redis 简单整理——阻塞问题[二十五]

前言

简单介绍一下redis的阻塞问题。

正文

Redis是典型的单线程架构，所有的读写操作都是在一条主线程中完成 的。当Redis用于高并发场景时，这条线程就变成了它的生命线。如果出现 阻塞，哪怕是很短时间，对于我们的应用来说都是噩梦。

·内在原因包括：不合理地使用API或数据结构、CPU饱和、持久化阻塞等。

·外在原因包括：CPU竞争、内存交换、网络问题等。

当Redis阻塞时，线上应用服务应该最先感知到，这时应用方会收到大 量Redis超时异常。

常见的做法是在应用方加入异常统计并通过邮件/短信/微信报警，以便及时发现通知问题。

在 实现异常统计时要注意，由于Redis调用API会分散在项目的多个地方，每个 地方都监听异常并加入监控代码必然难以维护。

这时可以借助于日志系统， 如Java语言可以使用logback或log4j。当异常发生时，异常信息最终会被日志 系统收集到Appender（输出目的地），默认的Appender一般是具体的日志文 件，开发人员可以自定义一个Appender，用于专门统计异常和触发报警逻辑。

借助日志系统统计异常的前提是，需要项目必须使用日志API进行异常 统一输出，比如所有的异常都通过logger.error打印，这应该作为开发规范推 广。其他编程语言也可以采用类似的日志系统实现异常统计报警。

然后如果是集群的话，那么如果客户端没有提供ip 地址和 端口的话，没法定位到哪台机器，那么可以修改客户端记录一下ip地址和端口号，这样方便定位。

内在原因

1. API或数据结构使用不合理。

2. CPU饱和的问题。

3. 持久化相关的阻塞。

4. API或数据结构使用不合理

如对一个包含上万个 元素的hash结构执行hgetall操作，由于数据量比较大且命令算法复杂度是 O（n），这条命令执行速度必然很慢.

Redis原生提供慢查询统计功能，执行slowlog get{n}命令可以获取最近 的n条慢查询命令，默认对于执行超过10毫秒的命令都会记录到一个定长队 列中，线上实例建议设置为1毫秒便于及时发现毫秒级以上的命令。

如果命 令执行时间在毫秒级，则实例实际OPS只有1000左右。慢查询队列长度默认 128，可适当调大。慢查询更多细节见第3章。

慢查询本身只记录了命令执行 时间，不包括数据网络传输时间和命令排队时间，因此客户端发生阻塞异常 后，可能不是当前命令缓慢，而是在等待其他命令执行。需要重点比对异常和慢查询发生的时间点，确认是否有慢查询造成的命令阻塞排队。

发现慢查询后，开发人员需要作出及时调整。可以按照以下两个方向去 调整：

1.修改为低算法度的命令，如hgetall改为hmget等，禁用keys、sort等命令。

2.调整大对象：缩减大对象数据或把大对象拆分为多个小对象，防止一次命令操作过多的数据。大对象拆分过程需要视具体的业务决定，如用户 好友集合存储在Redis中，有些热点用户会关注大量好友，这时可以按时间 或其他维度拆分到多个集合中

2. 如何发现大对象

Redis本身提供发现大对象的工具，对应命令：redis-cli-h{ip}- p{port}bigkeys。内部原理采用分段进行scan操作，把历史扫描过的最大对象 统计出来便于分析优化，运行效果如下：

cpu 饱和问题:

单线程的Redis处理命令时只能使用一个CPU。而CPU饱和是指Redis把 单核CPU使用率跑到接近100%。

使用top命令很容易识别出对应Redis进程的 CPU使用率。CPU饱和是非常危险的，将导致Redis无法处理更多的命令，严 重影响吞吐量和应用方的稳定性。

对于这种情况，首先判断当前Redis的并 发量是否达到极限，建议使用统计命令redis-cli-h{ip}-p{port}--stat获取当前 Redis使用情况，该命令每秒输出一行统计信息，运行效果如下：

有一种情况就是redis的确承受了太多。

另一个种情况就是redis 是过度的内存优化，这种情况有些隐蔽，需要我们根据info commandstats统计信息分析出命令不合理开销时间.

如果只有几百或几千OPS的Redis实例就 接近CPU饱和是很不正常的，有可能使用了高算法复杂度的命令。

这是因为上面的Redis实例为了追求低内存使用量，过度放宽ziplist使用条件 （修改了hash-max-ziplist-entries和hash-max-ziplist-value配置）。

进程内的 hash对象平均存储着上万个元素，而针对ziplist的操作算法复杂度在O（n） 到O（n2）之间。虽然采用ziplist编码后hash结构内存占用会变小，但是操作 变得更慢且更消耗CPU。ziplist压缩编码是Redis用来平衡空间和效率的优化 手段，不可过度使用。

持久性阻塞:

对于开启了持久化功能的Redis节点，需要排查是否是持久化导致的阻 塞。持久化引起主线程阻塞的操作主要有：fork阻塞、AOF刷盘阻塞、 HugePage写操作阻塞。

1. fork 阻塞

fork操作发生在RDB和AOF重写时，Redis主线程调用fork操作产生共享 内存的子进程，由子进程完成持久化文件重写工作。如果fork操作本身耗时过长，必然会导致主线程的阻塞。

可以执行info stats命令获取到latest_fork_usec指标，表示Redis最近一次 fork操作耗时，如果耗时很大，比如超过1秒，则需要做出优化调整，如避 免使用过大的内存实例和规避fork缓慢的操作系统等

2. AOF刷盘阻塞

当我们开启AOF持久化功能时，文件刷盘的方式一般采用每秒一次，后台线程每秒对AOF文件做fsync操作。

当硬盘压力过大时，fsync操作需要等待，直到写入完成。如果主线程发现距离上一次的fsync成功超过2秒，为了数据安全性它会阻塞直到后台线程执行fsync操作完成。

这种阻塞行为主要 是硬盘压力引起，可以查看Redis日志识别出这种情况，当发生这种阻塞行为时，会打印如下日志：

Asynchronous AOF fsync is taking too long (disk is busy). Writing the AOF buffer without waiting for fsync to complete, this may slow down Redis.

也可以查看info persistence统计中的aof_delayed_fsync指标，每次发生 fdatasync阻塞主线程时会累加。

硬盘压力可能是Redis进程引起的，也可能是其他进程引起的，可以使 用iotop查看具体是哪个进程消耗过多的硬盘资源。

3. hugepage 写阻塞

子进程在执行重写期间利用Linux写时复制技术降低内存开销，因此只有写操作时Redis才复制要修改的内存页。

对于开启Transparent HugePages的 操作系统，每次写命令引起的复制内存页单位由4K变为2MB，放大了512 倍，会拖慢写操作的执行时间，导致大量写操作慢查询。

外在原因

1. 进程竞争

Redis是典型的CPU密集型应用，不建议和其他多核CPU密 集型服务部署在一起。当其他进程过度消耗CPU时，将严重影响Redis吞吐 量。可以通过top、sar等命令定位到CPU消耗的时间点和具体进程，这个问 题比较容易发现，需要调整服务之间部署结构。

2. 绑定CPU

部署Redis时为了充分利用多核CPU，通常一台机器部署多 个实例。常见的一种优化是把Redis进程绑定到CPU上，用于降低CPU频繁上 下文切换的开销。这个优化技巧正常情况下没有问题，但是存在例外情况：

当Redis父进程创建子进程进行RDB/AOF重写时，如果做了CPU绑定， 会与父进程共享使用一个CPU。子进程重写时对单核CPU使用率通常在90% 以上，父进程与子进程将产生激烈CPU竞争，极大影响Redis稳定性。因此 对于开启了持久化或参与复制的主节点不建议绑定CPU。

3. 内存交换
   内存交换（swap）对于Redis来说是非常致命的，Redis保证高性能的一 个重要前提是所有的数据在内存中。如果操作系统把Redis使用的部分内存 换出到硬盘，由于内存与硬盘读写速度差几个数量级，会导致发生交换后的 Redis性能急剧下降。识别Redis内存交换的检查方法如下：

预防：

1. 保证机器充足的可用内存

2. 确保所有Redis实例设置最大可用内存（maxmemory），防止极端情况 下Redis内存不可控的增长。

3. 降低系统使用swap优先级，如echo10>/proc/sys/vm/swappiness

4.网络问题

网络问题经常是引起Redis阻塞的问题点。常见的网络问题主要有：连 接拒绝、网络延迟、网卡软中断等。

总结

1）客户端最先感知阻塞等Redis超时行为，加入日志监控报警工具可快 速定位阻塞问题，同时需要对Redis进程和机器做全面监控。

2） 阻塞的内在原因：确认主线程是否存在阻塞，检查慢查询等信息， 发现不合理使用API或数据结构的情况，如keys、sort、hgetall等。关注CPU 使用率防止单核跑满。当硬盘IO资源紧张时，AOF追加也会阻塞主线程。

3） 阻塞的外在原因：从CPU竞争、内存交换、网络问题等方面入手排 查是否因为系统层面问题引起阻塞。