Redis 为什么变慢了？常见延迟问题定位与分析

> 本文由 [简悦 SimpRead](http://ksria.com/simpread/) 转码， 原文地址 [www.tuicool.com](https://www.tuicool.com/articles/NbENfqe)

推荐好友的一篇文章，分析的太棒了，反正我是竖着大拇指看完的！

作者：Kaito

来源：http://kaito-kidd.com/2020/07/03/redis-latency-analysis/

Redis 作为内存数据库，拥有非常高的性能，单个实例的 QPS 能够达到 10W 左右。但我们在使用 Redis 时，经常时不时会出现访问延迟很大的情况，如果你不知道 Redis 的内部实现原理，在排查问题时就会一头雾水。

很多时候，Redis 出现访问延迟变大，都与我们的使用不当或运维不合理导致的。

这篇文章我们就来分析一下 Redis 在使用过程中，经常会遇到的延迟问题以及如何定位和分析。

使用复杂度高的命令
---------

如果在使用 Redis 时，发现访问延迟突然增大，如何进行排查？

首先，第一步，建议你去查看一下 Redis 的慢日志。Redis 提供了慢日志命令的统计功能，我们通过以下设置，就可以查看有哪些命令在执行时延迟比较大。

首先设置 Redis 的 **慢日志阈值** ，只有超过阈值的命令才会被记录，这里的单位是微秒，例如设置慢日志的阈值为 5 毫秒，同时设置只保留最近 1000 条慢日志记录：

```
# 命令执行超过5毫秒记录慢日志

CONFIG SET slowlog-log-slower-than 5000

# 只保留最近1000条慢日志

CONFIG SET slowlog-max-len 1000
```

设置完成之后，所有执行的命令如果延迟大于 5 毫秒，都会被 Redis 记录下来，我们执行 `SLOWLOG get 5` 查询最近 5 条慢日志

```
127.0.0.1:6379> SLOWLOG get 5

1) 1) (integer) 32693       # 慢日志ID

2) (integer) 1593763337  # 执行时间

3) (integer) 5299        # 执行耗时(微秒)

4) 1) "LRANGE"           # 具体执行的命令和参数

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"

...
```

通过查看慢日志记录，我们就可以知道在什么时间执行哪些命令比较耗时，如果你的业务经常使用 `O(n)` 以上复杂度的命令，例如 **sort、sunion、zunionstore** ，或者在执行 O(n) 命令时操作的数据量比较大，这些情况下 Redis 处理数据时就会很耗时。

如果你的服务请求量并不大，但 Redis 实例的 CPU 使用率很高，很有可能是使用了复杂度高的命令导致的。

解决方案就是， 不使用这些复杂度较高的命令，并且一次不要获取太多的数据，每次尽量操作少量的数据，让 Redis 可以及时处理返回 。

存储大 key
-------

如果查询慢日志发现，并不是复杂度较高的命令导致的，例如都是 SET、DELETE 操作出现在慢日志记录中，那么你就要怀疑是否存在 Redis 写入了大 key 的情况。

Redis 在写入数据时，需要为新的数据分配内存，当从 Redis 中删除数据时，它会释放对应的内存空间。

如果一个 key 写入的数据非常大，Redis 在 `分配内存时也会比较耗时` 。同样的，当删除这个 key 的数据时， `释放内存也会耗时比较久` 。

你需要检查你的业务代码，是否存在写入大 key 的情况，需要评估写入数据量的大小， **业务层应该避免一个 key 存入过大的数据量** 。

那么有没有什么办法可以扫描现在 Redis 中是否存在大 key 的数据吗？

Redis 也提供了扫描大 key 的方法：

```
redis-cli -h $host -p $port --bigkeys -i 0.01
```

使用上面的命令就可以扫描出整个实例 key 大小的分布情况，它是以类型维度来展示的。

需要注意的是当我们 **在线上实例进行大 key 扫描时，Redis 的 QPS 会突增** ，为了降低扫描过程中对 Redis 的影响，我们需要 **控制扫描的频率** ，使用 `-i` 参数控制即可，它表示扫描过程中每次扫描的时间间隔，单位是秒。

使用这个命令的原理，其实就是 Redis 在内部执行 `scan` 命令，遍历所有 key，然后针对不同类型的 key 执行 strlen、llen、hlen、scard、zcard 来获取字符串的长度以及容器类型 (list/dict/set/zset) 的元素个数。

而对于容器类型的 key，只能扫描出元素最多的 key，但元素最多的 key 不一定占用内存最多，这一点需要我们注意下。不过使用这个命令一般我们是可以对整个实例中 key 的分布情况有比较清晰的了解。

针对大 key 的问题，Redis 官方在 4.0 版本推出了 **lazy-free** 的机制，用于异步释放大 key 的内存，降低对 Redis 性能的影响。即使这样，我们也不建议使用大 key，大 key 在集群的迁移过程中，也会影响到迁移的性能，这个后面在介绍集群相关的文章时，会再详细介绍到。

集中过期
----

有时你会发现，平时在使用 Redis 时没有延时比较大的情况，但在某个时间点突然出现一波延时，而且报慢的时间点很有规律，例如某个整点，或者间隔多久就会发生一次。

如果出现这种情况，就需要考虑是否存在大量 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，就有可能导致延迟增加。

Redis 的过期策略采用 **主动过期 + 懒惰过期** 两种策略：

• 主动过期：Redis 内部维护一个定时任务，默认每隔 100 毫秒会从过期字典中随机取出 20 个 key，删除过期的 key，如果过期 key 的比例超过了 25%，则继续获取 20 个 key，删除过期的 key，循环往复，直到过期 key 的比例下降到 25% 或者这次任务的执行耗时超过了 25 毫秒，才会退出循环 • 懒惰过期：只有当访问某个 key 时，才判断这个 key 是否已过期，如果已经过期，则从实例中删除

注意， `Redis的主动过期的定时任务，也是在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，那么在业务访问时，必须等这个过期任务执行结束，才可以处理业务请求。此时就会出现，业务访问延时增大的问题，最大延迟为 25 毫秒。

而且 **这个访问延迟的情况， `不会记录在慢日志里`** 。慢日志中 `只记录真正执行某个命令的耗时` ，Redis 主动过期策略执行在操作命令之前，如果操作命令耗时达不到慢日志阈值，它是不会计算在慢日志统计中的，但我们的业务却感到了延迟增大。

此时你需要检查你的业务，是否真的存在集中过期的代码，一般集中过期使用的命令是 `expireat` 或 `pexpireat` 命令，在代码中搜索这个关键字就可以了。

如果你的业务确实需要集中过期掉某些 key，又不想导致 Redis 发生抖动，有什么优化方案？

解决方案是， `在集中过期时增加一个` `**随机时间**` `，把这些需要过期的key的时间打散即可` 。

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))
```

这样 Redis 在处理过期时，不会因为集中删除 key 导致压力过大，阻塞主线程。

另外，除了业务使用需要注意此问题之外，还可以通过运维手段来及时发现这种情况。

做法是我们需要把 Redis 的各项运行数据监控起来，执行 `info` 可以拿到所有的运行数据，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。

我们需要对这个指标监控，当在 `很短时间内这个指标出现突增` 时，需要及时报警出来，然后与业务报慢的时间点对比分析，确认时间是否一致，如果一致，则可以认为确实是因为这个原因导致的延迟增大。

实例内存达到上限
--------

有时我们把 Redis 当做纯缓存使用，就会给实例设置一个内存上限 `maxmemory` ，然后开启 LRU 淘汰策略。

当实例的内存达到了 `maxmemory` 后，你会发现之后的每次写入新的数据，有可能变慢了。

导致变慢的原因是，当 Redis 内存达到 `maxmemory` 后，每次写入新的数据之前，必须先踢出一部分数据，让内存维持在 maxmemory 之下。

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过期的 key • allkeys-random：不管 key 是否设置了过期，随机淘汰 • volatile-random：只随机淘汰有设置过期的 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，满容后再写入直接报错 • allkeys-lfu：不管 key 是否设置了过期，淘汰访问频率最低的 key（4.0 + 支持） • volatile-lfu：只淘汰访问频率最低的过期 key（4.0 + 支持）

备注： **allkeys-xxx** 表示从 **所有的键值** 中淘汰数据，而 **volatile-xxx** 表示从设置了 **过期键的键值** 中淘汰数据。

具体使用哪种策略，需要根据业务场景来决定。

我们最常使用的一般是 `allkeys-lru` 或 `volatile-lru` 策略，它们的处理逻辑是，每次从实例中随机取出一批 key（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，继续随机取出一批 key，并与之前池子中的 key 比较，再淘汰一个最少访问的 key。以此循环，直到内存降到 maxmemory 之下。

如果使用的是 `allkeys-random` 或 `volatile-random` 策略，那么就会快很多，因为是随机淘汰，那么就少了比较 key 访问频率时间的消耗了，随机拿出一批 key 后直接淘汰即可，因此这个策略要比上面的 LRU 策略执行快一些。

但以上这些逻辑都是在访问 Redis 时， `真正命令执行之前执行的` ，也就是它会影响我们访问 Redis 时执行的命令。

另外，如果此时 Redis 实例中有存储大 key，那么 **`在淘汰大key释放内存时，这个耗时会更加久，延迟更大`** ，这需要我们格外注意。

如果你的业务访问量非常大，并且必须设置 maxmemory 限制实例的内存上限，同时面临淘汰 key 导致延迟增大的的情况，要想缓解这种情况，除了上面说的避免存储大 key、使用随机淘汰策略之外，也可以考虑拆分实例的方法来缓解，拆分实例可以把一个实例淘汰 key 的压力 `分摊到多个实例` 上，可以在一定程度降低延迟。

fork 耗时严重
---------

如果你的 Redis 开启了自动生成 RDB 和 AOF 重写功能，那么有可能在后台生成 RDB 和 AOF 重写时导致 Redis 的访问延迟增大，而等这些任务执行完毕后，延迟情况消失。

遇到这种情况，一般就是执行生成 RDB 和 AOF 重写任务导致的。

生成 RDB 和 AOF 都需要父进程 `fork` 出一个子进程进行数据的持久化， `在fork执行过程中，父进程需要拷贝**内存页表**给子进程，如果整个实例内存占用很大，那么需要拷贝的内存页表会比较耗时，此过程会消耗大量的CPU资源，在完成fork之前，整个实例会被阻塞住，无法处理任何请求，如果此时CPU资源紧张，那么fork的时间会更长，甚至达到秒级。这会严重影响Redis的性能` 。

我们可以执行 info 命令，查看最后一次 fork 执行的耗时 **latest_fork_usec** ，单位 **微秒** 。这个时间就是整个实例阻塞无法处理请求的时间。

除了因为备份的原因生成 RDB 之外， `在主从节点第一次建立数据同步时` ，主节点也会生成 RDB 文件给从节点进行一次全量同步，这时也会对 Redis 产生性能影响。

要想避免这种情况，我们需要规划好数据备份的周期，建议在 **`从节点`** `上执行备份，而且最好放在**低峰期**执行` 。 如果对于丢失数据不敏感的业务，那么不建议开启 AOF 和 AOF 重写功能。

另外，fork 的耗时也与系统有关，如果把 Redis 部署在虚拟机上，那么这个时间也会增大。所以使用 Redis 时建议部署在物理机上，降低 fork 的影响。

绑定 CPU
------

很多时候，我们在部署服务时，为了提高性能，降低程序在使用多个 CPU 时上下文切换的性能损耗，一般会采用进程绑定 CPU 的操作。

但在使用 Redis 时，我们不建议这么干，原因如下:

绑定 CPU 的 Redis，在进行数据持久化时，fork 出的子进程，子进程会继承父进程的 CPU 使用偏好，而此时子进程会消耗大量的 CPU 资源进行数据持久化， **子进程会与主进程发生 CPU 争抢** ，这也会导致主进程的 CPU 资源不足访问延迟增大。

所以在部署 Redis 进程时， `如果需要开启RDB和AOF重写机制，一定不能进行CPU绑定操作！`

开启 AOF
------

上面提到了， 当执行 AOF 文件重写时会因为 fork 执行耗时导致 Redis 延迟增大 ，除了这个之外，如果开启 AOF 机制，设置的策略不合理，也会导致性能问题。

开启 AOF 后，Redis 会把写入的命令实时写入到文件中，但 写入文件的过程是先写入内存，等内存中的数据超过一定阈值或达到一定时间后，内存中的内容才会被真正写入到磁盘中。

AOF 为了保证文件写入磁盘的安全性，提供了 3 种刷盘机制：

• appendfsync always：每次写入都刷盘，对性能影响最大，占用磁盘 IO 比较高，数据安全性最高 • appendfsync everysec：1 秒刷一次盘，对性能影响相对较小，节点宕机时最多丢失 1 秒的数据 • appendfsync no：按照操作系统的机制刷盘，对性能影响最小，数据安全性低，节点宕机丢失数据取决于操作系统刷盘机制

当使用第一种机制 appendfsync always 时，Redis 每处理一次写命令，都会把这个命令写入磁盘，而且 `这个操作是在主线程中执行的` 。

内存中的的数据写入磁盘，这个会加重磁盘的 IO 负担，操作磁盘成本要比操作内存的代价大得多。如果写入量很大，那么每次更新都会写入磁盘，此时机器的磁盘 IO 就会非常高，拖慢 Redis 的性能，因此我们不建议使用这种机制。

与第一种机制对比，appendfsync everysec 会每隔 1 秒刷盘，而 appendfsync no 取决于操作系统的刷盘时间，安全性不高。因此我们推荐使用 appendfsync everysec 这种方式，在最坏的情况下，只会丢失 1 秒的数据，但它能保持较好的访问性能。

当然，对于有些业务场景，对丢失数据并不敏感，也可以不开启 AOF。

使用 Swap
-------

如果你发现 Redis 突然变得非常慢， **每次访问的耗时都达到了几百毫秒甚至秒级** ，那此时就检查 Redis 是否使用到了 Swap，这种情况下 Redis 基本上已经无法提供高性能的服务。

我们知道，操作系统提供了 Swap 机制，目的是为了当内存不足时，可以把一部分内存中的数据换到磁盘上，以达到对内存使用的缓冲。

但当内存中的数据被换到磁盘上后，访问这些数据就需要从磁盘中读取，这个速度要比内存慢太多！

#### 尤其是针对 Redis 这种高性能的内存数据库来说，如果 Redis 中的内存被换到磁盘上，对于 Redis 这种性能极其敏感的数据库，这个操作时间是无法接受的。

#### 我们需要检查机器的内存使用情况，确认是否确实是因为内存不足导致使用到了 Swap。

如果确实使用到了 Swap，要及时整理内存空间，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，一般先进行主从切换，然后释放旧主节点的 Swap，重新启动服务，待数据同步完成后，再切换回主节点即可。

可见，当 Redis 使用到 Swap 后，此时的 Redis 的高性能基本被废掉，所以我们需要提前预防这种情况。

#### 我们需要对 Redis 机器的内存和 Swap 使用情况进行监控，在内存不足和使用到 Swap 时及时报警出来，及时进行相应的处理。

网卡负载过高
------

如果以上产生性能问题的场景，你都规避掉了，而且 Redis 也稳定运行了很长时间，但在某个时间点之后开始，访问 Redis 开始变慢了，而且一直持续到现在，这种情况是什么原因导致的？

之前我们就遇到这种问题， **特点就是从某个时间点之后就开始变慢，并且一直持续** 。这时你需要检查一下机器的网卡流量，是否存在网卡流量被跑满的情况。

网卡负载过高，在网络层和 TCP 层就会出现数据 **发送延迟、数据丢包** 等情况。Redis 的高性能除了内存之外，就在于网络 IO，请求量突增会导致网卡负载变高。

如果出现这种情况，你需要排查这个机器上的哪个 Redis 实例的流量过大占满了网络带宽，然后确认流量突增是否属于业务正常情况，如果属于那就需要 **及时扩容或迁移实例** ，避免这个机器的其他实例受到影响。

运维层面，我们需要对机器的各项指标增加监控，包括网络流量，在达到阈值时提前报警，及时与业务确认并扩容。

总结
--

以上我们总结了 Redis 中常见的可能导致延迟增大甚至阻塞的场景，这其中既涉及到了业务的使用问题，也涉及到 Redis 的运维问题。

可见，要想保证 Redis 高性能的运行，其中涉及到 CPU、内存、网络，甚至磁盘的方方面面，其中还包括操作系统的相关特性的使用。

作为开发人员，我们需要了解 Redis 的运行机制，例如各个命令的执行时间复杂度、数据过期策略、数据淘汰策略等，使用合理的命令，并结合业务场景进行优化。

作为 DBA 运维人员，需要了解数据持久化、操作系统 fork 原理、Swap 机制等，并对 Redis 的容量进行合理规划，预留足够的机器资源，对机器做好完善的监控，才能保证 Redis 的稳定运行。

![](https://img1.tuicool.com/eq2mYn7.gif!web)