Redis 与缓存 / 系统课时
建立 Redis 巡检清单
建立 Redis 巡检清单
本课把零散的 Redis 指标整理成可重复执行的巡检流程。完成后,你将拥有一份只读采集脚本、分级检查项和验收规则,用于日常趋势观察与故障前预警。
学习目标
- 建立覆盖可用性、容量、性能和数据安全的巡检项
- 使用只读脚本采集关键 Redis 状态
- 根据趋势和阈值区分提示、告警与立即处理
确定巡检范围
日常巡检至少覆盖连接与拒绝数、内存与淘汰、延迟与慢查询、RDB/AOF 状态、复制链路、集群槽位以及宿主机 CPU、磁盘延迟和文件描述符。单次快照用于发现明显故障,容量和性能问题则必须依赖连续趋势。
建议把高频机器采集与低频人工检查分开:监控系统每分钟采集数值,值班人员每日检查告警和增长趋势,每周复核大 Key、容量预测、备份结果和故障转移条件,定期执行恢复演练。
使用只读脚本采集
下面脚本只读取状态,不修改 Redis。密码可通过环境变量 REDISCLI_AUTH 提供;ACL 用户、TLS、地址和端口也通过环境变量传入。
bash
#!/usr/bin/env bash
set -euo pipefail
HOST="${REDIS_HOST:-127.0.0.1}"
PORT="${REDIS_PORT:-6379}"
CLI=(redis-cli -h "$HOST" -p "$PORT" --raw)
if [[ -n "${REDIS_USER:-}" ]]; then
CLI+=(--user "$REDIS_USER")
fi
if [[ "${REDIS_TLS:-0}" == "1" ]]; then
CLI+=(--tls)
fi
field() {
local key="$1"
awk -F: -v key="$key" '$1 == key {gsub(/\r/, "", $2); print $2; exit}'
}
ping="$("${CLI[@]}" PING)"
[[ "$ping" == "PONG" ]] || { echo "FAIL ping=$ping"; exit 1; }
server="$("${CLI[@]}" INFO server)"
clients="$("${CLI[@]}" INFO clients)"
memory="$("${CLI[@]}" INFO memory)"
stats="$("${CLI[@]}" INFO stats)"
persistence="$("${CLI[@]}" INFO persistence)"
replication="$("${CLI[@]}" INFO replication)"
cluster="$("${CLI[@]}" INFO cluster)"
uptime="$(printf '%s\n' "$server" | field uptime_in_seconds)"
connected="$(printf '%s\n' "$clients" | field connected_clients)"
maxclients="$(printf '%s\n' "$clients" | field maxclients)"
blocked="$(printf '%s\n' "$clients" | field blocked_clients)"
used="$(printf '%s\n' "$memory" | field used_memory_human)"
maxmemory="$(printf '%s\n' "$memory" | field maxmemory_human)"
fragmentation="$(printf '%s\n' "$memory" | field mem_fragmentation_ratio)"
rejected="$(printf '%s\n' "$stats" | field rejected_connections)"
evicted="$(printf '%s\n' "$stats" | field evicted_keys)"
rdb_status="$(printf '%s\n' "$persistence" | field rdb_last_bgsave_status)"
aof_status="$(printf '%s\n' "$persistence" | field aof_last_bgrewrite_status)"
role="$(printf '%s\n' "$replication" | field role)"
cluster_enabled="$(printf '%s\n' "$cluster" | field cluster_enabled)"
cluster_state="disabled"
if [[ "$cluster_enabled" == "1" ]]; then
cluster_info="$("${CLI[@]}" CLUSTER INFO)"
cluster_state="$(printf '%s\n' "$cluster_info" | field cluster_state)"
fi
echo "PASS ping=PONG"
echo "INFO uptime_seconds=$uptime"
echo "INFO clients=$connected/$maxclients blocked=$blocked rejected=$rejected"
echo "INFO memory=$used maxmemory=$maxmemory fragmentation=$fragmentation evicted=$evicted"
echo "INFO persistence rdb=$rdb_status aof=$aof_status"
echo "INFO replication role=$role"
echo "INFO cluster=$cluster_state"预期输出
text
PASS ping=PONG
INFO uptime_seconds=<SECONDS>
INFO clients=<CONNECTED>/<MAXCLIENTS> blocked=<COUNT> rejected=<COUNT>
INFO memory=<USED> maxmemory=<LIMIT> fragmentation=<RATIO> evicted=<COUNT>
INFO persistence rdb=ok aof=ok
INFO replication role=<ROLE>
INFO cluster=<STATE_OR_DISABLED>不同版本或未启用 AOF 时,个别字段可能为空或含义不同。脚本适合作为采集入口,生产监控还应把数值写入时序系统,并对“增量”而非累计总值设置告警。
建立分级检查项
可将以下规则作为初始基线,再根据业务流量和历史分布调整:
| 检查项 | 关注条件 | 处理级别 |
|---|---|---|
PING、进程和端口 |
不可达或频繁重启 | 立即处理 |
| 连接使用率 | 持续接近上限,或拒绝连接增量大于 0 | 告警 |
| 内存使用率 | 持续接近容量线,淘汰量异常增加 | 告警 |
| 慢查询与延迟事件 | 数量、最大值或重复命令显著偏离基线 | 告警 |
| RDB/AOF 状态 | 最近后台保存或重写失败 | 立即处理 |
| 复制状态 | 链路断开、偏移差持续扩大、频繁全量同步 | 立即处理 |
| 集群状态 | cluster_state:fail 或槽位未完整覆盖 |
立即处理 |
| 备份与恢复 | 备份缺失、校验失败或恢复演练失败 | 立即处理 |
连接使用率、内存水位和碎片率不宜采用脱离业务的统一阈值。首次上线可设置保守预警线,再根据峰值、增长率和故障余量逐步校准。
记录趋势与闭环
巡检结果应包含实例、环境、时间、版本、负责人、异常指标、处置动作和复核结论。累计值如 rejected_connections、evicted_keys 和 expired_keys 必须计算时间区间增量,实例重启后还要识别计数器重置。
每次异常处理后,把根因、有效命令、误判点和新增阈值回写到清单。巡检的目标不是生成一张“全部正常”的表,而是提前发现容量、性能和恢复能力正在恶化。
按自己的节奏,确认真正理解。