Redis 与缓存 / 系统课时
验证淘汰是否正常发生
验证淘汰是否正常发生
本课解决的是“Redis 正在淘汰,到底算健康还是已经开始抖动”的判断问题。你将同时观察 evicted_keys、命中与未命中计数、内存使用和延迟变化,用一组连续证据区分正常缓存淘汰、容量不足和持续内存压力。
学习目标
- 能从
INFO stats中找到淘汰与命中相关指标。 - 能通过时间序列变化判断淘汰是否与缓存命中下降、延迟上升同时发生。
- 能区分“淘汰正常工作”和“淘汰已经成为性能问题”。
先确认淘汰确实发生
evicted_keys 表示由于 maxmemory 限制被 Redis 淘汰的 key 数量;keyspace_hits 和 keyspace_misses 分别表示成功命中与未命中的 key 查找次数。Redis 官方建议用这些统计判断缓存访问效果。:contentReference[oaicite:4]{index=4}
先读取当前基线:
redis-cli INFO stats | grep -E 'evicted_keys|keyspace_hits|keyspace_misses'
redis-cli INFO memory | grep -E 'used_memory:|used_memory_human:|maxmemory:|maxmemory_human:'预期结果:
keyspace_hits:842130
keyspace_misses:157870
evicted_keys:23140
used_memory:247812384
used_memory_human:236.37M
maxmemory:268435456
maxmemory_human:256.00M这些数值只是示例,真实环境会持续变化。重点不是某一个绝对值,而是连续采样后的增量与趋势。
用命中率和淘汰增量一起看
命中率可以按下面公式计算:
Redis 官方给出的计算方式也是基于 keyspace_hits 与 keyspace_misses。:contentReference[oaicite:5]{index=5}
例如连续两次采样间隔为 60 秒,可以重点比较三个变化:evicted_keys 的增量、命中率变化,以及业务读延迟变化。
如果 evicted_keys 持续增加,但命中率稳定、应用延迟稳定,通常说明淘汰正在按预期承担缓存容量上限的压力。这并不代表容量充足,而是说明当前淘汰机制暂时没有明显破坏访问质量。
如果淘汰快速增加,同时命中率持续下降,说明新增数据正在不断挤掉仍会被访问的 key。此时即使 Redis 没有出现写入失败,也已经产生明显的缓存抖动风险。
再把延迟纳入判断
Redis 官方的可观测性建议把延迟、缓存命中率和淘汰 key 一起观察。淘汰本身需要清理内存,因此高压力下可能增加写命令延迟;另一方面,命中率下降又可能把更多请求转移到后端系统。:contentReference[oaicite:6]{index=6}
可以先使用 redis-cli --latency 做简单的实例级延迟观察:
redis-cli --latency -h <IP> -p <PORT>预期输出:
min: 0, max: 3, avg: 0.21 (711 samples)实际输出会持续刷新,采样数量与延迟值会随实例负载变化。这个命令适合快速确认是否出现明显延迟抬升;生产环境还应结合业务端 P95/P99 与监控系统中的时间序列判断。
判断“健康淘汰”还是“内存抖动”
可以把现象分成三类:
| 现象 | 典型表现 | 判断 |
|---|---|---|
| 健康淘汰 | evicted_keys 增长,命中率基本稳定,延迟稳定 |
当前策略能够承担容量上限 |
| 容量不足 | 淘汰持续增长,命中率下降,后端请求增加 | 缓存容量或淘汰策略需要治理 |
| 持续抖动 | 淘汰增长很快,命中率反复下降,Redis 或业务延迟明显上升 | 新旧数据不断进出,需优先止住压力 |
尤其要注意 evicted_keys 本身不是故障指标。对于设计为有界缓存的 Redis,发生淘汰完全可能是正常行为。真正需要警惕的是淘汰速度与访问价值之间失去平衡。
例如,业务平时命中率约为 92%,内存接近 maxmemory,淘汰每分钟稳定增加几万条,同时 P99 没有明显变化,这可能只是稳定的缓存循环。若扩容或流量变化后命中率从 92% 快速跌到 60%,淘汰速率同时陡增,就应优先检查缓存容量、key 生命周期、访问模式和淘汰策略,而不是简单把“淘汰关闭”。
排查时不要只看单点指标
最后把判断落实成一个固定动作:先看 used_memory 与 maxmemory 的关系,再看 evicted_keys 的增量,然后计算命中率,最后对齐 Redis 与业务延迟时间线。这样才能回答“Redis 正在淘汰”与“Redis 因为淘汰而出现性能问题”这两个不同的问题。
当淘汰、命中率和延迟同时恶化时,问题通常已经超出单纯的参数选择范围,需要回到缓存容量、数据生命周期和访问模式共同治理。