一次线上 Redis 高负载排查经历，步步惊心！
共 2024字，需浏览 5分钟
·
2021-01-26 11:36
不点蓝字，我们哪来故事？
周一早上刚上班，突然大量用户反馈进入网页很慢，登录服务器一看，Redis调用时间严重超时，这样高速的缓存反而变成了短板，由于数据一直没有返回，导致了请求响应变慢。
网页监控
通过阿里的 Grafana 监控，服务器的 CPU 负载、内存、网络输入输出都挺正常的，所以肯定是 Redis 出现了问题。
我们应用使用的是单节点的 32M 16GB 的阿里云 Redis，登录网页监控看性能监控，发现 CPU 使用情况飙升到100%！！！
QPS 虽然从 1000 多升到 6000，但是远远低于极限值，连接数量从 0 升到 3000，也是远远低于极限值（可能用户刚上班，开始有请求，然后响应延迟，导致命令队列数量过多，打开很多连接）。
临时方案：先租用一台新的 Redis 服务器，更换应用服务器的 Redis 配置，重启应用，避免影响更多用户。
然后我们继续跟踪 Redis 的具体情况。
服务器命令监控
登录 Redis-cli，通过 info 命令查看服务器状态和命令统计，祥哥总结了两点异常点：
查询 redis 慢指令 slowlog，排行前十的指令均为’keys _‘，并且耗时严重，在当前业务流量下执行’keys _‘，一定会阻塞业务，导致查询慢，cpu 高的。值得注意的是应用层面没有开放 ‘keys *’ 接口，不排查有后台人为或后台程序触发该指令。
查看 redis 指令执行情况，排除 ‘exec’,’flushall’ 等指令，业务使用指令中，耗时严重的有 setnx 有7.5千万次调用平均耗时 6s，setex 有8.4千万次调用平均耗时7.33s，del 有2.6亿次调用平均耗时69s，hmset 有1亿次调用平均耗时 64s，hmget 有6.8千万次调用平均耗时 9s，hgetall 有14亿次调用平均耗时 205s，keys 有2千万次调用平均耗时 3740s。
通常而言，这些指令耗时与 value 大小呈正比，所以可以排查这些指令相关的数据近期有没有较大增长。或者近期有没有业务改造，会频繁使用上述指令，也会造成 cpu 高。
（当时忘了截图，下图只是展示命令和参数含义）
通过 info commandstats 可以查看 Redis 命令统计信息，其中命令格式是
cmdstat_XXX: calls=XXX,usec=XXX,usec_per_call=XXX
调用次数、耗费CPU时间、每个命令平均耗费CPU(单位为微秒）
通过 slowlog 命令查看慢命令（默认超过 10ms 就会被记录到日志，只会记录其命令执行的时间，不包含 IO 往返操作，也不记录单由网络延迟引起的响应慢）
(当时也忘了截图，所以就介绍一下 slowlog 怎么看）
xxxxx> slowlog get 10
3) 1) (integer) 411
2) (integer) 1545386469
3) (integer) 232663
4) 1) "keys"
2) "mecury:*"
图中各字段表示的是：
1=日志的唯一标识符
2=命令的执行时间点，以UNIX时间戳表示
3=查询命令执行时间，以微妙为单位，🌰中的是230ms
4=执行的命令，以数组的形式排列。完整的命令是 keys mucury:*
所以通过这些参数，基本可以确定，是突然有大量的keys *命令导致CPU负载升高，导致响应延迟，问题我们应用中没有开放keys *命令Σ(oﾟдﾟoﾉ)
最后将这些统计结果和慢命令发到研发群，发现是别的应用配置配成了我们的Redis，然后他们有个业务场景是爬数据，突然涌入大量的调用，不断的keys *，导致我们的Redis不堪重负，于是将配置修改正确，不再调用我们的Redis。
总结
Redis 抖动可以先看网页监控（阿里云做的真好！）
通过命令查看 Redis 指令状态和慢命令的情况
考虑优化 Redis 在代码中的使用情况
如果流量继续上升，需要考虑一下升级了=-=
往期推荐
下方二维码关注我
技术草根，坚持分享 编程，算法，架构