第 8 章:生产上的 Redis
开发环境里 Redis 从不宕机。生产环境里,它会在你最不希望的时间点,用你最没想到的方式出问题。
学习目标
- 说清 RDB 与 AOF 各丢多少数据,选一个能接受的口径
- 画出主从 + 哨兵的拓扑,理解故障转移时客户端会经历什么
- 记住六个监控指标,能在故障前看出苗头
- 有一份上线前的配置清单,照着勾
8.1 持久化:先决定"能丢多少"
| 方式 | 怎么工作 | 丢失窗口 | 恢复速度 |
|---|---|---|---|
| RDB | 定时 fork 子进程写快照 | 最多一个快照间隔(比如 5 分钟) | 快 |
| AOF | 每条写命令追加到日志 | 取决于 fsync 策略 | 慢(要重放) |
| 混合(7.0+ 默认) | AOF 文件前半段是 RDB 快照 | 同 AOF | 较快 |
AOF 的三种 appendfsync:
| 策略 | 丢多少 | 性能 |
|---|---|---|
always | 基本不丢 | 每条命令一次 fsync,最慢 |
everysec(默认) | 最多 1 秒 | 平衡 |
no | 交给操作系统,可能丢几秒到几十秒 | 最快 |
先回答一个问题:这份数据丢了,业务能不能接受?
- 纯缓存 → 可以全丢,甚至不用开持久化;
- 会话、验证码 → 丢几秒无所谓,
everysec够; - 任务队列 → 丢一条任务要能补偿,
everysec+ 业务幂等; - 当账本用 → 不该用 Redis,见第 1 章。
8.2 主从与故障转移
单实例有两个问题:读压力集中、挂了就全挂。标准解法是主从 + 哨兵。
故障转移大致是这样:
两个容易被忽略的点:
- 客户端必须用支持哨兵的连接方式。写死 IP 的客户端不会自动切,故障转移对它等于没发生;
- 切换期间有几十秒不可用。业务侧要有重试和降级,不是"配了哨兵就高枕无忧"。
数据量超过单机内存,或者写压力太大,才会用到 Cluster(16384 个槽分片)。个人项目和中小业务,主从 + 哨兵基本够。
8.3 六个指标,日常就看这些
| 指标 | 含义 | 异常信号 |
|---|---|---|
used_memory | 已用内存 | 持续逼近 maxmemory |
evicted_keys | 因内存满被淘汰的 key 数 | 突然飙升 → 容量不够或有大量过期设计失误 |
keyspace_hits / misses | 命中与未命中 | 命中率骤降 → 缓存失效或 key 设计问题 |
connected_clients | 当前连接数 | 顶到 maxclients → 客户端没复用连接 |
blocked_clients | 阻塞中的客户端 | 持续很高 → BRPOP/BLPOP 太多或消费者卡住 |
latest_fork_usec | 最近一次 fork 耗时 | 变大 → 内存太大,RDB 快照会拖慢主线程 |
一条命令看全:
bash
redis-cli INFO | grep -E "used_memory_human|evicted_keys|keyspace_hits|keyspace_misses|connected_clients|blocked_clients"
redis-cli SLOWLOG GET 10 # 最近 10 条慢命令8.4 五类真实事故
| 事故 | 表现 | 根因 | 处理 |
|---|---|---|---|
| 内存打满 | 写入报 OOM,业务报错 | noeviction + 没设上限 | 改淘汰策略、加容量、查大 key |
| 卡顿几秒 | 所有请求同时变慢 | KEYS *、大 key DEL、RDB fork | 换 SCAN、用 UNLINK、错峰快照 |
| 缓存与库不一致 | 页面显示旧数据 | 先删缓存后更库、并发回填 | 改顺序、延迟双删、TTL 兜底 |
| 连接数耗尽 | ERR max number of clients reached | 每次请求新建连接 | 连接池、查泄漏 |
| 主从延迟大 | 读到旧数据 | 从节点写入积压、网络抖动 | 关键读走主、监控 master_repl_offset 差值 |
事故的共同点:都不是 Redis 的 bug,而是用法或容量问题。
8.5 上线前清单
- [ ]
bind只监听内网地址,不暴露公网 - [ ] 设
requirepass或 ACL,别裸奔 - [ ]
maxmemory设为物理内存的 70%–80% - [ ]
maxmemory-policy按用途选(纯缓存allkeys-lru) - [ ] 开持久化并与业务确认"能丢多少"
- [ ] 定时备份 RDB/AOF 到另一台机器
- [ ] 重命名或禁用
KEYS、FLUSHALL、CONFIG等高危命令 - [ ] 配主从 + 哨兵(或至少监控 + 告警)
- [ ] 接入监控,
evicted_keys与内存使用率设阈值告警
8.6 容量估算的粗公式
需要的内存 ≈ 有效数据量 × 2.5(结构开销与碎片) + 复制缓冲 + 20% 余量举例:要缓存 100 万条、每条 200 字节的 JSON:
- 裸数据 200 MB;
- × 2.5 ≈ 500 MB;
- 加余量 → 按 800 MB–1 GB 规划。
不确定就先按 1 GB 起,跑一周看 used_memory 曲线再调。监控数据比公式准。
全课收尾
八章走下来,其实是一条后端的"状态管理"链路:
为什么需要(第 1 章)→ 跑起来(第 2 章)→ 选结构(第 3 章)→ 管内存(第 4 章)→ 防缓存事故(第 5 章)→ 做互斥与限流(第 6 章)→ 做异步队列(第 7 章)→ 上线与运维(第 8 章)
Redis 的定位始终没变:它让多个进程看见同一份状态,并且足够快。凡是需要"共享、快速、可过期"的东西,都可以先想到它;凡是需要"持久、事务、可查询"的东西,仍然交给数据库。
本章小结
| 要点 | 说明 |
|---|---|
| 持久化 | RDB 丢一个间隔,AOF everysec 丢 1 秒,混合兼顾 |
| 复制 | 异步,切换时可能丢最后一小段 |
| 高可用 | 主从 + 哨兵;客户端要支持自动切换 |
| 六个指标 | 内存、淘汰、命中率、连接、阻塞、fork 耗时 |
| 五类事故 | 内存、卡顿、一致性、连接、复制延迟 |
| 容量公式 | 有效数据 × 2.5 + 余量,再用监控校准 |
下一章
Redis 这门到这里结束。下一门是「向量数据库」:把第 3 章见过的那种"按分数排序"的能力,换成"按语义相似度排序",为 Lv4 的 RAG 打地基。