Redis 延迟排查与优化全攻略

1 延迟基线：先弄清“天花板”

1.1 内在延迟（intrinsic latency）

同一台机器上任何进程均无法突破的调度极限，可用 redis-cli --intrinsic-latency 测试：

redis-cli --intrinsic-latency 100   # 100 秒采样

• 物理机：常见 50 µs – 200 µs。
• 虚拟机 / 容器：受宿主机、超分、邻居噪声影响，可高达 10 ms 以上。
• 基线即上限：应用层任何优化都无法优于此。

1.2 网络通信延迟

2 高频排障清单（5 分钟速查版）

3 延迟来源全景图

graph TD
  subgraph 内部
    A[慢命令<br/>O(N)] --> L1
    B[fork<br/>BGSAVE/AOF] --> L2
    C[AOF 写盘<br/>fsync] --> L2
    D[大批量 expire<br/>主动清理] --> L3
  end
  subgraph 系统
    E[内核调度<br/>抢占] --> L0
    F[THP / COW] --> L2
    G[Swap I/O] --> L3
  end
  subgraph 外部
    H[网络 RTT] --> L0
    I[客户端<br/>序列化/阻塞] --> L0
  end

• L0：亚毫秒抖动 — 常规基线。
• L1：单条慢命令堵塞事件循环。
• L2：Redis 主线程被 fork / fsync / COW 暂停。
• L3：内核级 I/O、Swap 或批量过期导致秒级停顿。

4 监测与定位

4.1 Slow Log – 捕获单条慢命令

CONFIG SET slowlog-log-slower-than 1000   # ≥1ms 记录
SLOWLOG GET 20

• 重复出现 SORT, ZUNION, KEYS 等 O(N) 命令应警惕。
• 查询、比对业务代码，必要时用 Lua / Stream 重构。

4.2 Latency Monitor – 事件级分析

CONFIG SET latency-monitor-threshold 200
LATENCY DOCTOR        # 概览
LATENCY GRAPH fork    # 查看 fork 延迟趋势

• 关注常见 event：command, fork, aof-fsync, expire-cycle。

4.3 系统级工具

5 典型场景深度剖析

5.1 慢命令阻塞

• KEYS、SMEMBERS、SUNION 等，避免在生产使用；改用 SCAN 家族增量遍历。
• 大集合运算需在 Replica 执行或迁往离线任务。

5.2 fork 带来的「瞬时卡顿」

• 触发时机：BGSAVE, BGREWRITEAOF, MEMORY PURGE。

• 复制页表是瓶颈：24 GB 实例约 48 MB 页表。

• 优化手段

  • 使用 HVM + 新一代云主机 / 物理机。
  • 降低备份频率；外部持久化（如 rdb snapshot in replica）分摊 IO。
  • 大实例（> 64 GB）用 diskless replication 减少磁盘 IO。

5.3 AOF fsync 阻塞

• 勾选 no-appendfsync-on-rewrite yes，后台重写期间只写不 fsync。
• 核心业务最好用独立 SSD，避免与数据库 / 日志混用。

5.4 Swap & 内存抖动

• grep Swap /proc/$pid/smaps | awk '{s+=$2} END {print s/1024 " MB"}'
  检查 Redis 进程已换出量。

• 若 swap > 100 MB：

  • 提升 vm.swappiness=0，或直接 sudo swapoff -a。
  • 降低 maxmemory 或下线其他占内存服务。

5.5 大量 key 同时过期

• 主动过期算法每 100 ms 采样 20 个 key，若 25% 过期则循环。

• 场景：海量秒杀 coupon、会话一次性设置同一 EXPIREAT。

• 解决：

  • 将时间戳随机 + - 60 s 打散；
  • 批量存到 Sorted-Set TTL Wheel，定时 Lua 扫描。

6 生产环境调优建议

7 总结

1. 先测基线：--intrinsic-latency 了解物理/虚拟机极限。
2. 定位热点：Slow Log + Latency Monitor 快速锁定事件。
3. 分层治理：命令层、持久化层、操作系统层各有对策。
4. 以闲养忙：独占 SSD、错峰慢操作、随机化大量过期。
5. 持续观测：关键指标告警 + 业务 P99 延迟回溯。

做到以上，即可让 Redis 处理路径保持 微秒级稳定，轻松应对高并发与突发流量。愿你的 QPS 再高，延迟依旧顺滑如丝！