生产环境需要监控 Redis 的哪些关键指标？

在生产环境中监控 Redis 对于确保系统稳定性和性能至关重要。全面的监控应涵盖性能、内存、客户端活动、持久化、复制和错误等多个维度。以下是需要监控的关键指标：

性能指标 (Performance)

性能是衡量 Redis 服务质量的核心。 延迟和吞吐量是关键的性能指标。

• 延迟 (Latency)：指 Redis 服务器处理客户端请求所需的时间。 由于 Redis 是单线程的，高延迟会严重影响后续所有请求的处理，甚至可能导致服务雪崩。 可以使用 redis-cli --latency 命令来检测 Redis 的基线性能。
• 每秒操作数 (instantaneous_ops_per_sec)：也称为吞吐量（OPS），表示 Redis 每秒处理的命令数。 持续关注此指标有助于了解系统的负载情况和处理能力。
• 缓存命中率 (keyspace_hits / (keyspace_hits + keyspace_misses))：当使用 Redis 作为缓存时，高命中率表示缓存被有效利用。 低命中率可能意味着数据已过期或分配给 Redis 的内存不足，导致应用程序延迟增加。

内存指标 (Memory)

Redis 是一个基于内存的数据库，因此内存监控至关重要。

• 已用内存 (used_memory)：Redis 实例已使用的内存总量。 持续监控此指标可以防止内存超出物理限制。
• 内存碎片率 (mem_fragmentation_ratio)：操作系统分配给 Redis 的内存（used_memory_rss）与 Redis 自身分配的内存（used_memory）的比率。
  • 大于 1.5：表示存在严重的内存碎片，可能需要重启 Redis 实例来回收内存。
  • 小于 1：表示 Redis 正在使用交换空间（swap），这会严重影响性能，需要增加物理内存或减少内存使用。
• 被驱逐的键 (evicted_keys)：由于达到最大内存限制而被驱逐的键的数量。 此数值的持续增长表明内存不足。
• 过期键 (expired_keys)：因为生存时间（TTL）到期而被删除的键的数量。

客户端指标 (Clients)

监控客户端连接有助于了解和管理对 Redis 的访问。

• 已连接客户端数 (connected_clients)：当前连接到 Redis 的客户端数量。 数量过高可能会耗尽服务器资源，而数量过低可能表示上游服务存在连接问题。
• 被拒绝的连接数 (rejected_connections)：由于达到最大客户端连接数限制而被拒绝的连接总数。 此数值不应为零。
• 阻塞的客户端数 (blocked_clients)：正在等待阻塞命令（如 BLPOP）响应的客户端数量。 此指标持续不为零可能表明存在性能问题或数据源填充延迟。

持久化指标 (Persistence)

对于需要数据持久化的场景，监控 RDB 和 AOF 的状态至关重要。

• RDB 上次保存时间 (rdb_last_save_time)：最后一次成功将数据保存到磁盘的时间戳。
• RDB 上次保存后的更改数 (rdb_changes_since_last_save)：自上次 RDB 保存以来数据库的更改次数。
• AOF 文件大小：监控 AOF 文件的大小，避免文件过大影响重启恢复速度。可以配置 AOF 重写来压缩文件。

复制指标 (Replication)

在主从复制架构中，确保数据同步的可靠性是关键。

• 主从连接状态 (master_link_status)：显示从服务器与主服务器的连接状态。 连接中断会导致数据同步延迟。
• 从库延迟 (master_link_down_since_seconds)：表示主从连接断开的持续时间（以秒为单位）。
• 已连接的从库数 (connected_slaves)：连接到主服务器的从库数量。 数量的意外变化可能表明主库或从库实例出现问题。

错误和饱和度指标 (Errors and Saturation)

• 慢查询日志 (Slow Log)：记录执行时间超过指定阈值的命令。 分析慢查询日志是排查性能问题的关键。
• 键空间丢失数 (keyspace_misses)：在键空间中查找失败的次数。

通过对这些关键指标的持续监控和告警，可以及时发现并解决潜在问题，保障生产环境中 Redis 服务的稳定、高效运行。