redis高级

你可以不用mysql,但不能不要redis

阅读完本文要搞懂的东西

使用场景 数据类型

在这里一次罗列所有知识点

分布式缓存

单节点redis存在的的问题

redis是基于内存的,难以满足海量数据存取需求

(主从集群)(分片集群存储到不同服务器,动态扩容)

redis数据在内存会丢失

(redis持久化)

故障恢复

(redis哨兵机制)

redis的分片服务器数量,三主三从

Redis基本操作

常用命令

Redis的通用命令是不分数据类型的,都可以使用的命令:

  • KEYS pattern 查找所有符合给定模式( pattern)的 key
  • EXISTS key 检查给定 key 是否存在
  • TYPE key 返回 key 所储存的值的类型
  • DEL key 该命令用于在 key 存在是删除 key
  • TTL key 该命令返回key的状态,过期时间或者-1、-2

字符串操作

Redis 中字符串类型常用命令:

  • SET key value 设置指定key的值
  • GET key 获取指定key的值
  • SETEX key seconds value 设置指定key的值,并将 key 的过期时间设为 seconds 秒
  • SETNX key value 只有在 key 不存在时设置 key 的值

哈希操作命令

Redis hash 是一个string类型的 field 和 value 的映射表,hash特别适合用于存储对象,常用命令:

  • HSET key field value 将哈希表 key 中的字段 field 的值设为 value
  • HGET key field 获取存储在哈希表中指定字段的值
  • HDEL key field 删除存储在哈希表中的指定字段
  • HKEYS key 获取哈希表中所有字段
  • HVALS key 获取哈希表中所有值
    redis高级_第1张图片

列表操作命令

Redis 列表是简单的字符串列表,按照插入顺序排序,常用命令:

  • LPUSH key value1 [value2] 将一个或多个值插入到列表头部
  • LRANGE key start stop 获取列表指定范围内的元素
  • RPOP key 移除并获取列表最后一个元素
  • LLEN key 获取列表长度
  • BRPOP key1 [key2 ] timeout 移出并获取列表的最后一个元素, 如果列表没有元素会阻塞列表直到等待超 时或发现可弹出元素为止
    redis高级_第2张图片

集合操作命令

Redis set 是string类型的无序集合。集合成员是唯一的,这就意味着集合中不能出现重复的数据,常用命令:

  • SADD key member1 [member2] 向集合添加一个或多个成员
  • SMEMBERS key 返回集合中的所有成员
  • SCARD key 获取集合的成员数
  • SINTER key1 [key2] 返回给定所有集合的交集
  • SUNION key1 [key2] 返回所有给定集合的并集
  • SREM key member1 [member2] 移除集合中一个或多个成员
    redis高级_第3张图片

有序集合操作命令

Redis有序集合是string类型元素的集合,且不允许有重复成员。每个元素都会关联一个double类型的分数。常用命令:

常用命令:

  • ZADD key score1 member1 [score2 member2] 向有序集合添加一个或多个成员
  • ZRANGE key start stop [WITHSCORES] 通过索引区间返回有序集合中指定区间内的成员
  • ZINCRBY key increment member 有序集合中对指定成员的分数加上增量 increment
  • ZREM key member [member …] 移除有序集合中的一个或多个成员
  • redis高级_第4张图片

redis持久化

RDB持久化

全称Redis Database Backup file (redis数据备份文件)简单来说就是在触发条件把数据库快照存到安装目录,连接到redis使用save命令会存到本地,但是redis是单线程的,这会使得执行快照时主线程会停止(此时所有资源用于执行save,无法再存储),建议在快关机的时候使用

另外一命令是bgsave,是由子进程bgsave执行的,不会使得数据库不可用

但是bgsave会使得fork主进程得到子进程,子进程共享主进程的内存数据。完成fork之前,主进程无法进行数据库操作,fork结束子进程运行才会进行操作

redis高级_第5张图片

为了保证子进程和主进程读写一致,每当主进程出现修改会复制页表使得子进程读写的数据同步,子进程会重新进行bgsave(copyandwrite)。出现的问题是子进程每次复写的时候都会占用内存,比如原数据库16G,复写会占32G

(有空看看copyandwritelist,原理差不多)

redis高级_第6张图片

redis有触发持久化机制,在redis.conf文件或者服务器停止时

也可以把文件保存在其他目录或压缩,推荐不压缩,因为磁盘不要钱

AOF持久化

Append Only File(追加文件)。redis会把写的每一个命令记录在AOF文件,可以看作命令日志文件

当redis出现故障会把这个命令文件从头到尾读一遍,就做到了数据库恢复

默认这个机制是关闭的,需要修改redis.conf

记录频率也可以配置

AOF的弊端,覆盖相同key下的value的步骤在读取时会被重做,浪费资源

解决办法 执行bgrewriteaof命令

开启配置后在触发阈值时redis会自动执行该命令

RDB对比AOF

redis高级_第7张图片

工作中怎么去用

Redis主从结构

单点的redis并发能力有上限,所提需要搭建主从,5.0前从节点叫slave,以后叫replica

优点提高并发能力,缺点存储能力无法提高

从读写取(二八原则:访问80%是读20%是写)

主从同步原理

主从第一次同步是全量同步

如何判断从库是第一次访问主库

判断offset,当从库offset完全被主库覆盖则做全量同步

因此slave做数据同步,必须向master声明自己的replication和offset,master才能判断需要同步那些数据

流程总结如下

  • slave节点请求增量同步
  • master节点判断replid,发现不一致,拒绝增量同步master将完整内存数据生成RDB,发送RDB到slaveslave清空本地数据,加载master的RDB
  • master将RDB期间的命令记录在repl baklog,并持续将log中的命令发送给slave

增量同步原理

主从第一次是全量同步,但如果slave重启后同步则会进行增量同步

将offset理解成一个环,slave和master在offset差距的部分就是我们需要做增量同步的部分

repl_baklog大小有上限,写满后会覆盖最早的数据。如果slave断开时间过久,导致尚未备份的数据被覆盖,则无法基于log做增量同步,只能再次全量同步。

优化全量同步性能

提高全量性能

在master中配置repl-diskless-sync yes启用无磁盘复制,避免全量同步时的磁盘IO。

Redis单节点上的内存占用不要太大,减少RDB导致的过多磁盘IO

减少全量同步

适当提高replbaklog的大小,发现slave宕机时尽快实现故障恢复,尽可能避免全量同步
限制一个master上的slave节点数量,如果实在是太多slave,则可以采用主-从-从链式结构,减少master压力

哨兵机制

master节点宕机怎么办啊,啊啊啊啊要癫了

因此引入哨兵机制(实现主从集群自动故障恢复)

监控:Sentinel会不断检查你的master和slave是否按预期工作

自动故障恢复:如果master故障,Sentinel会将一个slave升级为master

通知:外部访问其实不知道访问的数据库节点,Sentinel充当Redis客户端的服务发现来源,当集群发生故障转移时,会将最新信息推送给Redis的客户端

主观下线和客观下线

•主观下线:如果某sentinel节点发现某实例未在规定时间响应,则认为该实例主观下线

•客观下线:若超过指定数量(quorum)的sentinel都认为该实例主观下线,则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。

选举行(新)的master

一旦发现master故障,sentinel需要在salve中选择一个作为新的master,选择依据是这样的:

  • 首先会判断slave节点与master节点断开时间长短,如果超过指定值(down-after-milliseconds * 10)则会排除该slave节点
  • 然后判断slave节点的slave-priority值,越小优先级越高,如果是0则永不参与选举
  • 如果slave-prority一样,则判断slave节点的offset值,越大说明数据越新,优先级越高
  • 最后是判断slave节点的运行id大小,越小优先级越高。

当选出一个新的master后,该如何实现切换呢?

流程如下:

  • sentinel给备选的slave1节点发送slaveof no one命令,让该节点成为master
  • sentinel给所有其它slave发送slaveof 192.168.150.101 7002 命令,让这些slave成为新master的从节点,开始从新的master上同步数据。
  • 最后,sentinel将故障节点标记为slave,当故障节点恢复后会自动成为新的master的slave节点

分片集群

主从很难做到高并发写,因此使用分片集群

这个是工作必用

分片集群特征:

  • 集群中有多个master,每个master保存不同数据

  • 每个master都可以有多个slave节点

  • master之间通过ping监测彼此健康状态(心跳机制)

  • 客户端请求可以访问集群任意节点,最终都会被转发到正确节点

每一个小集群都是一个主从结构

如果是2.8版本的redis搭建集群会很繁琐,会使用到temproxy,现在的版本就不需要了

什么是心跳机制?

进入命令传播阶段候,master与slave间需要进行信息交换,使用心跳机制进行维护,实现双方连接保持在线

master心跳:

  • 内部指令:PING
  • 周期:由repl-ping-slave-period决定,默认10秒
  • 作用:判断slave是否在线
  • 查询:INFO replication 获取slave最后一次连接时间间隔,lag项维持在0或1视为正常

slave心跳任务

  • 内部指令:REPLCONF ACK {offset}
  • 周期:1秒
  • 作用1:汇报slave自己的复制偏移量,获取最新的数据变更指令
  • 作用2:判断master是否在线

心跳阶段注意事项:

  • 当slave多数掉线,或延迟过高时,master为保障数据稳定性,将拒绝所有信息同步
min-slaves-to-write 2
min-slaves-max-lag 8

slave数量少于2个,或者所有slave的延迟都大于等于8秒时,强制关闭master写功能,停止数据同步

  • slave数量由slave发送REPLCONF ACK命令做确认

  • slave延迟由slave发送REPLCONF ACK命令做确认

散列插槽

Redis分片式会把每一个master节点映射到0~16383共16384个插槽(hash slot)上,无论你是三主三从还是五主五从都是一样的16384(固定不变),插槽平均分配每台服务器,查看集群信息时就能看到:

数据key不是与节点绑定,而是与插槽绑定。redis会根据key的有效部分计算插槽值,分两种情况:

  • key中包含"{}",且“{}”中至少包含1个字符,“{}”中的部分是有效部分
  • key中不包含“{}”,整个key都是有效部分

例如:key是num,那么就根据num计算,如果是{itcast}num,则根据itcast计算。计算方式是利用CRC16算法得到一个hash值,然后对16384取余,得到的结果就是slot值。

集群启动redis-cil切记使用-c参数,这代表集群模式

如何将同一类数据固定的保存在同一个Redis实例?

  • 这一类数据使用相同的有效部分,例如key都以{typeId}为前缀

集群进入不可用状态

不满足插槽总数(一个集群的机器全宕机了,一部分插槽无法访问)

两台master同时被发现宕机

与redis有关的服务器问题

数据删除和数据淘汰策略

Redis是一种内存级数数据库,所有数据都存在内存中,内存中的数据可以通过TTL获取其状态,TTL根据值的表现不同返回以下的状态

正数:代表该数据在内存中还能存活的时间

-1:永久有效的数据

-2:已经删除、过期或者不存在的数据

事实上不是所有删除方式都会把数据从redis完全删除(所以有状态-2),因为redis集群会出现同步不完全的问题

时效性数据被删除时存储的结构

过期数据是一块独立的存储空间,Hash结构,field是内存地址,value是过期时间,保存了所有key的过期描述,在最终进行过期处理的时候,对该空间的数据进行检测, 当时间到期之后通过field找到内存该地址处的数据,然后进行相关操作。

数据删除策略

定时删除

创建一个定时器,当key设置有过期时间,且过期时间到达时,由定时器任务立即执行对键的删除操作

  • 优点:节约内存,到时就删除,快速释放掉不必要的内存占用
  • 缺点:CPU压力很大,无论CPU此时负载量多高,均占用CPU,会影响redis服务器响应时间和指令吞吐量
  • 总结:用处理器性能换取存储空间(拿时间换空间)
惰性删除

数据到达过期时间,不做处理。等下次访问该数据时,我们需要判断

  1. 如果未过期,返回数据
  2. 发现已过期,删除,返回不存在
  • 优点:节约CPU性能,发现必须删除的时候才删除
  • 缺点:内存压力很大,出现长期占用内存的数据
  • 总结:用存储空间换取处理器性能(拿空间换时间)
定期删除

定时删除和惰性删除这两种方案都是走的极端,那有没有折中方案?

我们来讲redis的定期删除方案:

  • Redis启动服务器初始化时,读取配置server.hz的值,默认为10

  • 每秒钟执行server.hz次serverCron()-------->databasesCron()--------->activeExpireCycle()

  • **activeExpireCycle()**对每个expires[*]逐一进行检测,每次执行耗时:250ms/server.hz

  • 对某个expires[*]检测时,随机挑选W个key检测

  如果key超时,删除key

  如果一轮中删除的key的数量>W*25%,循环该过程

  如果一轮中删除的key的数量≤W*25%,检查下一个expires[*],0-15循环

  W取值=ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP属性值
  • 参数current_db用于记录activeExpireCycle() 进入哪个expires[*] 执行

  • 如果activeExpireCycle()执行时间到期,下次从current_db继续向下执行

总的来说:定期删除就是周期性轮询redis库中的时效性数据,采用随机抽取的策略,利用过期数据占比的方式控制删除频度

  • 特点1:CPU性能占用设置有峰值,检测频度可自定义设置
  • 特点2:内存压力不是很大,长期占用内存的冷数据会被持续清理
  • 总结:周期性抽查存储空间(随机抽查,重点抽查)

数据淘汰策略(逐出算法)

当redis内存使用达到预期值的70%左右就会触发清理,清理之后发现仍旧不满足需求,redis就会返回错误

(error) OOM command not allowed when used memory >'maxmemory'

当然这个预期值可设置

策略配置

影响数据淘汰的相关配置如下:

1:最大可使用内存,即占用物理内存的比例,默认值为0,表示不限制。生产环境中根据需求设定,通常设置在50%以上

maxmemory ?mb

2:每次选取待删除数据的个数,采用随机获取数据的方式作为待检测删除数据

maxmemory-samples count

3:对数据进行删除的选择策略

maxmemory-policy policy

那数据删除的策略policy到底有几种呢?一共是3类8种

第一类:检测易失数据(可能会过期的数据集server.db[i].expires )

volatile-lru:挑选最近最少使用的数据淘汰
volatile-lfu:挑选最近使用次数最少的数据淘汰
volatile-ttl:挑选将要过期的数据淘汰
volatile-random:任意选择数据淘汰

第二类:检测全库数据(所有数据集server.db[i].dict )

allkeys-lru:挑选最近最少使用的数据淘汰
allkeLyRs-lfu::挑选最近使用次数最少的数据淘汰
allkeys-random:任意选择数据淘汰,相当于随机

第三类:放弃数据驱逐

no-enviction(驱逐):禁止驱逐数据(redis4.0中默认策略),会引发OOM(Out Of Memory)

注意:这些策略是配置到哪个属性上?怎么配置?如下所示

maxmemory-policy volatile-lru

数据淘汰策略配置依据

使用INFO命令输出监控信息,查询缓存 hit 和 miss 的次数,根据业务需求调优Redis配置

缓存命中率算法HitRate=keyspace_hits/(keyspace_hits+keyspace_misses)

关于分片部署请查看详细笔记

关于哨兵机制也是

redis缓存问题处理

缓存预热

场景:“宕机”

服务器启动后迅速宕机

问题排查

1.请求数量较高,大量的请求过来之后都需要去从缓存中获取数据,但是缓存中又没有,此时从数据库中查找数据然后将数据再存入缓存,造成了短期内对redis的高强度操作从而导致问题

2.主从之间数据吞吐量较大,数据同步操作频度较高

解决方案:

  • 前置准备工作:

1.日常例行统计数据访问记录,统计访问频度较高的热点数据

2.利用LRU数据删除策略,构建数据留存队列例如:storm与kafka配合

  • 准备工作:

1.将统计结果中的数据分类,根据级别,redis优先加载级别较高的热点数据

2.利用分布式多服务器同时进行数据读取,提速数据加载过程

3.热点数据主从同时预热

  • 实施:

4.使用脚本程序固定触发数据预热过程

5.如果条件允许,使用了CDN(内容分发网络),效果会更好

总的来说:缓存预热就是系统启动前,提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候,先查询数据库,然后再将数据缓存的问题!用户直接查询事先被预热的缓存数据!

缓存雪崩

场景**:数据库服务器崩溃,一连串的场景会随之儿来

1.系统平稳运行过程中,忽然数据库连接量激增

2.应用服务器无法及时处理请求

3.大量408,500错误页面出现

4.客户反复刷新页面获取数据

5.数据库崩溃

6.应用服务器崩溃

7.重启应用服务器无效

8.Redis服务器崩溃

9.Redis集群崩溃

10.重启数据库后再次被瞬间流量放倒

问题排查

1.在一个较短的时间内,缓存中较多的key集中过期

2.此周期内请求访问过期的数据,redis未命中,redis向数据库获取数据

3.数据库同时接收到大量的请求无法及时处理

4.Redis大量请求被积压,开始出现超时现象

5.数据库流量激增,数据库崩溃

6.重启后仍然面对缓存中无数据可用

7.Redis服务器资源被严重占用,Redis服务器崩溃

8.Redis集群呈现崩塌,集群瓦解

9.应用服务器无法及时得到数据响应请求,来自客户端的请求数量越来越多,应用服务器崩溃

10.应用服务器,redis,数据库全部重启,效果不理想

总而言之就两点:短时间范围内,大量key集中过期

解决方案

  • 思路:

1.更多的页面静态化处理

2.构建多级缓存架构

​ Nginx缓存+redis缓存+ehcache缓存

3.检测Mysql严重耗时业务进行优化

​ 对数据库的瓶颈排查:例如超时查询、耗时较高事务等

4.灾难预警机制

​ 监控redis服务器性能指标

​ CPU占用、CPU使用率

​ 内存容量

​ 查询平均响应时间

​ 线程数

5.限流、降级

短时间范围内牺牲一些客户体验,限制一部分请求访问,降低应用服务器压力,待业务低速运转后再逐步放开访问

  • 落地实践:

1.LRU与LFU切换

2.数据有效期策略调整

​ 根据业务数据有效期进行分类错峰,A类90分钟,B类80分钟,C类70分钟

​ 过期时间使用固定时间+随机值的形式,稀释集中到期的key的数量

3.超热数据使用永久key

4.定期维护(自动+人工)

​ 对即将过期数据做访问量分析,确认是否延时,配合访问量统计,做热点数据的延时

5.加锁:慎用!

总的来说:缓存雪崩就是瞬间过期数据量太大,导致对数据库服务器造成压力。如能够有效避免过期时间集中,可以有效解决雪崩现象的 出现(约40%),配合其他策略一起使用,并监控服务器的运行数据,根据运行记录做快速调整。

缓存击穿

场景**:还是数据库服务器崩溃,但是跟之前的场景有点不太一样

1.系统平稳运行过程中

2.数据库连接量瞬间激增

3.Redis服务器无大量key过期

4.Redis内存平稳,无波动

5.Redis服务器CPU正常

6.数据库崩溃

问题排查:

1.Redis中某个key过期,该key访问量巨大

2.多个数据请求从服务器直接压到Redis后,均未命中

3.Redis在短时间内发起了大量对数据库中同一数据的访问

总而言之就两点:单个key高热数据,key过期

解决方案

1.预先设定

​ 以电商为例,每个商家根据店铺等级,指定若干款主打商品,在购物节期间,加大此类信息key的过期时长 注意:购物节不仅仅指当天,以及后续若干天,访问峰值呈现逐渐降低的趋势

2.现场调整

​ 监控访问量,对自然流量激增的数据延长过期时间或设置为永久性key

3.后台刷新数据

​ 启动定时任务,高峰期来临之前,刷新数据有效期,确保不丢失

4.二级缓存

​ 设置不同的失效时间,保障不会被同时淘汰就行

5.加锁

​ 分布式锁,防止被击穿,但是要注意也是性能瓶颈,慎重!

总的来说:缓存击穿就是单个高热数据过期的瞬间,数据访问量较大,未命中redis后,发起了大量对同一数据的数据库访问,导致对数 据库服务器造成压力。应对策略应该在业务数据分析与预防方面进行,配合运行监控测试与即时调整策略,毕竟单个key的过 期监控难度较高,配合雪崩处理策略即可。

缓存穿透

场景**:数据库服务器又崩溃了,跟之前的一样吗?

1.系统平稳运行过程中

2.应用服务器流量随时间增量较大

3.Redis服务器命中率随时间逐步降低

4.Redis内存平稳,内存无压力

5.Redis服务器CPU占用激增

6.数据库服务器压力激增

7.数据库崩溃

问题排查:

1.Redis中大面积出现未命中

2.出现非正常URL访问

问题分析

  • 获取的数据在数据库中也不存在,数据库查询未得到对应数据
  • Redis获取到null数据未进行持久化,直接返回
  • 下次此类数据到达重复上述过程
  • 出现黑客攻击服务器

解决方案

1.缓存null

​ 对查询结果为null的数据进行缓存(长期使用,定期清理),设定短时限,例如30-60秒,最高5分钟

2.白名单策略

​ 提前预热各种分类数据id对应的bitmaps,id作为bitmaps的offset,相当于设置了数据白名单。当加载正常数据时放行,加载异常数据时直接拦截(效率偏低)

​ 使用布隆过滤器(有关布隆过滤器的命中问题<即hash冲突使得本来存在的key被爆没有或者因为其他key计算的hash和当前判断的key不存在的hash一致使得该key被误判,解决办法具体看绝活篇>对当前状况可以忽略)

2.实施监控

​ 实时监控redis命中率(业务正常范围时,通常会有一个波动值)与null数据的占比

​ 非活动时段波动:通常检测3-5倍,超过5倍纳入重点排查对象

​ 活动时段波动:通常检测10-50倍,超过50倍纳入重点排查对象

​ 根据倍数不同,启动不同的排查流程。然后使用黑名单进行防控(运营)

4.key加密

​ 问题出现后,临时启动防灾业务key,对key进行业务层传输加密服务,设定校验程序,过来的key校验

​ 例如每天随机分配60个加密串,挑选2到3个,混淆到页面数据id中,发现访问key不满足规则,驳回数据访问

总的来说:缓存击穿是指访问了不存在的数据,跳过了合法数据的redis数据缓存阶段,每次访问数据库,导致对数据库服务器造成压力。通常此类数据的出现量是一个较低的值,当出现此类情况以毒攻毒,并及时报警。应对策略应该在临时预案防范方面多做文章。

无论是黑名单还是白名单,都是对整体系统的压力,警报解除后尽快移除。

性能指标监控

redis中的监控指标如下:

  • 性能指标:Performance

响应请求的平均时间:

latency

平均每秒处理请求总数

instantaneous_ops_per_sec

缓存查询命中率(通过查询总次数与查询得到非nil数据总次数计算而来)

hit_rate(calculated)

  • 内存指标:Memory

当前内存使用量

used_memory

内存碎片率(关系到是否进行碎片整理)

mem_fragmentation_ratio

为避免内存溢出删除的key的总数量

evicted_keys

基于阻塞操作(BLPOP等)影响的客户端数量

blocked_clients
  • 基本活动指标:Basic_activity

当前客户端连接总数

connected_clients

当前连接slave总数

connected_slaves

最后一次主从信息交换距现在的秒

master_last_io_seconds_ago

key的总数

keyspace
  • 持久性指标:Persistence

当前服务器最后一次RDB持久化的时间

rdb_last_save_time

当前服务器最后一次RDB持久化后数据变化总量

rdb_changes_since_last_save
  • 错误指标:Error

被拒绝连接的客户端总数(基于达到最大连接值的因素)

rejected_connections

key未命中的总次数

keyspace_misses

主从断开的秒数

master_link_down_since_seconds

要对redis的相关指标进行监控,我们可以采用一些用具:

  • CloudInsight Redis
  • Prometheus
  • Redis-stat
  • Redis-faina
  • RedisLive
  • zabbix

也有一些命令工具:

  • benchmark

测试当前服务器的并发性能

redis-benchmark [-h ] [-p ] [-c ] [-n  [-k ]

范例1:50个连接,10000次请求对应的性能

redis-benchmark

范例2:100个连接,5000次请求对应的性能

redis-benchmark -c 100 -n 5000

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7yW1bBvk-1681608508851)(img/29.png)]

  • redis-cli

    ​ monitor:启动服务器调试信息

monitor
slowlog:慢日志

获取慢查询日志

slowlog [operator]

​ get :获取慢查询日志信息

​ len :获取慢查询日志条目数

​ reset :重置慢查询日志

相关配置

slowlog-log-slower-than 1000 #设置慢查询的时间下线,单位:微妙
slowlog-max-len 100	#设置慢查询命令对应的日志显示长度,单位:命令数

key未命中的总次数

keyspace_misses

主从断开的秒数

master_link_down_since_seconds

要对redis的相关指标进行监控,我们可以采用一些用具:

  • CloudInsight Redis
  • Prometheus
  • Redis-stat
  • Redis-faina
  • RedisLive
  • zabbix

也有一些命令工具:

  • benchmark

测试当前服务器的并发性能

redis-benchmark [-h ] [-p ] [-c ] [-n  [-k ]

范例1:50个连接,10000次请求对应的性能

redis-benchmark

范例2:100个连接,5000次请求对应的性能

redis-benchmark -c 100 -n 5000

[外链图片转存中…(img-7yW1bBvk-1681608508851)]

  • redis-cli

    ​ monitor:启动服务器调试信息

monitor
slowlog:慢日志

获取慢查询日志

slowlog [operator]

​ get :获取慢查询日志信息

​ len :获取慢查询日志条目数

​ reset :重置慢查询日志

相关配置

slowlog-log-slower-than 1000 #设置慢查询的时间下线,单位:微妙
slowlog-max-len 100	#设置慢查询命令对应的日志显示长度,单位:命令数

你可能感兴趣的:(redis)