Redis 优化要点

Redis 优化要点

http://www.imooc.com/article/3645

http://www.cnblogs.com/mushroom/p/4738170.html

http://linusp.github.io/2015/12/16/redis-performance-analysis.html

https://segmentfault.com/a/1190000002906345

#info 分析

## Memory

> 实际缓存占用的内存和Redis自身运行所占用的内存(如元数据、lua)。

> 它是由Redis使用内存分配器分配的内存,所以这个数据并没有把内存碎片浪费掉的内存给统计进去

> 如果used_memory > 可用最大内存,那么操作系统开始进行内存与swap空间交换

> 当 rss > used ,且两者的值相差较大时,表示存在(内部或外部的)内存碎片。

> 内存碎片的比率可以通过 mem_fragmentation_ratio 的值看出。

> 当 used > rss 时,表示 Redis 的部分内存被操作系统换出到交换空间了,在这种情况下,操作可能会产生明显的延迟

>used_memory:9892187056

> used_memory_human:9.21G

>从操作系统上显示已经分配的内存总量, 包括碎片

> used_memory_rss:11148713984

> used_memory_peak:11236792296

> used_memory_peak_human:10.47G

> used_memory_lua:35840

## 内存碎片率

> 内存碎片率稍大于1是合理的,这个值表示内存碎片率比较低,也说明redis没有发生内存交换。

> 但如果内存碎片率超过1.5,那就说明Redis消耗了实际需要物理内存的150%,其中50%是内存碎片率

> 若是内存碎片率低于1的话,说明Redis内存分配超出了物理内存,操作系统正在进行内存交换。内存交换会引起非常明显的响应延迟

> mem_fragmentation_ratio:1.13

> mem_allocator:jemalloc-3.6.0

## stats

> total_commands_processed:105868 #总共处理的命令数

> instantaneous_ops_per_sec:0

> rejected_connections:0

> evicted_keys:0 #因为maxmemory限制导致key被回收删除的数量

# 性能分析

## 延迟

>redis-cli -h 127.0.0.1 -p 6379 --latency

> 持续采样,结果单位是ms;

> redis-cli -h 127.0.0.1 -p 6379 -–latency-history

> 间隔采样,结果单位是ms;

## bigkeys

>redis-cli -h 127.0.0.1 -p 6379 --bigkeys

> 持续采样,实时输出当时得到的 value 占用空间最大的 key 值

## 慢日志

>默认配置

> slowlog-log-slower-than 10000

> slowlog-max-len 128

>获取慢日志

> slowlog get 3

## 统计

>redis-cli -h 127.0.0.1 -p 6379 info commandstats

> 查看所有命令统计的快照,执行次数,所耗费的毫秒数,总时间和平均时间

## 调试

>redis-cli -h 127.0.0.1 -p 6379 monitor

## 内存占用分析

redis-rdb-tools

> pip install rdbtools

> rdb -c memory /var/redis/6379/dump.rdb > memory.csv

# 优化与禁忌

停止使用 KEYS *,如果避免不了,请使用scan命令

精简键名和键值,减小key长度,压缩value

设置 key 值的过期时间,避免长时间占用内存,缓解同步和持久化的压力

选择合适的回收策略,如果不能丢数据则建议使用 volatile-lru 策略,如果key可以自动重建则推荐allkeys-lru

业务层要考虑读写分离和主从模式

合理分配snapshot,aof,主上关闭aof和snapshot,在主从上开启snapshot和aof

如果数据不需要持久,可关闭所有的持久化方式可以获得最佳的性能以及最大的内存使用量

合理选择最优的数据结构解决实际问题,那样既可以提高效率又可以节省内存

合理使用长连接

maxmemory=8g, 不要让你的Redis所在机器物理内存使用超过实际内存总量的3/5

sysctl vm.overcommit_memory=1

关闭vm-enabled,3.0以后默认废弃

解决保存快照失败后redis无法写入的问题

> config set stop-writes-on-bgsave-error no

定期日志重写,减小aof重载时的时间开销

> auto-aof-rewrite-percentage 100

> auto-aof-rewrite-min-size 64mb

# 安全

使用普通用户启动服务,且禁止该用户登录

在可以保证内网安全的情况下,无密码性能最好

客户端可能会发送config命令,会有安全问题,建议禁用

客户端可能会发送flushall、flushdb命令,为避免误操作,建议禁用

客户端可能会发送save命令,会严重影响服务器的性能,建议禁用并使用bgsave替代

>rename-command FLUSHALL ""

rename-command FLUSHDB ""

rename-command KEYS ""

rename-command save ""

# 备份策略

主关闭aof, 开启rdb

每十分钟/10000变更生成一次rdb

每个小时保存一次最新的rdb到当前磁盘

每个小时保存一次

选择一台从节点,开启rdb,开启aof,并定期重载日志

```shell

path=/opt/data/redis/

name=dump_6380.rdb

file=$(date -d "yesterday" +"%Y%m%d%H.rdb")

/bin/mv $path/$name $path/$file

echo "move file $path/$file"

file=$(date -d "-3 days" +"%Y%m%d%H.rdb")

/bin/rm -f $path/$file

```

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,530评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,403评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,120评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,770评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,758评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,649评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,021评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,675评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,931评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,751评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,410评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,004评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,969评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,042评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,493评论 2 343

推荐阅读更多精彩内容