https://heapdump.cn/monographic/detail/33/4338896
Redis 作為優秀的記憶體資料庫，其擁有非常高的效能，單個例項的 OPS 能夠達到 10W 左右。但也正因此如此，當我們在使用 Redis 時，如果發現操作延遲變大的情況，就會與我們的預期不符。
你也許或多或少地，也遇到過以下這些場景：
- 在 Redis 上執行同樣的命令，為什麼有時響應很快，有時卻很慢？
- 為什麼 Redis 執行 SET、DEL 命令耗時也很久？
- 為什麼我的 Redis 突然慢了一波，之後又恢復正常了？
- 為什麼我的 Redis 穩定執行了很久，突然從某個時間點開始變慢了？
- ...
如果你並不清楚 Redis 內部的實現原理，那麼在排查這種延遲問題時就會一頭霧水。
如果你也遇到了以上情況，那麼，這篇文章將會給你一個「全面」的問題排查思路，並且針對這些導致變慢的場景，我還會給你一個高效的解決方案。
在正文開始之前，我需要提醒你的是，這篇文章很長，涵蓋的 Redis 知識點也非常廣，全篇文章接近 2W 字，如果此時你的閱讀環境不適合專注閱讀，我建議你先收藏此文章，然後在合適的時間專注閱讀這篇文章。
如果你能耐心且認真地讀完這篇文章，我可以保證，你對 Redis 的效能調優將會有非常大的收穫。
如果你準備好了，那就跟著我的思路開始吧！
Redis真的變慢了嗎？
首先，在開始之前，你需要弄清楚 Redis 是否真的變慢了？
如果你發現你的業務服務 API 響應延遲變長，首先你需要先排查服務內部，究竟是哪個環節拖慢了整個服務。
比較高效的做法是，在服務內部整合鏈路追蹤，也就是在服務訪問外部依賴的出入口，記錄下每次請求外部依賴的響應延時。
如果你發現確實是操作 Redis 的這條鏈路耗時變長了，那麼此刻你需要把焦點關注在業務服務到 Redis 這條鏈路上。
從你的業務服務到 Redis 這條鏈路變慢的原因可能也有 2 個：
- 業務伺服器到 Redis 伺服器之間的網路存在問題，例如網路線路質量不佳，網路資料包在傳輸時存在延遲、丟包等情況
- Redis 本身存在問題，需要進一步排查是什麼原因導致 Redis 變慢
通常來說，第一種情況發生的機率比較小，如果是伺服器之間網路存在問題，那部署在這臺業務伺服器上的所有服務都會發生網路延遲的情況，此時你
需要聯絡網路運維同事，讓其協助解決網路問題。
我們這篇文章，重點關注的是第二種情況。
也就是從 Redis 角度來排查，是否存在導致變慢的場景，以及都有哪些因素會導致 Redis 的延遲增加，然後針對性地進行最佳化。
排除網路原因，如何確認你的 Redis 是否真的變慢了？
首先，你需要對 Redis 進行基準效能測試，瞭解你的 Redis 在生產環境伺服器上的基準效能。
什麼是基準效能？
簡單來講，基準效能就是指 Redis 在一臺負載正常的機器上，其最大的響應延遲和平均響應延遲分別是怎樣的？
為什麼要測試基準效能？我參考別人提供的響應延遲，判斷自己的 Redis 是否變慢不行嗎？
答案是否定的。
因為 Redis 在不同的軟硬體環境下，它的效能是各不相同的。
例如，我的機器配置比較低，當延遲為 2ms 時，我就認為 Redis 變慢了，但是如果你的硬體配置比較高，那麼在你的執行環境下，可能延遲是 0.5ms 時就可以認為 Redis 變慢了。
所以，你只有瞭解了你的 Redis 在生產環境伺服器上的基準效能，才能進一步評估，當其延遲達到什麼程度時，才認為 Redis 確實變慢了。
具體如何做？
為了避免業務伺服器到 Redis 伺服器之間的網路延遲，你需要直接在 Redis 伺服器上測試例項的響應延遲情況。執行以下命令，就可以測試出這個例項 60 秒內的最大響應延遲：
$ redis-cli -h 127.0.0.1 -p 6379 --intrinsic-latency 60
Max latency so far: 1 microseconds.
Max latency so far: 15 microseconds.
Max latency so far: 17 microseconds.
Max latency so far: 18 microseconds.
Max latency so far: 31 microseconds.
Max latency so far: 32 microseconds.
Max latency so far: 59 microseconds.
Max latency so far: 72 microseconds.
1428669267 total runs (avg latency: 0.0420 microseconds / 42.00 nanoseconds per run).
Worst run took 1429x longer than the average latency.
從輸出結果可以看到，這 60 秒內的最大響應延遲為 72 微秒（0.072毫秒）。
你還可以使用以下命令，檢視一段時間內 Redis 的最小、最大、平均訪問延遲：
$ 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
...
以上輸出結果是，每間隔 1 秒，取樣 Redis 的平均操作耗時，其結果分佈在 0.08 ~ 0.13 毫秒之間。
瞭解了基準效能測試方法，那麼你就可以按照以下幾步，來判斷你的 Redis 是否真的變慢了：
- 在相同配置的伺服器上，測試一個正常 Redis 例項的基準效能
- 找到你認為可能變慢的 Redis 例項，測試這個例項的基準效能
- 如果你觀察到，這個例項的執行延遲是正常 Redis 基準效能的 2 倍以上，即可認為這個 Redis 例項確實變慢了
確認是 Redis 變慢了，那如何排查是哪裡發生了問題呢？
下面跟著我的思路，我們從易到難，一步步來分析可能導致 Redis 變慢的因素。
使用複雜度過高的命令
首先，第一步，你需要去檢視一下 Redis 的慢日誌（slowlog）。
Redis 提供了慢日誌命令的統計功能，它記錄了有哪些命令在執行時耗時比較久。
檢視 Redis 慢日誌之前，你需要設定慢日誌的閾值。例如，設定慢日誌的閾值為 5 毫秒，並且保留最近 500 條慢日誌記錄：
# 命令執行耗時超過 5 毫秒，記錄慢日誌
CONFIG SET slowlog-log-slower-than 5000
# 只保留最近 500 條慢日誌
CONFIG SET slowlog-max-len 500
設定完成之後，所有執行的命令如果操作耗時超過了 5 毫秒，都會被 Redis 記錄下來。
此時，你可以執行以下命令，就可以查詢到最近記錄的慢日誌：
127.0.0.1:6379> SLOWLOG get 5
1) 1) (integer) 32693 # 慢日誌ID
2) (integer) 1593763337 # 執行時間戳
3) (integer) 5299 # 執行耗時(微秒)
4) 1) "LRANGE" # 具體執行的命令和引數
2) "user_list:2000"
3) "0"
4) "-1"
2) 1) (integer) 32692
2) (integer) 1593763337
3) (integer) 5044
4) 1) "GET"
2) "user_info:1000"
...
透過檢視慢日誌，我們就可以知道在什麼時間點，執行了哪些命令比較耗時。
如果你的應用程式執行的 Redis 命令有以下特點，那麼有可能會導致操作延遲變大：
- 經常使用 O(N) 以上覆雜度的命令，例如 SORT、SUNION、ZUNIONSTORE 聚合類命令
- 使用 O(N) 複雜度的命令，但 N 的值非常大
第一種情況導致變慢的原因在於，Redis 在操作記憶體資料時，時間複雜度過高，要花費更多的 CPU 資源。
第二種情況導致變慢的原因在於，Redis 一次需要返回給客戶端的資料過多，更多時間花費在資料協議的組裝和網路傳輸過程中。
另外，我們還可以從資源使用率層面來分析，如果你的應用程式操作 Redis 的 OPS 不是很大，但 Redis 例項的 CPU 使用率卻很高，那麼很有可能是使用了複雜度過高的命令導致的。
除此之外，我們都知道，Redis 是單執行緒處理客戶端請求的，如果你經常使用以上命令，那麼當 Redis 處理客戶端請求時，一旦前面某個命令發生耗時，就會導致後面的請求發生排隊，對於客戶端來說，響應延遲也會變長。
針對這種情況如何解決呢？
答案很簡單，你可以使用以下方法最佳化你的業務：
- 儘量不使用 O(N) 以上覆雜度過高的命令，對於資料的聚合操作，放在客戶端做
- 執行 O(N) 命令，保證 N 儘量的小（推薦 N <= 300），每次獲取儘量少的資料，讓 Redis 可以及時處理返回
操作bigkey
如果你查詢慢日誌發現，並不是複雜度過高的命令導致的，而都是 SET / DEL 這種簡單命令出現在慢日誌中，那麼你就要懷疑你的例項否寫入了 bigkey。
Redis 在寫入資料時，需要為新的資料分配記憶體，相對應的，當從 Redis 中刪除資料時，它會釋放對應的記憶體空間。
如果一個 key 寫入的 value 非常大，那麼 Redis 在分配記憶體時就會比較耗時。同樣的，當刪除這個 key 時，釋放記憶體也會比較耗時，這種型別的 key 我們一般稱之為 bigkey。
此時，你需要檢查你的業務程式碼，是否存在寫入 bigkey 的情況。你需要評估寫入一個 key 的資料大小，儘量避免一個 key 存入過大的資料。
如果已經寫入了 bigkey，那有沒有什麼辦法可以掃描出例項中 bigkey 的分佈情況呢？
答案是可以的。
Redis 提供了掃描 bigkey 的命令，執行以下命令就可以掃描出，一個例項中 bigkey 的分佈情況，輸出結果是以型別維度展示的：
$ redis-cli -h 127.0.0.1 -p 6379 --bigkeys -i 0.01
...
-------- 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)
從輸出結果我們可以很清晰地看到，每種資料型別所佔用的最大記憶體 / 擁有最多元素的 key 是哪一個，以及每種資料型別在整個例項中的佔比和平均大小 / 元素數量。
其實，使用這個命令的原理，就是 Redis 在內部執行了 SCAN 命令，遍歷整個例項中所有的 key，然後針對 key 的型別，分別執行 STRLEN、LLEN、HLEN、SCARD、ZCARD 命令，來獲取 String 型別的長度、容器型別（List、Hash、Set、ZSet）的元素個數。
這裡我需要提醒你的是，當執行這個命令時，要注意 2 個問題：
- 對線上例項進行 bigkey 掃描時，Redis 的 OPS 會突增，為了降低掃描過程中對 Redis 的影響，最好控制一下掃描的頻率，指定 -i 引數即可，它表示掃描過程中每次掃描後休息的時間間隔，單位是秒
- 掃描結果中，對於容器型別（List、Hash、Set、ZSet）的 key，只能掃描出元素最多的 key。但一個 key 的元素多，不一定表示佔用記憶體也多，你還需要根據業務情況，進一步評估記憶體佔用情況
那針對 bigkey 導致延遲的問題，有什麼好的解決方案呢？
這裡有兩點可以最佳化：
- 業務應用盡量避免寫入 bigkey
- 如果你使用的 Redis 是 4.0 以上版本，用 UNLINK 命令替代 DEL，此命令可以把釋放 key 記憶體的操作，放到後臺執行緒中去執行，從而降低對 Redis 的影響；如果你使用的 Redis 是 6.0 以上版本，可以開啟 lazy-free 機制（lazyfree-lazy-user-del = yes），在執行 DEL 命令時，釋放記憶體也會放到後臺執行緒中執行
但即便可以使用方案 2，我也不建議你在例項中存入 bigkey。
這是因為 bigkey 在很多場景下，依舊會產生效能問題。例如，bigkey 在分片叢集模式下，對於資料的遷移也會有效能影響，以及我後面即將講到的資料過期、資料淘汰、透明大頁，都會受到 bigkey 的影響。
集中過期
如果你發現，平時在操作 Redis 時，並沒有延遲很大的情況發生，但在某個時間點突然出現一波延時，其現象表現為：變慢的時間點很有規律，例如某個整點，或者每間隔多久就會發生一波延遲。
如果是出現這種情況，那麼你需要排查一下，業務程式碼中是否存在設定大量 key 集中過期的情況。
如果有大量的 key 在某個固定時間點集中過期，在這個時間點訪問 Redis 時，就有可能導致延時變大。
為什麼集中過期會導致 Redis 延遲變大？
這就需要我們瞭解 Redis 的過期策略是怎樣的。
Redis 的過期資料採用被動過期 + 主動過期兩種策略：
- 被動過期：只有當訪問某個 key 時，才判斷這個 key 是否已過期，如果已過期，則從例項中刪除
- 主動過期：Redis 內部維護了一個定時任務，預設每隔 100 毫秒（1秒10次）就會從全域性的過期雜湊表中隨機取出 20 個 key，然後刪除其中過期的 key，如果過期 key 的比例超過了 25%，則繼續重複此過程，直到過期 key 的比例下降到 25% 以下，或者這次任務的執行耗時超過了 25 毫秒，才會退出迴圈
注意，這個主動過期 key 的定時任務，是在 Redis 主執行緒中執行的。
也就是說如果在執行主動過期的過程中，出現了需要大量刪除過期 key 的情況，那麼此時應用程式在訪問 Redis 時，必須要等待這個過期任務執行結束，Redis 才可以服務這個客戶端請求。
此時就會出現，應用訪問 Redis 延時變大。
如果此時需要過期刪除的是一個 bigkey，那麼這個耗時會更久。而且，這個操作延遲的命令並不會記錄在慢日誌中。
因為慢日誌中只記錄一個命令真正操作記憶體資料的耗時，而 Redis 主動刪除過期 key 的邏輯，是在命令真正執行之前執行的。
所以，此時你會看到，慢日誌中沒有操作耗時的命令，但我們的應用程式卻感知到了延遲變大，其實時間都花費在了刪除過期 key 上，這種情況我們需要尤為注意。
那遇到這種情況，如何分析和排查？
此時，你需要檢查你的業務程式碼，是否存在集中過期 key 的邏輯。
一般集中過期使用的是 expireat / pexpireat 命令，你需要在程式碼中搜尋這個關鍵字。
排查程式碼後，如果確實存在集中過期 key 的邏輯存在，但這種邏輯又是業務所必須的，那此時如何最佳化，同時又不對 Redis 有效能影響呢？
一般有兩種方案來規避這個問題：
- 集中過期 key 增加一個隨機過期時間，把集中過期的時間打散，降低 Redis 清理過期 key 的壓力
- 如果你使用的 Redis 是 4.0 以上版本，可以開啟 lazy-free 機制，當刪除過期 key 時，把釋放記憶體的操作放到後臺執行緒中執行，避免阻塞主執行緒
第一種方案，在設定 key 的過期時間時，增加一個隨機時間，虛擬碼可以這麼寫：
# 在過期時間點之後的 5 分鐘內隨機過期掉
redis.expireat(key, expire_time + random(300))
這樣一來，Redis 在處理過期時，不會因為集中刪除過多的 key 導致壓力過大，從而避免阻塞主執行緒。
第二種方案，Redis 4.0 以上版本，開啟 lazy-free 機制：
# 釋放過期 key 的記憶體，放到後臺執行緒執行
lazyfree-lazy-expire yes
另外，除了業務層面的最佳化和修改配置之外，你還可以透過運維手段及時發現這種情況。
運維層面，你需要把 Redis 的各項執行狀態資料監控起來，在 Redis 上執行 INFO 命令就可以拿到這個例項所有的執行狀態資料。
在這裡我們需要重點關注 expired_keys 這一項，它代表整個例項到目前為止，累計刪除過期 key 的數量。
你需要把這個指標監控起來，當這個指標在很短時間內出現了突增，需要及時報警出來，然後與業務應用報慢的時間點進行對比分析，確認時間是否一致，如果一致，則可以確認確實是因為集中過期 key 導致的延遲變大。
例項記憶體達到上限
如果你的 Redis 例項設定了記憶體上限 maxmemory，那麼也有可能導致 Redis 變慢。
當我們把 Redis 當做純快取使用時，通常會給這個例項設定一個記憶體上限 maxmemory，然後設定一個資料淘汰策略。
而當例項的記憶體達到了 maxmemory 後，你可能會發現，在此之後每次寫入新資料，操作延遲變大了。
這是為什麼？
原因在於，當 Redis 記憶體達到 maxmemory 後，每次寫入新的資料之前，Redis 必須先從例項中踢出一部分資料，讓整個例項的記憶體維持在 maxmemory 之下，然後才能把新資料寫進來。
這個踢出舊資料的邏輯也是需要消耗時間的，而具體耗時的長短，要取決於你配置的淘汰策略：
- allkeys-lru：不管 key 是否設定了過期，淘汰最近最少訪問的 key
- volatile-lru：只淘汰最近最少訪問、並設定了過期時間的 key
- allkeys-random：不管 key 是否設定了過期，隨機淘汰 key
- volatile-random：只隨機淘汰設定了過期時間的 key
- allkeys-ttl：不管 key 是否設定了過期，淘汰即將過期的 key
- noeviction：不淘汰任何 key，例項記憶體達到 maxmeory 後，再寫入新資料直接返回錯誤
- allkeys-lfu：不管 key 是否設定了過期，淘汰訪問頻率最低的 key（4.0+版本支援）
- volatile-lfu：只淘汰訪問頻率最低、並設定了過期時間 key（4.0+版本支援）
具體使用哪種策略，我們需要根據具體的業務場景來配置。
一般最常使用的是 allkeys-lru / volatile-lru 淘汰策略，它們的處理邏輯是，每次從例項中隨機取出一批 key（這個數量可配置），然後淘汰一個最少訪問的 key，之後把剩下的 key 暫存到一個池子中，繼續隨機取一批 key，並與之前池子中的 key 比較，再淘汰一個最少訪問的 key。以此往復，直到例項記憶體降到 maxmemory 之下。
需要注意的是，Redis 的淘汰資料的邏輯與刪除過期 key 的一樣，也是在命令真正執行之前執行的，也就是說它也會增加我們操作 Redis 的延遲，而且，寫 OPS 越高，延遲也會越明顯。
另外，如果此時你的 Redis 例項中還儲存了 bigkey，那麼在淘汰刪除 bigkey 釋放記憶體時，也會耗時比較久。
看到了麼？bigkey 的危害到處都是，這也是前面我提醒你儘量不儲存 bigkey 的原因。
針對這種情況，如何解決呢？
我給你 4 個方面的最佳化建議：
- 避免儲存 bigkey，降低釋放記憶體的耗時
- 淘汰策略改為隨機淘汰，隨機淘汰比 LRU 要快很多（視業務情況調整）
- 拆分例項，把淘汰 key 的壓力分攤到多個例項上
- 如果使用的是 Redis 4.0 以上版本，開啟 layz-free 機制，把淘汰 key 釋放記憶體的操作放到後臺執行緒中執行（配置 lazyfree-lazy-eviction = yes）
fork耗時嚴重
為了保證 Redis 資料的安全性，我們可能會開啟後臺定時 RDB 和 AOF rewrite 功能。
但如果你發現，操作 Redis 延遲變大，都發生在 Redis 後臺 RDB 和 AOF rewrite 期間，那你就需要排查，在這期間有可能導致變慢的情況。
當 Redis 開啟了後臺 RDB 和 AOF rewrite 後，在執行時，它們都需要主程序建立出一個子程序進行資料的持久化。
主程序建立子程序，會呼叫作業系統提供的 fork 函式。
而 fork 在執行過程中，主程序需要複製自己的記憶體頁表給子程序，如果這個例項很大，那麼這個複製的過程也會比較耗時。
而且這個 fork 過程會消耗大量的 CPU 資源，在完成 fork 之前，整個 Redis 例項會被阻塞住，無法處理任何客戶端請求。
如果此時你的 CPU 資源本來就很緊張，那麼 fork 的耗時會更長，甚至達到秒級，這會嚴重影響 Redis 的效能。
那如何確認確實是因為 fork 耗時導致的 Redis 延遲變大呢？
你可以在 Redis 上執行 INFO 命令，檢視 latest_fork_usec 項，單位微秒。
# 上一次 fork 耗時，單位微秒
latest_fork_usec:59477
這個時間就是主程序在 fork 子程序期間，整個例項阻塞無法處理客戶端請求的時間。
如果你發現這個耗時很久，就要警惕起來了，這意味在這期間，你的整個 Redis 例項都處於不可用的狀態。
除了資料持久化會生成 RDB 之外，當主從節點第一次建立資料同步時，主節點也建立子程序生成 RDB，然後發給從節點進行一次全量同步，所以，這個過程也會對 Redis 產生效能影響。
要想避免這種情況，你可以採取以下方案進行最佳化：
- 控制 Redis 例項的記憶體：儘量在 10G 以下，執行 fork 的耗時與例項大小有關，例項越大，耗時越久
- 合理配置資料持久化策略：在 slave 節點執行 RDB 備份，推薦在低峰期執行，而對於丟失資料不敏感的業務（例如把 Redis 當做純快取使用），可以關閉 AOF 和 AOF rewrite
- Redis 例項不要部署在虛擬機器上：fork 的耗時也與系統也有關，虛擬機器比物理機耗時更久
- 降低主從庫全量同步的機率：適當調大 repl-backlog-size 引數，避免主從全量同步
開啟記憶體大頁
除了上面講到的子程序 RDB 和 AOF rewrite 期間，fork 耗時導致的延時變大之外，這裡還有一個方面也會導致效能問題，這就是作業系統是否開啟了記憶體大頁機制。
什麼是記憶體大頁？
我們都知道，應用程式向作業系統申請記憶體時，是按記憶體頁進行申請的，而常規的記憶體頁大小是 4KB。
Linux 核心從 2.6.38 開始，支援了記憶體大頁機制，該機制允許應用程式以 2MB 大小為單位，向作業系統申請記憶體。
應用程式每次向作業系統申請的記憶體單位變大了，但這也意味著申請記憶體的耗時變長。
這對 Redis 會有什麼影響呢？
當 Redis 在執行後臺 RDB 和 AOF rewrite 時，採用 fork 子程序的方式來處理。但主程序 fork 子程序後，此時的主程序依舊是可以接收寫請求的，而進來的寫請求，會採用 Copy On Write（寫時複製）的方式操作記憶體資料。
也就是說，主程序一旦有資料需要修改，Redis 並不會直接修改現有記憶體中的資料，而是先將這塊記憶體資料複製出來，再修改這塊新記憶體的資料，這就是所謂的「寫時複製」。
寫時複製你也可以理解成，誰需要發生寫操作，誰就需要先複製，再修改。
這樣做的好處是，父程序有任何寫操作，並不會影響子程序的資料持久化（子程序只持久化 fork 這一瞬間整個例項中的所有資料即可，不關心新的資料變更，因為子程序只需要一份記憶體快照，然後持久化到磁碟上）。
但是請注意，主程序在複製記憶體資料時，這個階段就涉及到新記憶體的申請，如果此時作業系統開啟了記憶體大頁，那麼在此期間，客戶端即便只修改 10B 的資料，Redis 在申請記憶體時也會以 2MB 為單位向作業系統申請，申請記憶體的耗時變長，進而導致每個寫請求的延遲增加，影響到 Redis 效能。
同樣地，如果這個寫請求操作的是一個 bigkey，那主程序在複製這個 bigkey 記憶體塊時，一次申請的記憶體會更大，時間也會更久。可見，bigkey 在這裡又一次影響到了效能。
那如何解決這個問題？
很簡單，你只需要關閉記憶體大頁機制就可以了。
首先，你需要檢視 Redis 機器是否開啟了記憶體大頁：
$ cat /sys/kernel/mm/transparent_hugepage/enabled
[always] madvise never
如果輸出選項是 always，就表示目前開啟了記憶體大頁機制，我們需要關掉它：
$ echo never > /sys/kernel/mm/transparent_hugepage/enabled
其實，作業系統提供的記憶體大頁機制，其優勢是，可以在一定程式上降低應用程式申請記憶體的次數。
但是對於 Redis 這種對效能和延遲極其敏感的資料庫來說，我們希望 Redis 在每次申請記憶體時，耗時儘量短，所以我不建議你在 Redis 機器上開啟這個機制。
開啟AOF
前面我們分析了 RDB 和 AOF rewrite 對 Redis 效能的影響，主要關注點在 fork 上。
其實，關於資料持久化方面，還有影響 Redis 效能的因素，這次我們重點來看 AOF 資料持久化。
如果你的 AOF 配置不合理，還是有可能會導致效能問題。
當 Redis 開啟 AOF 後，其工作原理如下：
- Redis 執行寫命令後，把這個命令寫入到 AOF 檔案記憶體中（write 系統呼叫）
- Redis 根據配置的 AOF 刷盤策略，把 AOF 記憶體資料刷到磁碟上（fsync 系統呼叫）
為了保證 AOF 檔案資料的安全性，Redis 提供了 3 種刷盤機制：
- appendfsync always：主執行緒每次執行寫操作後立即刷盤，此方案會佔用比較大的磁碟 IO 資源，但資料安全性最高
- appendfsync no：主執行緒每次寫操作只寫記憶體就返回，記憶體資料什麼時候刷到磁碟，交由作業系統決定，此方案對效能影響最小，但資料安全性也最低，Redis 當機時丟失的資料取決於作業系統刷盤時機
- appendfsync everysec：主執行緒每次寫操作只寫記憶體就返回，然後由後臺執行緒每隔 1 秒執行一次刷盤操作（觸發fsync系統呼叫），此方案對效能影響相對較小，但當 Redis 當機時會丟失 1 秒的資料
下面我們依次來分析，這幾個機制對效能的影響。
如果你的 AOF 配置為 appendfsync always，那麼 Redis 每處理一次寫操作，都會把這個命令寫入到磁碟中才返回，整個過程都是在主執行緒執行的，這個過程必然會加重 Redis 寫負擔。
原因也很簡單，操作磁碟要比操作記憶體慢幾百倍，採用這個配置會嚴重拖慢 Redis 的效能，因此我不建議你把 AOF 刷盤方式配置為 always。
我們接著來看 appendfsync no 配置項。
在這種配置下，Redis 每次寫操作只寫記憶體，什麼時候把記憶體中的資料刷到磁碟，交給作業系統決定，此方案對 Redis 的效能影響最小，但當 Redis 當機時，會丟失一部分資料，為了資料的安全性，一般我們也不採取這種配置。
如果你的 Redis 只用作純快取，對於資料丟失不敏感，採用配置 appendfsync no 也是可以的。
看到這裡，我猜你肯定和大多數人的想法一樣，選比較折中的方案 appendfsync everysec 就沒問題了吧？
這個方案優勢在於，Redis 主執行緒寫完記憶體後就返回，具體的刷盤操作是放到後臺執行緒中執行的，後臺執行緒每隔 1 秒把記憶體中的資料刷到磁碟中。
這種方案既兼顧了效能，又儘可能地保證了資料安全，是不是覺得很完美？
但是，這裡我要給你潑一盆冷水了，採用這種方案你也要警惕一下，因為這種方案還是存在導致 Redis 延遲變大的情況發生，甚至會阻塞整個 Redis。
這是為什麼？我把 AOF 最耗時的刷盤操作，放到後臺執行緒中也會影響到 Redis 主執行緒？
你試想這樣一種情況：當 Redis 後臺執行緒在執行 AOF 檔案刷盤時，如果此時磁碟的 IO 負載很高，那這個後臺執行緒在執行刷盤操作（fsync系統呼叫）時就會被阻塞住。
此時的主執行緒依舊會接收寫請求，緊接著，主執行緒又需要把資料寫到檔案記憶體中（write 系統呼叫），但此時的後臺子執行緒由於磁碟負載過高，導致 fsync 發生阻塞，遲遲不能返回，那主執行緒在執行 write 系統呼叫時，也會被阻塞住，直到後臺執行緒 fsync 執行完成後，主執行緒執行 write 才能成功返回。
看到了麼？在這個過程中，主執行緒依舊有阻塞的風險。
所以，儘管你的 AOF 配置為 appendfsync everysec，也不能掉以輕心，要警惕磁碟壓力過大導致的 Redis 有效能問題。
那什麼情況下會導致磁碟 IO 負載過大？以及如何解決這個問題呢？
我總結了以下幾種情況，你可以參考進行問題排查：
- 子程序正在執行 AOF rewrite，這個過程會佔用大量的磁碟 IO 資源
- 有其他應用程式在執行大量的寫檔案操作，也會佔用磁碟 IO 資源
對於情況1，說白了就是，Redis 的 AOF 後臺子執行緒刷盤操作，撞上了子程序 AOF rewrite！
這怎麼辦？難道要關閉 AOF rewrite 才行？
幸運的是，Redis 提供了一個配置項，當子程序在 AOF rewrite 期間，可以讓後臺子執行緒不執行刷盤（不觸發 fsync 系統呼叫）操作。
這相當於在 AOF rewrite 期間，臨時把 appendfsync 設定為了 none，配置如下：
# AOF rewrite 期間，AOF 後臺子執行緒不進行刷盤操作
# 相當於在這期間，臨時把 appendfsync 設定為了 none
no-appendfsync-on-rewrite yes
當然，開啟這個配置項，在 AOF rewrite 期間，如果例項發生當機，那麼此時會丟失更多的資料，效能和資料安全性，你需要權衡後進行選擇。
如果佔用磁碟資源的是其他應用程式，那就比較簡單了，你需要定位到是哪個應用程式在大量寫磁碟，然後把這個應用程式遷移到其他機器上執行就好了，避免對 Redis 產生影響。
當然，如果你對 Redis 的效能和資料安全都有很高的要求，那麼我建議從硬體層面來最佳化，更換為 SSD 磁碟，提高磁碟的 IO 能力，保證 AOF 期間有充足的磁碟資源可以使用。
繫結CPU
很多時候，我們在部署服務時，為了提高服務效能，降低應用程式在多個 CPU 核心之間的上下文切換帶來的效能損耗，通常採用的方案是程序繫結 CPU 的方式提高效能。
但在部署 Redis 時，如果你需要繫結 CPU 來提高其效能，我建議你仔細斟酌後再做操作。
為什麼？
因為 Redis 在繫結 CPU 時，是有很多考究的，如果你不瞭解 Redis 的執行原理，隨意繫結 CPU 不僅不會提高效能，甚至有可能會帶來相反的效果。
我們都知道，一般現代的伺服器會有多個 CPU，而每個 CPU 又包含多個物理核心，每個物理核心又分為多個邏輯核心，每個物理核下的邏輯核共用 L1/L2 Cache。
而 Redis Server 除了主執行緒服務客戶端請求之外，還會建立子程序、子執行緒。
其中子程序用於資料持久化，而子執行緒用於執行一些比較耗時操作，例如非同步釋放 fd、非同步 AOF 刷盤、非同步 lazy-free 等等。
如果你把 Redis 程序只繫結了一個 CPU 邏輯核心上，那麼當 Redis 在進行資料持久化時，fork 出的子程序會繼承父程序的 CPU 使用偏好。
而此時的子程序會消耗大量的 CPU 資源進行資料持久化（把例項資料全部掃描出來需要耗費CPU），這就會導致子程序會與主程序發生 CPU 爭搶，進而影響到主程序服務客戶端請求，訪問延遲變大。
這就是 Redis 繫結 CPU 帶來的效能問題。
那如何解決這個問題呢？
如果你確實想要繫結 CPU，可以最佳化的方案是，不要讓 Redis 程序只繫結在一個 CPU 邏輯核上，而是繫結在多個邏輯核心上，而且，繫結的多個邏輯核心最好是同一個物理核心，這樣它們還可以共用 L1/L2 Cache。
當然，即便我們把 Redis 繫結在多個邏輯核心上，也只能在一定程度上緩解主執行緒、子程序、後臺執行緒在 CPU 資源上的競爭。
因為這些子程序、子執行緒還是會在這多個邏輯核心上進行切換，存在效能損耗。
如何再進一步最佳化？
可能你已經想到了，我們是否可以讓主執行緒、子程序、後臺執行緒，分別繫結在固定的 CPU 核心上，不讓它們來回切換，這樣一來，他們各自使用的 CPU 資源互不影響。
其實，這個方案 Redis 官方已經想到了。
Redis 在 6.0 版本已經推出了這個功能，我們可以透過以下配置，對主執行緒、後臺執行緒、後臺 RDB 程序、AOF rewrite 程序，繫結固定的 CPU 邏輯核心：
# Redis Server 和 IO 執行緒繫結到 CPU核心 0,2,4,6
server_cpulist 0-7:2
# 後臺子執行緒繫結到 CPU核心 1,3
bio_cpulist 1,3
# 後臺 AOF rewrite 程序繫結到 CPU 核心 8,9,10,11
aof_rewrite_cpulist 8-11
後臺 RDB 程序繫結到 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，就可以透過以上配置，來進一步提高 Redis 效能。
這裡我需要提醒你的是，一般來說，Redis 的效能已經足夠優秀，除非你對 Redis 的效能有更加嚴苛的要求，否則不建議你繫結 CPU。
從上面的分析你也能看出，繫結 CPU 需要你對計算機體系結構有非常清晰的瞭解，否則謹慎操作。
我們繼續分析還有什麼場景會導致 Redis 變慢。
使用Swap
如果你發現 Redis 突然變得非常慢，每次的操作耗時都達到了幾百毫秒甚至秒級，那此時你就需要檢查 Redis 是否使用到了 Swap，在這種情況下 Redis 基本上已經無法提供高效能的服務了。
什麼是 Swap？為什麼使用 Swap 會導致 Redis 的效能下降？
如果你對作業系統有些瞭解，就會知道作業系統為了緩解記憶體不足對應用程式的影響，允許把一部分記憶體中的資料換到磁碟上，以達到應用程式對記憶體使用的緩衝，這些記憶體資料被換到磁碟上的區域，就是 Swap。
問題就在於，當記憶體中的資料被換到磁碟上後，Redis 再訪問這些資料時，就需要從磁碟上讀取，訪問磁碟的速度要比訪問記憶體慢幾百倍！
尤其是針對 Redis 這種對效能要求極高、效能極其敏感的資料庫來說，這個操作延時是無法接受的。
此時，你需要檢查 Redis 機器的記憶體使用情況，確認是否存在使用了 Swap。
你可以透過以下方式來檢視 Redis 程序是否使用到了 Swap：
# 先找到 Redis 的程序 ID
$ ps -aux | grep redis-server
# 檢視 Redis Swap 使用情況
$ cat /proc/$pid/**aps | egrep '^(Swap|Size)'
輸出結果如下：
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
...
這個結果會列出 Redis 程序的記憶體使用情況。
每一行 Size 表示 Redis 所用的一塊記憶體大小，Size 下面的 Swap 就表示這塊 Size 大小的記憶體，有多少資料已經被換到磁碟上了，如果這兩個值相等，說明這塊記憶體的資料都已經完全被換到磁碟上了。
如果只是少量資料被換到磁碟上，例如每一塊 Swap 佔對應 Size 的比例很小，那影響並不是很大。如果是幾百兆甚至上 GB 的記憶體被換到了磁碟上，那麼你就需要警惕了，這種情況 Redis 的效能肯定會急劇下降。
此時的解決方案是：
- 增加機器的記憶體，讓 Redis 有足夠的記憶體可以使用
- 整理記憶體空間，釋放出足夠的記憶體供 Redis 使用，然後釋放 Redis 的 Swap，讓 Redis 重新使用記憶體
釋放 Redis 的 Swap 過程通常要重啟例項，為了避免重啟例項對業務的影響，一般會先進行主從切換，然後釋放舊主節點的 Swap，重啟舊主節點例項，待從庫資料同步完成後，再進行主從切換即可。
可見，當 Redis 使用到 Swap 後，此時的 Redis 效能基本已達不到高效能的要求（你可以理解為武功被廢），所以你也需要提前預防這種情況。
預防的辦法就是，你需要對 Redis 機器的記憶體和 Swap 使用情況進行監控，在記憶體不足或使用到 Swap 時報警出來，及時處理。
碎片整理
Redis 的資料都儲存在記憶體中，當我們的應用程式頻繁修改 Redis 中的資料時，就有可能會導致 Redis 產生記憶體碎片。
記憶體碎片會降低 Redis 的記憶體使用率，我們可以透過執行 INFO 命令，得到這個例項的記憶體碎片率：
# Memory
used_memory:5709194824
used_memory_human:5.32G
used_memory_rss:8264855552
used_memory_rss_human:7.70G
...
mem_fragmentation_ratio:1.45
這個記憶體碎片率是怎麼計算的？
很簡單，mem_fragmentation_ratio = used_memory_rss / used_memory。
其中 used_memory 表示 Redis 儲存資料的記憶體大小，而 used_memory_rss 表示作業系統實際分配給 Redis 程序的大小。
如果 mem_fragmentation_ratio > 1.5，說明記憶體碎片率已經超過了 50%，這時我們就需要採取一些措施來降低記憶體碎片了。
解決的方案一般如下：
- 如果你使用的是 Redis 4.0 以下版本，只能透過重啟例項來解決
- 如果你使用的是 Redis 4.0 版本，它正好提供了自動碎片整理的功能，可以透過配置開啟碎片自動整理
但是，開啟記憶體碎片整理，它也有可能會導致 Redis 效能下降。
原因在於，Redis 的碎片整理工作是也在主執行緒中執行的，當其進行碎片整理時，必然會消耗 CPU 資源，產生更多的耗時，從而影響到客戶端的請求。
所以，當你需要開啟這個功能時，最好提前測試評估它對 Redis 的影響。
Redis 碎片整理的引數配置如下：
# 開啟自動記憶體碎片整理（總開關）
activedefrag yes
# 記憶體使用 100MB 以下，不進行碎片整理
active-defrag-ignore-bytes 100mb
# 記憶體碎片率超過 10%，開始碎片整理
active-defrag-threshold-lower 10
# 記憶體碎片率超過 100%，盡最大努力碎片整理
active-defrag-threshold-upper 100
# 記憶體碎片整理佔用 CPU 資源最小百分比
active-defrag-cycle-min 1
# 記憶體碎片整理佔用 CPU 資源最大百分比
active-defrag-cycle-max 25
碎片整理期間，對於 List/Set/Hash/ZSet 型別元素一次 Scan 的數量
active-defrag-max-scan-fields 1000
你需要結合 Redis 機器的負載情況，以及應用程式可接受的延遲範圍進行評估，合理調整碎片整理的引數，儘可能降低碎片整理期間對 Redis 的影響。
網路頻寬過載
如果以上產生效能問題的場景，你都規避掉了，而且 Redis 也穩定執行了很長時間，但在某個時間點之後開始，操作 Redis 突然開始變慢了，而且一直持續下去，這種情況又是什麼原因導致？
此時你需要排查一下 Redis 機器的網路頻寬是否過載，是否存在某個例項把整個機器的網路頻寬佔滿的情況。
網路頻寬過載的情況下，伺服器在 TCP 層和網路層就會出現資料包傳送延遲、丟包等情況。
Redis 的高效能，除了操作記憶體之外，就在於網路 IO 了，如果網路 IO 存在瓶頸，那麼也會嚴重影響 Redis 的效能。
如果確實出現這種情況，你需要及時確認佔滿網路頻寬 Redis 例項，如果屬於正常的業務訪問，那就需要及時擴容或遷移例項了，避免因為這個例項流量過大，影響這個機器的其他例項。
運維層面，你需要對 Redis 機器的各項指標增加監控，包括網路流量，在網路流量達到一定閾值時提前報警，及時確認和擴容。
其他原因
好了，以上這些方面就是如何排查 Redis 延遲問題的思路和路徑。
除了以上這些，還有一些比較小的點，你也需要注意一下：
1) 頻繁短連線
你的業務應用，應該使用長連線操作 Redis，避免頻繁的短連線。
頻繁的短連線會導致 Redis 大量時間耗費在連線的建立和釋放上，TCP 的三次握手和四次揮手同樣也會增加訪問延遲。
2) 運維監控
前面我也提到了，要想提前預知 Redis 變慢的情況發生，必不可少的就是做好完善的監控。
監控其實就是對採集 Redis 的各項執行時指標，通常的做法是監控程式定時採集 Redis 的 INFO 資訊，然後根據 INFO 資訊中的狀態資料做資料展示和報警。
這裡我需要提醒你的是，在寫一些監控指令碼，或使用開源的監控元件時，也不能掉以輕心。
在寫監控指令碼訪問 Redis 時，儘量採用長連線的方式採集狀態資訊，避免頻繁短連線。同時，你還要注意控制訪問 Redis 的頻率，避免影響到業務請求。
在使用一些開源的監控元件時，最好了解一下這些元件的實現原理，以及正確配置這些元件，防止出現監控元件發生 Bug，導致短時大量操作 Redis，影響 Redis 效能的情況發生。
我們當時就發生過，DBA 在使用一些開源元件時，因為配置和使用問題，導致監控程式頻繁地與 Redis 建立和斷開連線，導致 Redis 響應變慢。
3）其它程式爭搶資源
最後需要提醒你的是，你的 Redis 機器最好專項專用，只用來部署 Redis 例項，不要部署其他應用程式，儘量給 Redis 提供一個相對「安靜」的環境，避免其它程式佔用 CPU、記憶體、磁碟資源，導致分配給 Redis 的資源不足而受到影響。
總結
好了，以上就是我總結的在使用 Redis 過程中，常見的可能導致延遲、甚至阻塞的問題場景，以及如何快速定位和分析這些問題，並且針對性地提供瞭解決方案。
這裡我也彙總成了思維導圖，方便你在排查 Redis 效能問題時，快速地去分析和定位。
這裡再簡單總結一下，Redis 的效能問題，既涉及到了業務開發人員的使用方面，也涉及到了 DBA 的運維方面。
- 作為業務開發人員，我們需要了解 Redis 的基本原理，例如各個命令執行的時間複雜度、資料過期策略、資料淘汰策略等，從而更合理地使用 Redis 命令，並且結合業務場景進行最佳化。
- 作為 DBA 和運維人員，需要了解 Redis 執行機制，例如資料持久化、記憶體碎片整理、程序綁核配置。除此之外，還需要了解作業系統相關知識，例如寫時複製、記憶體大頁、Swap 機制等等。
- 同時，DBA 在部署 Redis 時，需要提前對進行容量規劃，預留足夠的機器資源，還要對 Redis 機器和例項做好完善的監控，這樣才能儘可能地保證 Redis 的穩定執行。
後記
如果你能耐心地看到這裡，想必你肯定已經對 Redis 的效能調優有了很大的收穫。
你應該也發現了，Redis 的效能問題，涉及到的知識點非常廣，幾乎涵蓋了 CPU、記憶體、網路、甚至磁碟的方方面面，同時，你還需要了解計算機的體系結構，以及作業系統的各種機制。
從資源使用角度來看，包含的知識點如下：
- CPU 相關：使用複雜度過高命令、資料的持久化，都與耗費過多的 CPU 資源有關
- 記憶體相關：bigkey 記憶體的申請和釋放、資料過期、資料淘汰、碎片整理、記憶體大頁、記憶體寫時複製都與記憶體息息相關
- 磁碟相關：資料持久化、AOF 刷盤策略，也會受到磁碟的影響
- 網路相關：短連線、例項流量過載、網路流量過載，也會降低 Redis 效能
- 計算機系統：CPU 結構、記憶體分配，都屬於最基礎的計算機系統知識
- 作業系統：寫時複製、記憶體大頁、Swap、CPU 繫結，都屬於作業系統層面的知識
沒想到吧？Redis 為了把效能做到極致，涉及到了這麼多項最佳化。
如果這篇文章內容，你能吸收 90% 以上，說明你對 Redis 原理、計算機基礎、作業系統都已經有了較為深刻的理解。
如果你能吸收 50% 左右，那你可以好好梳理一下，哪些方面是自己的知識盲區，這樣可以針對性地去學習。
如果你吸收的只在 30% 以下，那麼你可以先從 Redis 的基本原理出發，先了解 Redis 的各種機制，進而思考 Redis 為了提高效能，為什麼使用這些機制？這些機制又是利用了計算機和作業系統的哪些特性去做的？進而一步步地去擴充你的知識體系，這是一個非常高效的學習路徑。
由於篇幅限制，關於 Redis 的很多細節無法全部展開，其實，這篇文章提到的每一個導致 Redis 效能問題的場景，如果展開來講，都可以寫出一篇文章出來。
例如，關於 Redis 程序繫結 CPU，以及作業系統使用 Swap，其實這些還涉及到了非一致性記憶體訪問 NUMA 架構的影響，其中也有很多細節沒有展開來講。