Redis 作為內存數據庫，擁有非常高的性能，單個實例的QPS能夠達到10W左右。但我們在使用Redis時，經常時不時會出現訪問延遲很大的情況，如果你不知道 Redis 的內部實現原理，在排查問題時就會一頭霧水。
很多時候，Redis 出現訪問延遲變大，都與我們的使用不當或運維不合理導致的。
這篇文章我們就來分析一下 Redis 在使用過程中，經常會遇到的延遲問題以及如何定位和分析。
使用復雜度高的命令
如果在使用Redis時，發現訪問延遲突然增大，如何進行排查？
首先，第一步，建議你去查看一下Redis的慢日志。Redis提供了慢日志命令的統計功能，我們通過以下設置，就可以查看有哪些命令在執行時延遲比較大。
首先設置Redis的慢日志閾值，只有超過閾值的命令才會被記錄，這里的單位是微妙，例如設置慢日志的閾值為5毫秒，同時設置只保留最近1000條慢日志記錄：
- # 命令執行超過5毫秒記錄慢日志
- CONFIG SET slowlog-log-slower-than 5000
- # 只保留最近1000條慢日志
- CONFIG SET slowlog-max-len 1000
設置完成之后，所有執行的命令如果延遲大于5毫秒，都會被Redis記錄下來，我們執行SLOWLOG get 5查詢最近5條慢日志：
- 127.0.0.1:6379> SLOWLOG get 5
- 1) 1) (integer) 32693 # 慢日志ID
- 2) (integer) 1593763337 # 執行時間
- 3) (integer) 5299 # 執行耗時(微妙)
- 4) 1) "LRANGE" # 具體執行的命令和參數
- 2) "user_list_2000"
- 3) "0"
- 4) "-1"
- 2) 1) (integer) 32692
- 2) (integer) 1593763337
- 3) (integer) 5044
- 4) 1) "GET"
- 2) "book_price_1000"
- ...
通過查看慢日志記錄，我們就可以知道在什么時間執行哪些命令比較耗時，如果你的業務經常使用O(N)以上復雜度的命令，例如sort、sunion、zunionstore，或者在執行O(N)命令時操作的數據量比較大，這些情況下Redis處理數據時就會很耗時。
如果你的服務請求量并不大，但Redis實例的CPU使用率很高，很有可能是使用了復雜度高的命令導致的。
解決方案就是，不使用這些復雜度較高的命令，并且一次不要獲取太多的數據，每次盡量操作少量的數據，讓Redis可以及時處理返回。
存儲 bigkey
如果查詢慢日志發現，并不是復雜度較高的命令導致的，例如都是SET、DELETE操作出現在慢日志記錄中，那么你就要懷疑是否存在Redis寫入了bigkey的情況。
Redis在寫入數據時，需要為新的數據分配內存，當從Redis中刪除數據時，它會釋放對應的內存空間。
如果一個key寫入的數據非常大，Redis在分配內存時也會比較耗時。同樣的，當刪除這個key的數據時，釋放內存也會耗時比較久。
你需要檢查你的業務代碼，是否存在寫入bigkey的情況，需要評估寫入數據量的大小，業務層應該避免一個key存入過大的數據量。
那么有沒有什么辦法可以掃描現在Redis中是否存在bigkey的數據嗎？
Redis也提供了掃描bigkey的方法：
- redis-cli -h $host -p $port --bigkeys -i 0.01
使用上面的命令就可以掃描出整個實例key大小的分布情況，它是以類型維度來展示的。
需要注意的是當我們在線上實例進行bigkey掃描時，Redis的QPS會突增，為了降低掃描過程中對Redis的影響，我們需要控制掃描的頻率，使用-i參數控制即可，它表示掃描過程中每次掃描的時間間隔，單位是秒。
使用這個命令的原理，其實就是Redis在內部執行scan命令，遍歷所有key，然后針對不同類型的key執行strlen、llen、hlen、scard、zcard來獲取字符串的長度以及容器類型(list/dict/set/zset)的元素個數。
而對于容器類型的key，只能掃描出元素最多的key，但元素最多的key不一定占用內存最多，這一點需要我們注意下。不過使用這個命令一般我們是可以對整個實例中key的分布情況有比較清晰的了解。
針對 bigkey 的問題，Redis官方在4.0版本推出了lazy-free的機制，用于異步釋放bigkey的內存，降低對Redis性能的影響。即使這樣，我們也不建議使用bigkey，bigkey 在集群的遷移過程中，也會影響到遷移的性能，這個后面在介紹集群相關的文章時，會再詳細介紹到。
集中過期
有時你會發現，平時在使用Redis時沒有延時比較大的情況，但在某個時間點突然出現一波延時，而且報慢的時間點很有規律，例如某個整點，或者間隔多久就會發生一次。
如果出現這種情況，就需要考慮是否存在大量key集中過期的情況。
如果有大量的key在某個固定時間點集中過期，在這個時間點訪問Redis時，就有可能導致延遲增加。
Redis 的過期策略采用主動過期+懶惰過期兩種策略：
- 主動過期：Redis內部維護一個定時任務，默認每隔100毫秒會從過期字典中隨機取出20個key，刪除過期的key，如果過期key的比例超過了25%，則繼續獲取20個key，刪除過期的key，循環往復，直到過期key的比例下降到25%或者這次任務的執行耗時超過了25毫秒，才會退出循環
- 懶惰過期：只有當訪問某個key時，才判斷這個key是否已過期，如果已經過期，則從實例中刪除
注意，Redis的主動過期的定時任務，也是在Redis主線程中執行的，也就是說如果在執行主動過期的過程中，出現了需要大量刪除過期key的情況，那么在業務訪問時，必須等這個過期任務執行結束，才可以處理業務請求。此時就會出現，業務訪問延時增大的問題，最大延遲為25毫秒。
而且這個訪問延遲的情況，不會記錄在慢日志里。慢日志中只記錄真正執行某個命令的耗時，Redis主動過期策略執行在操作命令之前，如果操作命令耗時達不到慢日志閾值，它是不會計算在慢日志統計中的，但我們的業務卻感到了延遲增大。
此時你需要檢查你的業務，是否真的存在集中過期的代碼，一般集中過期使用的命令是expireat或pexpireat命令，在代碼中搜索這個關鍵字就可以了。
如果你的業務確實需要集中過期掉某些key，又不想導致Redis發生抖動，有什么優化方案？
解決方案是，在集中過期時增加一個隨機時間，把這些需要過期的key的時間打散即可。
偽代碼可以這么寫：
這樣 Redis 在處理過期時，不會因為集中刪除key導致壓力過大，阻塞主線程。
另外，除了業務使用需要注意此問題之外，還可以通過運維手段來及時發現這種情況。
做法是我們需要把Redis的各項運行數據監控起來，執行info可以拿到所有的運行數據，在這里我們需要重點關注expired_keys這一項，它代表整個實例到目前為止，累計刪除過期key的數量。
我們需要對這個指標監控，當在很短時間內這個指標出現突增時，需要及時報警出來，然后與業務報慢的時間點對比分析，確認時間是否一致，如果一致，則可以認為確實是因為這個原因導致的延遲增大。
實例內存達到上限
有時我們把 Redis 當做純緩存使用，就會給實例設置一個內存上限maxmemory，然后開啟LRU淘汰策略。
當實例的內存達到了 maxmemory 后，你會發現之后的每次寫入新的數據，有可能變慢了。
導致變慢的原因是，當Redis內存達到maxmemory后，每次寫入新的數據之前，必須先踢出一部分數據，讓內存維持在maxmemory之下。
這個踢出舊數據的邏輯也是需要消耗時間的，而具體耗時的長短，要取決于配置的淘汰策略：
- allkeys-lru：不管key是否設置了過期，淘汰最近最少訪問的key
- volatile-lru：只淘汰最近最少訪問并設置過期的key
- allkeys-random：不管key是否設置了過期，隨機淘汰
- volatile-random：只隨機淘汰有設置過期的key
- allkeys-ttl：不管key是否設置了過期，淘汰即將過期的key
- noeviction：不淘汰任何key，滿容后再寫入直接報錯
- allkeys-lfu：不管key是否設置了過期，淘汰訪問頻率最低的key（4.0+支持）
- volatile-lfu：只淘汰訪問頻率最低的過期key（4.0+支持）
具體使用哪種策略，需要根據業務場景來決定。
我們最常使用的一般是 allkeys-lru或volatile-lru策略，它們的處理邏輯是，每次從實例中隨機取出一批key（可配置），然后淘汰一個最少訪問的key，之后把剩下的key暫存到一個池子中，繼續隨機取出一批key，并與之前池子中的key比較，再淘汰一個最少訪問的key。以此循環，直到內存降到maxmemory之下。
如果使用的是allkeys-random或volatile-random策略，那么就會快很多，因為是隨機淘汰，那么就少了比較key訪問頻率時間的消耗了，隨機拿出一批key后直接淘汰即可，因此這個策略要比上面的LRU策略執行快一些。
但以上這些邏輯都是在訪問Redis時，真正命令執行之前執行的，也就是它會影響我們訪問Redis時執行的命令。
另外，如果此時Redis實例中有存儲bigkey，那么在淘汰bigkey釋放內存時，這個耗時會更加久，延遲更大，這需要我們格外注意。
如果你的業務訪問量非常大，并且必須設置 maxmemory 限制實例的內存上限，同時面臨淘汰key導致延遲增大的的情況，要想緩解這種情況，除了上面說的避免存儲bigkey、使用隨機淘汰策略之外，也可以考慮拆分實例的方法來緩解，拆分實例可以把一個實例淘汰key的壓力分攤到多個實例上，可以在一定程度降低延遲。
fork 耗時嚴重
如果你的Redis開啟了自動生成RDB和AOF重寫功能，那么有可能在后臺生成RDB和AOF重寫時導致Redis的訪問延遲增大，而等這些任務執行完畢后，延遲情況消失。
遇到這種情況，一般就是執行生成RDB和AOF重寫任務導致的。
生成RDB和AOF都需要父進程fork出一個子進程進行數據的持久化，在fork執行過程中，父進程需要拷貝內存頁表給子進程，如果整個實例內存占用很大，那么需要拷貝的內存頁表會比較耗時，此過程會消耗大量的CPU資源，在完成fork之前，整個實例會被阻塞住，無法處理任何請求，如果此時CPU資源緊張，那么fork的時間會更長，甚至達到秒級。這會嚴重影響Redis的性能。
具體原理也可以參考我之前寫的文章：Redis持久化是如何做的？RDB和AOF對比分析。
我們可以執行info命令，查看最后一次fork執行的耗時latest_fork_usec，單位微妙。這個時間就是整個實例阻塞無法處理請求的時間。
除了因為備份的原因生成RDB之外，在主從節點第一次建立數據同步時，主節點也會生成RDB文件給從節點進行一次全量同步，這時也會對Redis產生性能影響。
要想避免這種情況，我們需要規劃好數據備份的周期，建議在從節點上執行備份，而且最好放在低峰期執行。如果對于丟失數據不敏感的業務，那么不建議開啟AOF和AOF重寫功能。
另外，fork的耗時也與系統有關，如果把Redis部署在虛擬機上，那么這個時間也會增大。所以使用Redis時建議部署在物理機上，降低fork的影響。
綁定 CPU
很多時候，我們在部署服務時，為了提高性能，降低程序在使用多個CPU時上下文切換的性能損耗，一般會采用進程綁定CPU的操作。
但在使用Redis時，我們不建議這么干，原因如下。
綁定CPU的Redis，在進行數據持久化時，fork出的子進程，子進程會繼承父進程的CPU使用偏好，而此時子進程會消耗大量的CPU資源進行數據持久化，子進程會與主進程發生CPU爭搶，這也會導致主進程的CPU資源不足訪問延遲增大。
所以在部署 Redis 進程時，如果需要開啟RDB和AOF重寫機制，一定不能進行CPU綁定操作！
AOF配合不合理
上面提到了，當執行AOF文件重寫時會因為fork執行耗時導致Redis延遲增大，除了這個之外，如果開啟AOF機制，設置的策略不合理，也會導致性能問題。
開啟AOF后，Redis會把寫入的命令實時寫入到文件中，但寫入文件的過程是先寫入內存，等內存中的數據超過一定閾值或達到一定時間后，內存中的內容才會被真正寫入到磁盤中。
AOF為了保證文件寫入磁盤的安全性，提供了3種刷盤機制：
appendfsync always：每次寫入都刷盤，對性能影響最大，占用磁盤IO比較高，數據安全性最高
appendfsync everysec：1秒刷一次盤，對性能影響相對較小，節點宕機時最多丟失1秒的數據
appendfsync no：按照操作系統的機制刷盤，對性能影響最小，數據安全性低，節點宕機丟失數據取決于操作系統刷盤機制
當使用第一種機制appendfsync always時，Redis每處理一次寫命令，都會把這個命令寫入磁盤，而且這個操作是在主線程中執行的。
內存中的的數據寫入磁盤，這個會加重磁盤的IO負擔，操作磁盤成本要比操作內存的代價大得多。如果寫入量很大，那么每次更新都會寫入磁盤，此時機器的磁盤IO就會非常高，拖慢Redis的性能，因此我們不建議使用這種機制。
與第一種機制對比，appendfsync everysec會每隔1秒刷盤，而appendfsync no取決于操作系統的刷盤時間，安全性不高。因此我們推薦使用appendfsync everysec這種方式，在最壞的情況下，只會丟失1秒的數據，但它能保持較好的訪問性能。
當然，對于有些業務場景，對丟失數據并不敏感，也可以不開啟AOF。
使用 Swap
如果你發現Redis突然變得非常慢，每次訪問的耗時都達到了幾百毫秒甚至秒級，那此時就檢查Redis是否使用到了Swap，這種情況下Redis基本上已經無法提供高性能的服務。
我們知道，操作系統提供了Swap機制，目的是為了當內存不足時，可以把一部分內存中的數據換到磁盤上，以達到對內存使用的緩沖。
但當內存中的數據被換到磁盤上后，訪問這些數據就需要從磁盤中讀取，這個速度要比內存慢太多！
尤其是針對Redis這種高性能的內存數據庫來說，如果Redis中的內存被換到磁盤上，對于Redis這種性能極其敏感的數據庫，這個操作時間是無法接受的。
我們需要檢查機器的內存使用情況，確認是否確實是因為內存不足導致使用到了Swap。
如果確實使用到了Swap，要及時整理內存空間，釋放出足夠的內存供Redis使用，然后釋放Redis的Swap，讓Redis重新使用內存。
釋放Redis的Swap過程通常要重啟實例，為了避免重啟實例對業務的影響，一般先進行主從切換，然后釋放舊主節點的Swap，重新啟動服務，待數據同步完成后，再切換回主節點即可。
可見，當Redis使用到Swap后，此時的Redis的高性能基本被廢掉，所以我們需要提前預防這種情況。
我們需要對Redis機器的內存和Swap使用情況進行監控，在內存不足和使用到Swap時及時報警出來，及時進行相應的處理。
網卡負載過高
如果以上產生性能問題的場景，你都規避掉了，而且Redis也穩定運行了很長時間，但在某個時間點之后開始，訪問Redis開始變慢了，而且一直持續到現在，這種情況是什么原因導致的？
之前我們就遇到這種問題，特點就是從某個時間點之后就開始變慢，并且一直持續。這時你需要檢查一下機器的網卡流量，是否存在網卡流量被跑滿的情況。
網卡負載過高，在網絡層和TCP層就會出現數據發送延遲、數據丟包等情況。Redis的高性能除了內存之外，就在于網絡IO，請求量突增會導致網卡負載變高。
如果出現這種情況，你需要排查這個機器上的哪個Redis實例的流量過大占滿了網絡帶寬，然后確認流量突增是否屬于業務正常情況，如果屬于那就需要及時擴容或遷移實例，避免這個機器的其他實例受到影響。
運維層面，我們需要對機器的各項指標增加監控，包括網絡流量，在達到閾值時提前報警，及時與業務確認并擴容。
總結
以上我們總結了Redis中常見的可能導致延遲增大甚至阻塞的場景，這其中既涉及到了業務的使用問題，也涉及到Redis的運維問題。
可見，要想保證Redis高性能的運行，其中涉及到CPU、內存、網絡，甚至磁盤的方方面面，其中還包括操作系統的相關特性的使用。
作為開發人員，我們需要了解Redis的運行機制，例如各個命令的執行時間復雜度、數據過期策略、數據淘汰策略等，使用合理的命令，并結合業務場景進行優化。
作為DBA運維人員，需要了解數據持久化、操作系統fork原理、Swap機制等，并對Redis的容量進行合理規劃，預留足夠的機器資源，對機器做好完善的監控，才能保證Redis的穩定運行。
原文地址：https://mp.weixin.qq.com/s?__biz=MzA4Nzg5Nzc5OA==&mid=2651697191&idx=1&sn=cc21b3c65065464bbc820d3a1776249f&chksm=8bcb738ebcbcfa98d990984554af69b58283f819f56865d0ab28300ce5f6729a0fae921fa05c&mpshare=1&
