目录
转载
Redis为什么变慢了？一文讲透如何排查Redis性能问题 | 万字长文
第一步：确定Redis是否真的变慢了
响应变慢，需要思考下面几个问题：
①应用服务器与Redis服务器之间的网络存在问题，存在网络线路质量不佳，网络数据包在传输时存在延迟、丢包等情况；
②假如确实是Redis响应慢了，衡量标准是什么？
这里需要用到【基准性能】，即Redis在一台负载正常的机器上，其最大的响应延迟和平均响应延迟分别是怎样的？
只有了解了Redis在生产环境服务器上的基准性能，才能评价当其延迟达到什么程度时，才认为Redis确实变慢了。
因此，我们直接在生产环境下的Redis服务器测试实例的响应延迟情况，执行以下命令：
redis-cli -h IP地址 -p 端口 --intrinsic-latency 60
拿到生产环境的【基准性能】后，再去相同配置的服务器上，测试一个正常Redis实例的【基准性能】，如果生产环境的【基准性能】运行延迟是正常Redis基准性能的 2倍以上，即可认为这个Redis实例确实变慢了；
第二步：查看slowlog慢日志
根据自身情况，配置慢日志参数，例如：
# 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
然后通过SLOWLOG get X来查看最近记录的慢日志；
原因1：使用复杂度过高的命令
该原因具体又分成2种场景：
①经常使用O(N)以上复杂度的命令，如SORT、SUNION、ZUNIONSTORE聚合类命令，此类命令在操作内存数据时，时间复杂度过高，要花费更多的 CPU 资源；
②使用O(N)复杂度的命令，其N值非常大，由于N值比较大，Redis一次性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；
对应的解决方法：
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；
原因2：操作bigkey
如果在slowlog中显示SET/DEL占据大量时间，那么Redis实例可能写入bigkey了；
原因在于：Redis在写入数据时需要为新的数据分配内存，Redis在删除数据时会释放对应的内存空间；如果一个key写入/删除的value非常大，那Redis在分配内存/释放内存时就会比较耗时，这种类型的key就是bigkey；
这里借助如下指令来查看bigkey的情况：
redis-cli -h IP地址 -p 端口号 --bigkeys -i 0.01
在查看期间需要注意2个情况：
①对线上实例进行bigkey扫描时，Redis的OPS会突增，因此为了降低扫描过程中对Redis影响，需控制一下扫描的频率，指定-i 参数，该参数表示扫描过程中每次扫描后休息的时间间隔，单位是秒；
bigkeys内部执行的是SCAN命令，遍历整个实例中所有的key，然后针对key的类型，分别执行STRLEN、LLEN、HLEN、SCARD、ZCARD 命令，来获取String类型的长度、容器类型（List、Hash、Set、ZSet）的元素个数；
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；
针对bigkeys的解决方案有如下几个：
①业务应用尽量避免写入bigkey；
②如果你使用的Redis是4.0以上版本，用UNLINK命令替代 DEL，此命令可以把释放key内存的操作，放到后台线程中去执行，从而降低对Redis的影响；
③如果你使用的Redis是6.0以上版本，可以开启lazy-free机制（lazyfree-lazy-user-del= yes），在执行DEL命令时，释放内存也会放到后台线程中执行；
总而言之，还是尽量避免写入bigkey，除了上述原因外，当你在集群部署时，槽位迁移也会因为bigkeys导致移动时间变成；
原因3：集中过期
如果规律性的发生延迟，则需要考虑大量key集中过期的情况；这里先解释下Redis处理过期数据的策略：被动过期、主动过期；
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；
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；
这个主动过期key的定时任务，是在Redis主线程中执行的，因此，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，此时就会出现，应用访问Redis延时变大，如果此时需要过期删除的是一个bigkey，那么这个耗时会更久，且这个操作延迟的命令并不会记录在慢日志中；
慢日志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Redis主动进行，在用户发送del命令之前执行的，所以，慢日志中没有操作耗时的命令，但应用程序却感知到了延迟变大，时间都花费在了删除过期key上；
可以在开发的工程中搜索expireat/pexpireat关键字，如果确实存在集中过期key的逻辑存在，但这种逻辑又是业务所必须的，那该如何处理呢？
一般有3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；
③运维层面，把Redis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，其中expired_keys代表整个实例到目前为止，累计删除过期 key的数量，当这个指标在很短时间内出现了突增，需要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；
原因4：实例内存达到上限
如果Redis实例设置了内存上限maxmemory，那么也有可能导致 Redis变慢，这是因为我们在设置maxmemory同时，必须设置一个数据淘汰策略，这是因为：当Redis内存达到maxmemory后，每次写入新的数据之前，Redis 必须按照该淘汰策略，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；
但是，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：
①allkeys-lru：不管key是否设置了过期，淘汰最近最少访问的key；
②volatile-lru：只淘汰最近最少访问、并设置了过期时间的 key；
③allkeys-random：不管key是否设置了过期，随机淘汰key；
④volatile-random：只随机淘汰设置了过期时间的key；
⑤allkeys-ttl：不管key是否设置了过期，淘汰即将过期的key；
⑥noeviction：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；
⑦allkeys-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）；
⑧volatile-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）；
Redis 淘汰数据的逻辑与删除过期key是一样的，也是在命令真正执行之前执行的，因此会增加Redis延迟，而且写OPS越高延迟也会越明显，如果Redis实例中还存储了bigkey，那么在删除bigkey释放内存时，也会耗时比较久；
针对这种情况，如何解决呢？
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）；
原因5：fork耗时严重
如果操作Redis延迟变大都发生在Redis后台RDB和AOF的 rewrite期间，那我们有理由怀疑是fork导致Redis延时增大，为了增强我们怀疑，需要在Redis上执行INFO命令，查看latest_fork_usec配置，该配置单位是微秒，表示主进程在fork子进程期间，整个实例阻塞无法处理客户端请求的时间，如果耗时很久，则说明fork导致整个Redis实例都处于不可用的状态；
那为什么fork会导致Redis变慢？
当Redis开启了后台RDB和AOF rewrite后，在执行时它们都需要主进程调用操作系统提供的fork函数来创建出一个子进程进行数据的持久化，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Redis实例很大，那么这个拷贝的过程也会比较耗时。而且fork过程还会消耗大量的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；
此时如果CPU资源本来就很紧张，那fork的耗时会更长，甚至达到秒级，严重影响Redis性能；
此外，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。
要想避免这种情况，可以采取以下方案进行优化：
①控制Redis实例的内存大小：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，可以关闭AOF和AOF rewrite；
③Redis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；
原因6：开启内存大页
除了fork耗时导致Redis响应延时变大之外，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；
这里有个问题，为什么会从fork引申到操作系统的内存大页机制？
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，到了Linux 2.6.38开始支持内存大页机制，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，虽然应用程序每次向操作系统申请的内存单位变大了，但申请内存的耗时也相应的变长了；
当Redis在执行后台RDB和AOF rewrite时，采用fork子进程的方式来处理。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方式操作内存数据，即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」。
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）。
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；
那如何解决这个问题？
只需要关闭内存大页机制就可以了。
你需要查看 Redis 机器是否开启了内存大页：
cat /sys/kernel/mm/transparent_hugepage/enabled
如果输出选项是 always，就表示目前开启了内存大页机制，我们需要关掉它：
echo never > /sys/kernel/mm/transparent_hugepage/enabled
原因7：开启AOF
如果AOF配置不合理，也有可能导致性能问题，下面先说一下AOF工作流程：
①Redis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）；
②Redis然后根据配置的AOF刷盘策略，把AOF内存数据刷到磁盘上（fsync系统调用）；
下面继续说一下AOF刷盘策略：
①appendfsync always
主线程每次执行写操作后立即刷盘，写入到磁盘中才返回，此方案会占用比较大的磁盘 IO资源，但数据安全性最高；
但是，整个过程都是在主线程执行的，必然造成Redis写操作的代价，严重拖慢Redis性能；
②appendfsync 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；
③appendfsync 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；
那么，目前看来，appendfsync everysec方案最完美，但该方案理论上有个重点风险：
当Redis后台线程在执行AOF文件刷盘时，此时磁盘的IO负载很高，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），但此时的后台子线程由于磁盘负载过高，导致fsync发生阻塞，迟迟不能返回，那主线程在执行write 系统调用时也会被阻塞住，直到后台线程fsync执行完成后，主线程执行write才能成功返回，在这个过程中，主线程依旧有阻塞的风险。
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？
①子进程正在执行AOF rewrite，这个过程会占用大量的磁盘IO 资源；
解决方案：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；
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；
解决方案：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，避免对Redis产生影响；
原因8：绑定CPU
一些程序，在部署服务时，为了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，会通过进程绑定CPU的方式来提高性能；
如果Redis也采用这种方式的话，则可能会存在问题，原因在于：
现代服务器会有多个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，每个物理核下的多个逻辑核共用 L1/L2 Cache。
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，如果把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，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。
那如何解决这个问题呢？
如果真的想要绑定CPU，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。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，毕竟这些子进程、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。
那如何再进一步优化？
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，他们各自使用的CPU资源互不影响。Redis 6.0版本已经推出了这个功能，可以对主线程、后台线程、后台RDB进程、AOF rewrite进程来绑定固定的CPU逻辑核心：
# 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
总体来说，Redis性能已经足够优秀，除非对Redis性能有更加严苛的要求，否则不建议你绑定CPU。
原因9：使用Swap
如果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，此时可以检查下Redis是否使用到了Swap；
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；
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，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)'
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，此时的解决方案是：
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；只不过释放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；
原因10：碎片整理
Redis数据都存储在内存中，当频繁修改Redis中数据时，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，可以通过执行INFO命令得到实例的内存碎片率：
# Memory
used_memory:5709194824
used_memory_human:5.32G
used_memory_rss:8264855552
used_memory_rss_human:7.70G
mem_fragmentation_ratio:1.45
内存碎片率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%，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使用的是Redis 4.0以下版本，只能通过重启实例来解决；
②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；不过，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
原因11：网络带宽过载
如果以上产生性能问题的场景，都规避掉了，且Redis也稳定运行了很长时间，但在某个时间点之后开始，操作Redis突然开始变慢了，而且一直持续下去，这种情况又是什么原因导致？
此时需要排查一下Redis机器的网络带宽是否过载，是否存在某个实例把整个机器的网路带宽占满的情况。
网络带宽过载的情况下，服务器在TCP层和网络层就会出现数据包发送延迟、丢包等情况。如果确实出现这种情况，你需要及时确认占满网络带宽Redis实例，如果属于正常的业务访问，那就需要及时扩容或迁移实例了，避免因为这个实例流量过大，影响这个机器的其他实例；