redis所有的數據都在內存中，而內存又是非常寶貴的資源。常用的內存優化方案有如下幾部分：

1、配置優化

2、縮減鍵值對象

3、命令處理

4、緩存淘汰方案

一、配置優化

1、linux配置優化

內存分配

• ?vm.overcommit_memory?
• Redis是內存操作，需要優先使用內存。設置overcommit 為1。是為了讓 fork 操作能夠在低內存下也執行成功。Linux 操作系統對大部分申請內存的請 求都回復 yes，以便能運行更多的程序。因為申請內存后，并不會馬上使用內存，這種技術叫做 overcommit。 vm.overcommit_memory 用來設置內存 分配策略，有三個可選值?

• ?THP
  • Redis 在啟動時可能會看到如下日志：

? ? ? ? ? ?

• Redis 建議修改 Transparent Huge Pages（THP）的相關配置，Linux kernel 在2.6.38內核增加了 THP 特性，支持大內存頁（2MB）分配，默認開啟。當開啟 時可以降低 fork 子進程的速度，但 fork 操作之后，每個內存頁從原來 4KB 變為 2MB，會大幅增加重寫期間父進程內存消耗。同時每次寫命令引起的復制內 存頁單位放大了512倍，會拖慢寫操作的執行時間，導致大量寫操作慢查詢，例如簡單的 incr 命令也會出現在慢查詢中。因此 Redis 日志中建議將此特性進 行禁用，禁用方法如下：

? ? ? ? echo never > /sys/kernel/mm/transparent_hugepage/enabled

? ? ? ?為使機器重啟后THP配置依然生效，可以在/etc/rc.local 中追加 echo never>/sys/kernel/mm/transparent_hugepage/enabled

• swappiness
  • swap 對于操作系統來比較重要，當物理內存不足時，可以將一部分內存頁進行 swap 操作，已解燃眉之急。swap 空間由硬盤提供，對于需要高并發、 高吞吐的應用來說，磁盤 IO 通常會成為系統瓶頸。在 Linux 中，并不是要等到所有物理內存都使用完才會使用到 swap，系統參數 swppiness 會決定操 作系統使用 swap 的傾向程度。swappiness 的取值范圍是0~100，swappiness 的值越大，說明操作系統可能使用swap的概率越高，swappiness 值越 低，表示操作系統更加傾向于使用物理內存。swap 的默認值是60，了解這個值的含義后，有利于 Redis 的性能優化。下表對 swappiness 的重要值進行了說明。

? ? OOM（Out Of Memory）killer 機制是指 Linux 操作系統發現可用內存不足時，強制殺死一些用戶進程（非內核進程），來保證系統有足夠的可用內存 進行分配。 為使配置在重啟 Linux 操作系統后立即生效，只需要在/etc/sysctl.conf 追加 vm.swappiness={bestvalue}即可 echo vm.swappiness={bestvalue} >> /etc/sysctl.conf

• 查看 swap 的總體情況 free-m 如下服務器開啟了8189M swap，其中使用了 5241MB

• ulimit設置
  • 可以通過 ulimit 查看和設置系統當前用戶進程的資源數。其中 ulimit-a 命令包含的 open files 參數，是單個用戶同時打開的最大文件個數?

?Redis 允許同時有多個客戶端通過網絡進行連接，可以通過配置 maxclients 來限制最大客戶端連接數。對 Linux 操作系統來說，這些網絡連接都是文件 句柄。假設當前 open files 是4096，那么啟動 Redis 時會看到如下日志：

#You requested maxclients of 10000 requiring at least 10032 max file descriptors.

#Redis can’t set maximum open files to 10032 because of OS error: Operation not permitted.

#Current maximum open files is 4096. Maxclients has been reduced to 4064 to compensate for low ulimit. If you need higher maxclients increase ‘ulimit –n’ .

解釋如下：

第一行：Redis 建議把 open files 至少設置成10032，那么這個10032是如何來的呢？因為 maxclients 默認是10000，這些是用來處理客戶端連接的，除此 之外，Redis 內部會使用最多32個文件描述符，所以這里的10032=10000+32。
第二行：Redis 不能將 open files 設置成10032，因為它沒有權限設置。
第三行：當前系統的 open files 是4096，所以將 maxclients 設置成4096-32=4064個，如果你想設置更高的 maxclients，請使用 ulimit-n 來設置。
從上面的三行日志分析可以看出 open files 的限制優先級比 maxclients 大。 Open files 的設置方法如下：
ulimit –Sn {max-open-files}

2、Redis配置優化

?

• 設置maxmemory。設置Redis使用的最大物理內存，即Redis在占用maxmemory大小的內存之后就開始拒絕后續的寫入請求，該參數可以確保Redis因為使用 了大量內存嚴重影響速度或者發生OOM(out-of-memory，發現內存不足時，它會選擇殺死一些進程(用戶態進程，不是內核線程)，以便釋放內存)。此外， 可以使用info命令查看Redis占用的內存及其它信息。
• 讓鍵名保持簡短。鍵的長度越長，Redis需要存儲的數據也就越多
• 客戶端timeout 設置一個超時時間，防止無用的連接占用資源。設置如下命令：
  • timeout 150
  • tcp-keepalive 150 (定時向client發送tcp_ack包來探測client是否存活的。默認不探測)
• 檢查數據持久化策略 數據落磁盤盡可能減少性能損壞，以空間換時間。設置如下命令：
  • rdbcompression no : 默認值是yes。對于存儲到磁盤中的快照，可以設置是否進行壓縮存儲。如果是的話，redis會采用LZF算法進行壓縮。如果你不想 消耗CPU來進行壓縮的話，可以設置為關閉此功能，但是存儲在磁盤上的快照會比較大。
  • rdbchecksum no : 默認值是yes。在存儲快照后，我們還可以讓redis使用CRC64算法來進行數據校驗，但是這樣做會增加大約10%的性能消耗，如果希 望獲取到最大的性能提升，可以關閉此功能。
• 優化AOF和RDB，減少占用CPU時間 主庫可以不進行dump操作或者降低dump頻率。 取消AOF持久化。命令如下: appendonly no
• 監控客戶端的連接
  • 因為Redis是單線程模型(只能使用單核)，來處理所有客戶端的請求， 但由于客戶端連接數的增長，處理請求的線程資源開始降低分配給單個客戶端連接 的處理時間
• 限制客戶端連接數 。在Redis-cli工具中輸入info clients可以查看到當前實例的所有客戶端連接信息
  • maxclients屬性上修改客戶端連接的最大數，可以通過在Redis-cli工具上輸入 config set maxclients 去設置最大連接數。根據連接數負載的情況

二、縮減鍵值對象

降低Redis內存使用最直接的方式就是縮減鍵（key）和值（value）的長度。

• key長度：如在設計鍵時，在完整描述業務情況下，鍵值越短越好。
• value長度：值對象縮減比較復雜，常見需求是把業務對象序列化成二進制數組放入Redis。首先應該在業務上精簡業務對象，在存到Redis之前先把你的數據 壓縮下。

三. 命令處理

Redis基于C/S架構模式，基于Redis操作命令是解決響應延遲問題最關鍵的部分，因為Redis是個單線程模型，客戶端過來的命令是按照順序執行的。比較常見的 延遲是帶寬，通過千兆網卡的延遲大約有200μs。倘若明顯看到命令的響應時間變慢，延遲高于200μs，那可能是Redis命令隊列里等待處理的命令數量比較多
要分析解決這個性能問題，需要跟蹤命令處理數的數量和延遲時間。
比如可以寫個腳本，定期記錄total_commands_processed的值。當客戶端明顯發現響應時間過慢時，可以通過記錄的total_commands_processed歷史數據值來判 斷命理處理總數是上升趨勢還是下降趨勢，以便排查問題 在info信息里的 total_commands_processed字段顯示了Redis服務處理命令的總數

解決方案：

1.使用多參數命令：若是客戶端在很短的時間內發送大量的命令過來，會發現響應時間明顯變慢，這由于后面命令一直在等待隊列中前面大量命令執行完畢。有 個方法可以改善延遲問題，就是通過單命令多參數的形式取代多命令單參數的形式。
舉例來說 循環使用LSET命令去添加1000個元素到list結構中，是性能比較差的一種方式，更好的做法是在客戶端創建一個1000元素的列表，用單個命令LPUSH或 RPUSH，通過多參數構造形式一次性把1000個元素發送的Redis服務上。下面是Redis的一些操作命令，有單個參數命令和支持多個參數的命令，通過這些命令可 盡量減少使用多命令的次數。

2.管道命令：另一個減少多命令的方法是使用管道(pipeline)，把幾個命令合并一起執行，從而減少因網絡開銷引起的延遲問題。因為10個命令單獨發送到服務端 會引起10次網絡延遲開銷，使用管道會一次性把執行結果返回，僅需要一次網絡延遲開銷。Redis本身支持管道命令，大多數客戶端也支持，倘若當前實例延遲 很明顯，那么使用管道去降低延遲是非常有效的

四、緩存淘汰優化

redis 內存數據集大小上升到一定大小的時候，就會進行數據淘汰策略。如果不淘汰經常不用的緩存數據，那么正常的數據將不會存儲到緩存當中。
我們通過配置redis.conf中的maxmemory這個值來開啟內存淘汰功能。

• maxmemory

? ? ? ?值得注意的是，maxmemory為0的時候表示我們對Redis的內存使用沒有限制

? ? ? 根據應用場景，選擇淘汰策略

• maxmemory-policy noeviction

內存淘汰的過程
首先，客戶端發起了需要申請更多內存的命令（如set）。
然后，Redis檢查內存使用情況，如果已使用的內存大于maxmemory則開始根據用戶配置的不同淘汰策略來淘汰內存（key），從而換取一定的內存。
最后，如果上面都沒問題，則這個命令執行成功。

動態改配置命令

此外，redis支持動態改配置，無需重啟。

• 設置最大內存

? ?config set maxmemory 100000

• 設置淘汰策略

? ?config set maxmemory-policy noeviction

• 內存淘汰策略

? ?volatile-lru

• 從已設置過期時間的數據集（server .db[i].expires）中挑選最近最少使用的數據淘汰。

? ?allkeys-lru

• 從數據集（server .db[i].dict）中挑選最近最少使用的數據淘汰

? ?volatile-lfu

• 從設置了過期時間的數據集（server .db[i].expires）中選擇某段時間之內使用頻次最小的鍵值對清除掉

? ?allkeys-lfu

• 從所有的數據集（server .db[i].dict）中選擇某段時間之內使用頻次最少的鍵值對清除

? ?volatile-ttl

• 從已設置過期時間的數據集（server .db[i].expires）中挑選將要過期的數據淘汰

? ?volatile-random

• 從已設置過期時間的數據集（server .db[i].expires）中任意選擇數據淘汰

? ? allkeys-random

• 從數據集（server .db[i].dict）中任意選擇數據淘汰

? ? no-enviction
? ?當內存達到限制的時候，不淘汰任何數據，不可寫入任何數據集，所有引起申請內存的命令會報錯。
? ?算法文章:(https://blog.csdn.net/ZYZMZM_/article/details/90546812)

如何選擇淘汰策略

下面看看幾種策略的適用場景

• allkeys-lru ：如果我們的應用對緩存的訪問符合冪律分布，也就是存在相對熱點數據，或者我們不太清楚我們應用的緩存訪問分布狀況，我們可以選擇 allkeys-lru策略。
• allkeys-random ：如果我們的應用對于緩存key的訪問概率相等，則可以使用這個策略。
• volatile-ttl：這種策略使得我們可以向Redis提示哪些key更適合被eviction。

另外，volatile-lru策略和volatile-random策略適合我們將一個Redis實例既應用于緩存和又應用于持久化存儲的時候，然而我們也可以通過使用兩個Redis實例來達 到相同的效果，值得一提的是將key設置過期時間實際上會消耗更多的內存，因此我們建議使用allkeys-lru策略從而更有效率的使用內存?

總結

以上是生活随笔為你收集整理的Redis优化及配置的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。