复更慢。
|
||
|
||
> [!question] RDB 已经能持久化了，为什么还需要 AOF？
|
||
> RDB 是「拍照」——每隔 N 秒拍一张快照，两次拍照之间的数据变化全部丢失。AOF 是「录像」——每个写操作都被记录，最多只丢最后一次 fsync 之后的操作。打个比方：RDB 好比每小时存一次文档，AOF 好比开了自动保存。
|
||
|
||
## 核心机制
|
||
|
||
### 命令追加过程
|
||
|
||
```mermaid
|
||
flowchart LR
|
||
Client["客户端写入"] --> Server["Redis 主线程<br/>执行命令 + 返回结果"]
|
||
Server --> Buffer["aof_buf<br/>用户态缓冲区"]
|
||
Buffer --> FSyncPolicy{"appendfsync 策略？"}
|
||
FSyncPolicy -->|everysec| KernelBuf["操作系统页缓存"]
|
||
KernelBuf --> Disk["磁盘 AOF 文件"]
|
||
FSyncPolicy -->|always| Disk
|
||
FSyncPolicy -->|no| OSPage["交给操作系统自行 flush"]
|
||
|
||
style Server fill:#f9d,stroke:#96c
|
||
style Disk fill:#dfd,stroke:#6c6
|
||
```
|
||
|
||
> [!tip] 一条命令是怎么落到磁盘的？
|
||
> 1. 客户端发送 `SET mykey hello` → 2. Redis 主线程执行命令、更新内存、返回 OK → 3. **同时**将命令以 RESP 协议格式追加到 `aof_buf`（用户态缓冲区） → 4. 根据 `appendfsync` 策略调用 `fsync()` 最终刷入磁盘
|
||
>
|
||
> 注意步骤 2 和 3 是同步的，但步骤 4 是异步的——这意味着**命令返回成功 ≠ 数据落盘**。
|
||
|
||
实际落盘的 AOF 文件长这样（RESP 协议格式）：
|
||
|
||
```
|
||
*3\r\n$3\r\nSET\r\n$5\r\nmykey\r\n$5\r\nhello\r\n
|
||
*3\r\n$3\r\nSET\r\n$5\r\nmykey\r\n$5\r\nworld\r\n
|
||
*2\r\n$3\r\nDEL\r\n$5\r\nmykey\r\n
|
||
```
|
||
|
||
> [!question] 为什么 AOF 用 RESP 协议而不是人类可读的纯文本？
|
||
> RESP 是 Redis 自身的通信协议，选择它的原因很简单：**不需要额外的序列化/反序列化开销**，Redis 直接把发给客户端的响应原样写入 AOF，读取时也直接用 RESP 解析器回放。这比发明一套新格式要高效得多。
|
||
|
||
### 刷新策略配置
|
||
|
||
```conf
|
||
# appendfsync always # 每次写入都 fsync -> 最安全，性能差
|
||
appendfsync everysec # 每秒 fsync <- 推荐（最佳平衡）
|
||
# appendfsync no # 完全依赖 OS -> 性能最好，风险最高
|
||
```
|
||
|
||
在理解这三种策略之前，先搞清楚 `fsync` 到底在做什么：
|
||
|
||
> [!info] fsync 的本质：把"快递柜"里的包裹真正送到你手里
|
||
> 当 Redis 调用 `write()` 时，数据只是从用户态拷贝到了**内核页缓存**（类似放进了快递柜），操作系统会择机将其刷到物理磁盘。而 `fsync()` 是强制要求操作系统**立即**把页缓存的数据持久化到磁盘——相当于要求快递柜立即派送。
|
||
>
|
||
> 如果不调用 `fsync()`，数据在页缓存中时如果发生断电，这些数据就丢了。
|
||
|
||
理解了 fsync，三种策略的区别就一目了然：
|
||
|
||
| 策略 | fsync 时机 | 丢失风险 | 吞吐量 (ops/s) | 适用场景 |
|
||
|------|-----------|---------|---------------|---------|
|
||
| `always` | 每条写命令后 | **零丢失** | ~900 | 金融级要求（极少用） |
|
||
| `everysec` | 每秒一次（后台线程） | 最多丢 ~1 秒 | ~74k | **生产标准配置** |
|
||
| `no` | 从不主动 fsync，交给 OS | OS 决定，可能丢 30 秒+ | ~93k | 可接受数据丢失的场景 |
|
||
|
||
> [!warning] everysec "最多丢 1 秒" 是有前提条件的
|
||
> 这个说法成立的前提是 `fsync()` 能在 1 秒内完成。如果磁盘 IO 阻塞（比如同一块盘上跑着其他 IO 密集任务），一次 `fsync()` 可能卡住几秒甚至十几秒——此时未 fsync 的数据量会持续累积，丢失窗口也随之扩大。不过好在 Redis 的 `everysec` 模式下，`fsync()` 在**后台线程**执行，不会阻塞主线程处理新请求。
|
||
|
||
> [!tip] 为什么 always 这么慢？
|
||
> `always` 是在**主线程**中同步调用 `fsync()`。一次 `fsync()` 耗时约 0.2~2ms（取决于磁盘），这意味着每条写命令都要等磁盘确认，吞吐量直接从万级跌到百级——这就是"数据安全 vs 性能"的经典权衡。
|
||
|
||
## AOF 重写（Rewrite）
|
||
|
||
AOF 文件只会**追加**、永远不会自动清理。时间一长，大量"垃圾命令"会让文件体积失控：
|
||
|
||
```mermaid
|
||
flowchart LR
|
||
subgraph AOF_LOG["appendonly.aof（实际内容）"]
|
||
CMD1["SET counter 0"]
|
||
CMD2["SET counter 1"]
|
||
CMD3["SET counter 2"]
|
||
CMD4["INCR counter"]
|
||
CMD5["DEL temp_key"]
|
||
CMD6["SET temp_key abc"]
|
||
CMD7["DEL temp_key"]
|
||
end
|
||
subgraph REALITY["内存中的最终状态"]
|
||
MEM["counter = 3<br/>temp_key 不存在"]
|
||
end
|
||
AOF_LOG -.->|"7 条命令 → 真实状态只有 1 条"| REALITY
|
||
|
||
style AOF_LOG fill:#fdd,stroke:#c66
|
||
style REALITY fill:#dfd,stroke:#090
|
||
```
|
||
|
||
> [!question] 为什么不直接"删除"过期命令？
|
||
> AOF 是顺序追加的日志文件，就像流水账本——你不能从账本中间撕掉一页而不影响后面所有页码。**只能"重写"：把当前内存的真实状态重新写一份新的、精简的 AOF 文件来替换旧文件。**
|
||
|
||
### 重写触发条件
|
||
|
||
```conf
|
||
auto-aof-rewrite-percentage 100 # AOF 比上次 rewrite 后增大的百分比
|
||
auto-aof-rewrite-min-size 64mb # AOF 最小绝对大小（避免刚启动就 rewrite）
|
||
```
|
||
|
||
示例：当前 AOF = 128MB，上次 rewrite 后大小 = 64MB
|
||
- 增量 = 128 - 64 = 64MB
|
||
- 增量占比 = 64 / 64 = 100% -> 触发 rewrite
|
||
- 但如果当前 AOF < 64MB -> 不触发
|
||
|
||
> [!QUESTION] 如果设置 auto-aof-rewrite-min-size 太大或太小会发生什么？
|
||
> - **太大**：AOF 膨胀了很久才触发重写，磁盘空间浪费严重
|
||
> - **太小**：频繁重写，增加不必要的 CPU 和 IO 开销
|
||
>
|
||
> 这本质上是一个「文件瘦身频率」的工程权衡题。
|
||
|
||
### 重写过程（类似 RDB fork）
|
||
|
||
重写并不是简单地"删减旧 AOF"，而是**从内存中的真实数据出发，生成全新的精简 AOF 文件**。整个过程分三步：
|
||
|
||
```mermaid
|
||
sequenceDiagram
|
||
participant P as "主进程（继续服务）"
|
||
participant C as "重写子进程"
|
||
participant Old as "appendonly.aof（旧）"
|
||
participant Tmp as "aof_rewrite_tmp（新）"
|
||
participant Buf as "aof_rewrite_buf"
|
||
|
||
P->>P: "收到 BGREWRITEAOF 命令"
|
||
P->>C: "fork() 创建子进程"
|
||
Note over C: "第一步：遍历内存所有 key<br/>生成精简命令写入新文件"
|
||
C->>Tmp: "SET key1 val1<br/>SET key2 val2<br/>HSET hash f1 v1 ..."
|
||
Note over P: "主进程继续正常处理请求"
|
||
P->>Old: "新命令照常追加到旧 AOF"
|
||
P->>Buf: "同时复制一份到重写缓冲区"
|
||
Note over C: "第二步：内存遍历完成"
|
||
C->>Buf: "请求主进程发送缓冲区内容"
|
||
Note over C: "第三步：把重写期间的新命令追加到新文件末尾"
|
||
Buf->>Tmp: "追加增量命令"
|
||
C->>P: "重写完成通知主进程"
|
||
P->>P: "原子 rename：旧文件 → .bak，新文件 → appendonly.aof"
|
||
```
|
||
|
||
> [!tip] 关键理解：为什么需要"重写缓冲区"？
|
||
> 子进程在遍历内存生成新 AOF 的过程中（可能持续几十秒甚至几分钟），主进程还在不断接收新写命令。这些"重写期间的增量命令"被暂存在 `aof_rewrite_buf` 中，等子进程遍历完内存后，再将这些增量追加到新文件末尾——这样才能保证新 AOF 不丢任何数据。
|
||
|
||
> [!warning] 重写的内存开销
|
||
> fork 后重写子进程使用 COW（Copy-On-Write）机制，和 RDB 的 BGSAVE 一样。如果你的实例内存很大（100GB+）且写入频繁，fork 可能导致额外几 GB 的内存占用。在内存紧张的环境中，建议控制 AOF 文件大小、及时触发重写，避免单次重写数据量过大。
|
||
|
||
## AOF 开启方式
|
||
|
||
```conf
|
||
appendonly yes # 开启 AOF（默认 no）
|
||
appendfilename "appendonly.aof" # AOF 文件名（Redis 7 会在此基础上创建子目录）
|
||
dir /var/lib/redis # AOF/RDB 文件存放目录
|
||
```
|
||
|
||
> [!tip] 在线开启/关闭 AOF
|
||
> 可以通过 `CONFIG SET appendonly yes` 在运行时开启 AOF，但需要注意：这会触发一次阻塞式的 AOF 初始化（类似 BGSAVE），**生产环境建议在低峰期操作**。关闭 AOF 同理：`CONFIG SET appendonly no`。
|
||
|
||
Redis 7.x 的多文件目录结构：
|
||
|
||
```bash
|
||
ls /var/lib/redis/appendonlydir/
|
||
# total 256M
|
||
# manifest.aof <- 文件清单（记录哪些文件组成完整 AOF）
|
||
# base.rdb <- 最近一次重写生成的 RDB 全量快照
|
||
# incr-0000000000000003.aof <- 增量 AOF（记录重写之后的新写操作）
|
||
```
|
||
|
||
> [!question] 为什么 Redis 7 要把单文件拆成目录结构？
|
||
> 旧版单个 AOF 文件有一个痛点：重写时需要先生成临时文件，再 `rename` 替换。如果 AOF 有 50GB，rename 操作虽然原子但磁盘 IO 开销巨大。拆成多文件后，重写只需替换 `base.rdb` 和新增 `incr-*.aof`，IO 开销大幅降低，也更方便做增量备份。
|
||
|
||
## 混合持久化（Hybrid Persistence）
|
||
|
||
混合持久化是 Redis 4.0 引入、Redis 7 默认开启的特性，它解决了 AOF 重写的一个尴尬问题：**重写时到底该生成 RDB 还是 AOF？**
|
||
|
||
> [!question] 纯 AOF 重写的痛点
|
||
> 纯 AOF 重写需要把每个 key 的当前状态都转成 SET/HSET 等命令写入文件。当实例有几十万个 key 时，这些命令序列化+解析的过程会显著拖慢恢复速度。而 RDB 是二进制格式，加载速度比逐条执行 AOF 命令快 10~100 倍。
|
||
>
|
||
> 混合持久化的答案很简单：**两种都用**。重写时先写 RDB 全量快照作为"底子"，再追加一小段 AOF 增量命令作为"补丁"。
|
||
|
||
```conf
|
||
# redis.conf
|
||
aof-use-rdb-preamble yes # 开启混合持久化（默认值）
|
||
```
|
||
|
||
重写后生成的文件结构如下：
|
||
|
||
```mermaid
|
||
flowchart TD
|
||
subgraph NEW_AOF["重写后的新 AOF 文件"]
|
||
direction LR
|
||
RDB["RDB 二进制块<br/>(全量数据快照)"] --> AOF["AOF 增量块<br/>(仅重写期间的新写操作)"]
|
||
end
|
||
|
||
Fork["fork 子进程"] --> RDB
|
||
Fork --> AOF
|
||
RDB --> Merge["合并写入临时文件"]
|
||
AOF --> Merge
|
||
Merge --> Rename["原子 rename 替换旧文件"]
|
||
|
||
style RDB fill:#bbf,stroke:#66c
|
||
style AOF fill:#dfd,stroke:#090
|
||
style Merge fill:#ffd,stroke:#cc0
|
||
```
|
||
|
||
**好处有两个：**
|
||
1. **恢复速度快**：启动时先加载 RDB 二进制快照（顺序读、无需解析命令语法），再回放少量 AOF 增量命令。即使 AOF 增量段有几十 MB，相比从头解析几十 GB 的纯 AOF 命令也快得多
|
||
2. **文件体积小**：RDB 本身就是压缩的二进制格式，比等量数据的纯 AOF 文本命令小 70%~90%
|
||
|
||
> [!warning] Redis 7 的多文件目录结构
|
||
> Redis 7 不再使用单个 AOF 文件，而是采用多文件目录结构：
|
||
> - `base.rdb`：AOF 重写时生成的 RDB 全量快照
|
||
> - `incr-*.aof`：增量 AOF 文件（记录重写之后的新写操作）
|
||
> - `manifest.aof`：文件清单，记录哪些文件属于同一个 AOF 实例
|
||
>
|
||
> 恢复时 Redis 会按 manifest 加载：先加载 `base.rdb`，再按顺序回放所有 `incr-*.aof`。如果删除了 `base.rdb`，恢复退化为纯 AOF 模式，速度会大幅下降。
|
||
|
||
## AOF vs RDB 对比
|
||
|
||
| 维度 | AOF (`everysec`) | RDB（典型配置） |
|
||
|------|-----------------|----------------|
|
||
| 数据安全性 | ⭐⭐⭐ 最多丢 1s | ⭐ 可能丢数分钟 ~ 小时 |
|
||
| 恢复速度 | ⭐⭐ 较慢（需逐条 replay） | ⭐⭐⭐ 快（二进制直接加载） |
|
||
| CPU 开销 | ⭐⭐ 每秒一次 fsync | ⭐ 仅在 fork 时短暂增长 |
|
||
| 磁盘 IO | ⭐⭐ 持续写入日志 | ⭐ 仅在快照间隔触发 |
|
||
| 文件大小 | ⭐ 较大（逐条记录） | ⭐⭐⭐ 较小（二进制压缩） |
|
||
| 数据丢失窗口 | <= 1 秒 | = save 间隔时间 |
|
||
|
||
> [!QUESTION] 什么时候该用 RDB 而不是 AOF？
|
||
> 如果你的业务场景是**缓存而非数据库**——数据可以重新构建或允许短暂丢失，那 RDB 就够了。只有当数据丢失会造成长期损失（如订单、余额）时，才需要上 AOF。
|
||
|
||
## AOF 故障恢复
|
||
|
||
断电或异常退出时，AOF 文件可能出现**尾部截断**（最后一条命令不完整）。Redis 启动时会自动检测并尝试修复。
|
||
|
||
### 常见故障场景与修复
|
||
|
||
```bash
|
||
# 场景一：AOF 文件末尾被截断（最常见——断电导致最后一条命令写了一半）
|
||
# Redis 启动时会自动丢弃末尾不完整的命令，无需手动干预
|
||
|
||
# 场景二：AOF 文件损坏严重（如磁盘坏块导致文件中间损坏）
|
||
# 需要手动修复：找到最后一个合法命令，截断之后的内容
|
||
redis-check-aof --fix appendonly.aof
|
||
|
||
# 场景三：Redis 7 多文件目录结构
|
||
redis-check-aof --fix appendonlydir/appendonly.aof.1.incr.aof
|
||
```
|
||
|
||
> [!tip] 实际修复流程
|
||
> 1. 先备份损坏的 AOF 文件：`cp appendonly.aof appendonly.aof.bak`
|
||
> 2. 运行 `redis-check-aof --fix`（交互式，会告诉你损坏位置并确认是否截断）
|
||
> 3. 重新启动 Redis，检查数据完整性
|
||
> 4. 如果数据缺失严重，从 RDB 冷备份恢复 + 回放最近的增量 AOF
|
||
|
||
### fsync 失败时的行为
|
||
|
||
```mermaid
|
||
flowchart TD
|
||
FS["fsync() 调用"] --> OK{"返回成功？"}
|
||
OK -->|"是"| CONT["继续正常服务"]
|
||
OK -->|"否：EIO 磁盘错误"| LOG["记录日志<br/>I/O error writing to APPEND ONLY FILE"]
|
||
LOG --> SD["执行 SHUTDOWN NOSAVE<br/>立即停止服务"]
|
||
|
||
style SD fill:#fdd,stroke:#c00
|
||
style CONT fill:#dfd,stroke:#090
|
||
```
|
||
|
||
> [!note] Redis 为什么会主动 shutdown？
|
||
> 这是一种「fail-fast」设计哲学。AOF 的核心价值就是数据安全，当底层磁盘出现问题时，继续运行只会导致更多数据静默损坏。**宁可停机也不能让用户在"不确定"的数据上继续业务**——这和数据库遇到 WAL 写入失败时的处理逻辑是一样的。
|
||
|
||
> [!warning] AOF 不是万能的
|
||
> - AOF 修复工具只能处理末尾截断，中间损坏只能截断丢失后面的数据
|
||
> - 定期做冷备份（RDB 快照传到 OSS/S3）仍然是必须的兜底手段
|
||
> - 生产环境建议部署**主从架构**：即使主节点 AOF 出问题，从节点仍有完整数据
|
||
|
||
## AOF vs RDB 选型决策树
|
||
|
||
```mermaid
|
||
flowchart TD
|
||
Start{"你的首要需求是？"} -->|"数据安全第一"| AOF["AOF everysec"]
|
||
Start -->|"恢复速度第一"| RDB["RDB 仅"]
|
||
Start -->|"两者兼顾"| HYBRID["混合持久化"]
|
||
|
||
HYBRID --> Check{"数据重要性极高？"}
|
||
Check -->|"是"| ALWAYS["AOF always<br/>+ 每天冷备"]
|
||
Check -->|"否"| EVERYSEC["AOF everysec<br/>+ 混合持久化"]
|
||
|
||
style HYBRID fill:#dfd,stroke:#090
|
||
style ALWAYS fill:#fdd,stroke:#900
|
||
style EVERYSEC fill:#dfd,stroke:#090
|
||
```
|
||
|
||
> [!TIP] 生产环境黄金组合
|
||
> `AOF everysec + 混合持久化 + 定时 rdb 冷备到对象存储`——几乎覆盖所有常见场景。
|
||
|
||
## 关联笔记
|
||
|
||
- [[hhs/Redis/04-RDB持久化]] — RDB 快照机制
|
||
- [[hhs/Redis/06-主从与哨兵]] — 哨兵监控中 AOF 状态检查
|
||
- [[hhs/Redis/09-运维调优]] — AOF 文件膨胀治理
|