内存上限与预警水位:在 maxmemory 之前踩刹车

举报
yd_287908631 发表于 2026/11/17 08:27:00 2026/11/17
【摘要】 划定 maxmemory 安全上限,用三级水位加巡检脚本在打满之前预警

Redis 出问题最难受的不是慢,而是撞上 maxmemory:轻则每笔写入触发淘汰、延迟翻倍,重则 noeviction 策略下业务直接收到 OOM 报错。本文讲清 maxmemory 的统计口径与安全上限怎么定,给出一套三级水位与巡检脚本,让内存问题在打满之前暴露。

一、maxmemory 管的是什么内存

maxmemory 限制的是 used_memory 这条逻辑账:数据加上客户端缓冲、复制缓冲、脚本缓存等内部开销,而不是操作系统看到的 RSS。所以 RSS 完全可能超过 maxmemory——碎片、BGSAVE 与 AOF 重写期间 fork 的写时复制,都会推高物理占用。

设定上限必须给这些留余量:专用机器上建议 maxmemory 为物理内存的 50%~75%,写入重、持久化开的实例取低档;16GB 机器配 10GB 左右是常见起步值。云托管实例通常已在规格内划好数据与系统的比例,直接按产品文档的"可用内存"口径规划。

maxmemory 设 0(64 位默认值)等于不设防,Redis 会一路吃到触发系统 OOM killer 或把宿主机拖进 swap,危害大于任何淘汰策略选型问题。集群部署时 maxmemory 是单节点口径,各分片各管各的;业务 key 倾斜会让个别分片先触顶而整体水位还很低,水位监控必须落到每个实例。

二、三级水位怎么定

按 used_memory 与 maxmemory 的百分比划档(以默认 noeviction 为例):

| 水位 | 区间 | 状态 | 动作 |

| --- | --- | --- | --- |

| 绿 | < 70% | 正常 | 每周看增长趋势 |

| 黄 | 70%~85% | 关注 | 核对增长来源,排期治理 |

| 橙 | 85%~95% | 告警 | 当周必须处理:清大 key、补 TTL、评估扩容 |

| 红 | ≥ 95% | 严重 | 随时触顶,立即执行清理或扩容预案 |

为什么 95% 就算红:接近上限时每笔写入都可能执行淘汰逻辑,延迟开始抖动;noeviction 下业务写入直接失败,没有缓冲地带。淘汰类策略(allkeys-lru 等)触顶虽然不报错,但代价是命中率下滑与延迟尖刺,同样需要橙色预警提前介入,而不是等淘汰硬扛。

三、巡检脚本:算出水位并按档位退出

INFO memory 里就有 maxmemory 字段,一个 INFO 调用即可完成计算:

#!/usr/bin/env bash
# redis-memory-level.sh:输出内存水位,按档位设置退出码
# 用法:./redis-memory-level.sh 127.0.0.1 6379
HOST=${1:-127.0.0.1}
PORT=${2:-6379}
info=$(redis-cli -h "$HOST" -p "$PORT" INFO memory | tr -d '\r')
used=$(awk -F: '/^used_memory:/{print $2}' <<< "$info")
max=$(awk -F: '/^maxmemory:/{print $2}' <<< "$info")
if [ -z "$max" ] || [ "$max" = "0" ]; then
  echo "maxmemory 未设置,实例没有内存上限"; exit 4
fi
pct=$(( used * 100 / max ))
echo "used_memory=${used} maxmemory=${max} 水位=${pct}%"
if [ "$pct" -ge 95 ]; then exit 3;   # 红:随时触顶
elif [ "$pct" -ge 85 ]; then exit 2; # 橙:告警
elif [ "$pct" -ge 70 ]; then exit 1; # 黄:关注
fi
exit 0

crontab 里每分钟执行一次,非 0 退出码对接短信或 IM 告警;实例有密码时用 REDISCLI_AUTH 环境变量传给 redis-cli,避免命令行明文。比"当前水位"更有用的是增速:把每小时的水位落表画趋势线,就能推算几天后到 85%,扩容决策从被动响应变成主动排期。

四、把水位和淘汰行为放在一起看

只看百分比会漏掉一类问题:水位不高但淘汰已经在持续发生。used_memory 的统计把 AOF 缓冲、复制积压都算进去了,这些开销膨胀会把逻辑账推高,于是 allkeys-lru 提前开始淘汰业务 key,而 RSS 看起来还很宽松。所以告警表达式里至少要带两个配套指标:

# 每分钟采样一次,输出水位与淘汰/过期速率
redis-cli INFO memory | grep -E '^(used_memory|maxmemory):'
redis-cli INFO stats | grep -E '^(evicted_keys|expired_keys|keyspace_hits|keyspace_misses):'

evicted_keys 是一个只增不减的累计计数器,两次采样求差就能得到每分钟淘汰数。noeviction 下它恒为 0,此时要看 evicted_keys 的反面:写入返回 OOM command not allowed when used memory > 'maxmemory' 的错误计数,这个只能从客户端侧或 slowlog 之外的应用日志统计,Redis 自身不记录失败次数。

expired_keys 的差值反映主动过期节奏。差值突然变大通常是某批 key 集中到期,往往会伴随一次内存台阶式下降,属于正常现象;持续高位而内存不降,反而说明大量 key 设置了过短的 TTL,回源压力会同步上升。

keyspace_hits 与 keyspace_misses 的比值是判断"淘汰是否已伤到业务"的直接证据。淘汰类策略下,命中率从 95% 掉到 85% 往往意味着每小时多出几十万次数据库回源,这个信号比内存百分比更值得告警。把三者放在同一张图上,形态很好认:水位爬升、淘汰为 0、命中率平稳,是容量不足;水位平稳、淘汰持续为正、命中率下滑,是策略或 key 设计问题。

| 现象组合 | 判读 | 优先动作 |

| --- | --- | --- |

| 水位爬升、淘汰 0、命中率平稳 | 数据真在增长 | 排期扩容或降冷 |

| 水位平稳、淘汰持续、命中率下滑 | 淘汰策略误伤热数据 | 换策略或拆分实例 |

| 水位台阶式下降、expired 激增 | 批量 TTL 到期 | 检查是否集中过期,打散 TTL |

| 水位高、dataset 占比低 | 缓冲类开销膨胀 | 查客户端缓冲与复制积压 |

五、触顶之前的动作清单

  • 查无 TTL 的 key。 INFO keyspace 里各库的 keys 与 expires 差距大,说明存在只进不出的数据,逐业务确认是否该补过期时间。
  • 清大 key。 配合 UNLINK 异步化分批清理,删除前后对比 used_memory_dataset 验证效果。
  • 校准淘汰策略。 确认 maxmemory_policy 与业务语义匹配:会话类丢得起用 allkeys-lru,计数类丢不起要换架构而不是换策略。
  • 避开重写窗口。 AOF 重写期间写时复制会在瞬时多占一块与"这段时间被改写的页"相当的内存,橙色水位时要与重写错峰。
  • 规划扩容或降冷。 单机实例优先纵向加内存并同步上调 maxmemory;Cluster 扩分片;日志、明细类冷数据迁往低成本存储,别占热内存。

监控体系上,接了 Prometheus 的实例用 redis_memory_used_bytes 除以 redis_memory_max_bytes 配告警表达式,注意 maxmemory 为 0 时分母为零要单独处理;云托管实例(如华为云 DCS)自带内存使用率指标,直接在云监控配 80%、90% 两级阈值即可,不必自建脚本。

常见坑 / 最佳实践

  1. 别拿 RSS 去除以 maxmemory 算水位。 口径不同会误判,水位统一用 used_memory 除以 maxmemory,RSS 只用来观察碎片与 fork 开销。
  2. maxmemory 必须设,哪怕实例"看起来永远不会满"。 代码 bug、缓存回源风暴都能把容量打穿,0 上限等于把宿主机当第一道防线。
  3. 水位告警必须按实例维度,不能只看集群均值。 Cluster 倾斜时均值 50% 也可能有个别分片已经 95%。
  4. 告警阈值别都挤在 90%。 从告警到完成清理或扩容有操作周期,85% 的橙色档就是给这个周期留的时间。
  5. 扩容前先看账本。 用 INFO memory 分清是 dataset 增长还是缓冲开销增长,后者加内存解决不了根因。

小结

  • maxmemory 管的是 used_memory 逻辑账,不是 RSS;安全上限要给碎片、fork 写时复制与复制缓冲留余量。
  • 水位按 70%、85%、95% 三级划分,95% 即严重,因为触顶前后写入代价会陡增。
  • 巡检脚本用 INFO memory 计算水位并按档位返回退出码,配合 crontab 与趋势采样把扩容变成主动决策。
  • 水位要和 evicted_keys、expired_keys、命中率一起看,才能区分"容量不足"与"策略误伤"。
  • 触顶前的动作有固定清单:补 TTL、清大 key、校准淘汰策略、避开重写窗口、规划扩容降冷。
  • Cluster 水位必须逐实例看;云托管实例优先用平台自带告警。
【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。