Redis 内存打满导致写入失败排查实战：从内存统计到逐出策略的五步流程

背景

线上业务高峰期，应用向华为云 DCS for Redis 写入时突然大面积报错，返回 OOM command not allowed when used memory > 'maxmemory'，缓存写入与队列入队同时失败。本文记录一次真实排查过程：从内存统计入手，先确认是“写满了”还是“用歪了”，再沿着逐出策略、过期键、大 Key 的链路定位根因，最后给出可复用的五步流程。

第一步：确认内存是否真的打满

先看实例内存水位与淘汰指标，区分“内存不足”和“连接或命令异常”：

redis-cli -h <Redis实例地址> -p 6379 -a <密码> --no-auth-warning INFO memory | grep -E "used_memory_human|maxmemory_human|mem_fragmentation_ratio|evicted_keys|expired_keys"

重点看三个值：used_memory 与 maxmemory 的比值是否接近 1；evicted_keys 是否在持续增长（说明逐出正在发生，内存已触顶）；mem_fragmentation_ratio 是否远大于 1（内存碎片偏高，实际可用比账面更少）。

第二步：找出吃掉内存的 Key

内存打满通常不是均匀增长，而是少数 Key 膨胀，或者海量小 Key 堆积。用 --bigkeys 快速扫描，再用 MEMORY USAGE 核对嫌疑 Key：

redis-cli -h <Redis实例地址> -p 6379 -a <密码> --no-auth-warning --bigkeys
redis-cli -h <Redis实例地址> -p 6379 -a <密码> --no-auth-warning MEMORY USAGE "user:session:10086"
redis-cli -h <Redis实例地址> -p 6379 -a <密码> --no-auth-warning INFO keyspace

--bigkeys 只能看到体积最大的几类键；如果怀疑是海量小 Key，对照 INFO keyspace 的键数量级，分库按模式抽样核对。

第三步：核对过期键与逐出策略

如果内存里堆了大量本应过期的 Key，问题出在过期或逐出配置。先确认当前策略：

redis-cli -h <Redis实例地址> -p 6379 -a <密码> --no-auth-warning CONFIG GET maxmemory-policy
redis-cli -h <Redis实例地址> -p 6379 -a <密码> --no-auth-warning INFO stats | grep -E "evicted_keys|expired_keys|keyspace_hits|keyspace_misses"

三个常见坑：策略是 noeviction，内存一满就直接拒绝写入，业务立即报错，这是本次故障的直接原因；二是业务把不该缓存的数据也写进来且不设 TTL，Key 只增不减；三是大量 Key 的 TTL 被业务不断续期，过期键始终释放不掉。

第四步：应急止血，让写入先恢复

根因还没查完之前，先恢复写入：

# 1. 清理明确可丢弃的历史缓存 Key（按前缀，逐批删除）
redis-cli -h <Redis实例地址> -p 6379 -a <密码> --no-auth-warning --scan --pattern "temp:*" | xargs -L 100 redis-cli -h <Redis实例地址> -p 6379 -a <密码> --no-auth-warning DEL
# 2. 把逐出策略临时改为 allkeys-lru，优先淘汰最久未使用的数据
redis-cli -h <Redis实例地址> -p 6379 -a <密码> --no-auth-warning CONFIG SET maxmemory-policy allkeys-lru

注意：CONFIG SET 只在当前实例进程内生效，重启后失效，事后要在控制台把 maxmemory-policy 改为期望值并持久化。删除数据前先备份关键 Key 列表，误删不可恢复；清理时用小批量，避免大批量删除阻塞实例。

第五步：根治——容量与策略双管齐下

应急之后做三件长效的事：给所有缓存数据设定合理的 TTL，避免无过期时间的 Key 持续累积；按业务把内存拆分到独立实例或数据库编号，避免一个坏 Key 拖垮全实例；在云监控上对内存使用率（建议 75%）与 evicted_keys 增速设置告警，把“内存打满”的发现时间从“用户先投诉”提前到“告警先响起”。

总结

Redis 写入失败不一定是 Redis 本身坏了，多数时候是内存到了上限而逐出策略兜不住。排查记住五步：先看内存水位，再找内存大户，然后核对过期与逐出策略，接着应急止血让写入恢复，最后用 TTL、容量拆分与监控把问题挡在下一次之前。