Redis10大性能优化策略

1.Redis为什么变慢了

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。

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。

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。

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）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

2.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+

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) ""

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。

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：

• 一个包含100元素的list?key,?它的free?cost就是100
• 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。

3.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。