如何解决Redis内存溢出 - 问答

Redis 内存溢出处理与预防

一快速判断与止损

设置并核对硬上限：在配置或控制台设置 maxmemory，并选择合适的 maxmemory-policy（如 allkeys-lru / volatile-lru / allkeys-lfu 等）；若策略为 noeviction，达到上限后写操作将报错，常见错误信息为：OOM command not allowed when used memory > ‘maxmemory’。
立即清理与限流：清理无用 Key、为键补齐 TTL、对突发写入做限流或批量切分，避免继续放大内存压力。
扩容与分流：临时升级实例规格；若为集群版，评估扩容分片或迁移至集群以分摊压力。
监控与告警：重点关注 内存使用率、Key 驱逐数、P99 时延、网络入/出流量、连接数 的联动变化，必要时先止损再优化。

二定位根因

区分场景：
- 长期高水位（如持续 > 95%）：多为数据规模超出容量或 TTL/淘汰策略不合理。
- 突然飙升：短时间大量写入、突发连接、带宽打满导致客户端缓冲区积压，或客户端处理慢造成输出缓冲积压。
- 分片不均：集群中个别分片接近 100%，其余分片较低，属于 内存倾斜。
命令与指标排查：
- 使用 INFO MEMORY 查看 used_memory / used_memory_rss / mem_fragmentation_ratio；若 mem_fragmentation_ratio 明显大于 1.x，说明碎片偏高。
- 使用 INFO KEYSPACE 检查 TTL 覆盖；使用 MEMORY STATS 观察 clients.normal（普通客户端缓冲占用）。
- 使用 CLIENT LIST 定位 omem 较大的慢客户端；使用 MEMORY DOCTOR 辅助诊断（如 big_client_buf=1 表示存在大客户端缓冲）。
- 借助云厂商的 大Key分析/诊断工具 定位异常 大Key/热Key。

三处置动作清单

清理与过期治理：删除无效数据、为键补齐 TTL，降低无效占用。
拆分大 Key 与优化结构：将含数万成员的 HASH/ZSET 拆分为多个子 Key；避免超大 String/BLOB；精简 Key 名与 Value 体积。
调整淘汰与主动删除：根据业务选择 maxmemory-policy（如缓存场景常用 allkeys-lru / volatile-lru / allkeys-lfu）；适度提高 hz（建议不超过 100）以加快过期键清理，注意 CPU 开销。
缓解缓冲区积压：排查慢查询/慢客户端，优化 pipeline/批量 与超时；必要时升级规格提升网络与缓冲余量。
处理碎片：在允许维护窗口执行 MEMORY PURGE（或重启实例重建内存池）以降低 mem_fragmentation_ratio；碎片率长期很高需结合业务写入/删除模式优化。
扩容与分片：升级内存规格；集群版通过增加分片、合理设计 Hash Tag 使数据更均匀分布，缓解倾斜。
连接治理：排查连接泄漏，设置合理 timeout 回收空闲连接。

四配置与架构建议

合理上限与水位线：将 maxmemory 设为物理内存的约 75%–80%，为系统与其他进程预留空间；持续接近或超过 95% 需优先扩容或降载。
淘汰策略选型：
- 缓存全量可淘汰：优先 allkeys-lru / allkeys-lfu。
- 仅淘汰有过期时间的键：使用 volatile-lru / volatile-lfu / volatile-ttl。
- 严禁写入失败：避免 noeviction（除非业务能接受写入报错）。
主动清理频率：将 hz 调整到业务可承受范围（建议 ≤ 100），在清理及时性与 CPU 开销间平衡。
连接与超时：设置 timeout，启用连接池与合理 pipeline，避免客户端处理成为瓶颈。
监控与演练：持续监控 内存使用率、驱逐数、P99 时延、网络入/出、连接数、碎片率；大促/峰值前进行扩容与拆分演练。

五常见误区与提示

0 赞

0 踩