美团在Redis上踩过的一些坑-3

一、现象：

    redis-cluster某个分片内存飙升，明显比其他分片高很多，而且持续增长。并且主从的内存使用量并不一致。

 

二、分析可能原因：

 1.  redis-cluster的bug （这个应该不存在）

 2. 客户端的hash(key)有问题，造成分配不均。（redis使用的是crc16, 不会出现这么不均的情况）

 3. 存在个别大的key-value: 例如一个包含了几百万数据set数据结构（这个有可能）

 4. 主从复制出现了问题。

 5. 其他原因

 

三、调查原因：

 1. 经查询，上述1-4都不存在

 2. 观察info信息，有一点引起了怀疑： client_longes_output_list有些异常。

3. 于是理解想到服务端和客户端交互时，分别为每个客户端设置了输入缓冲区和输出缓冲区，这部分如果很大的话也会占用Redis服务器的内存。

 

从上面的client_longest_output_list看，应该是输出缓冲区占用内存较大，也就是有大量的数据从Redis服务器向某些客户端输出。

于是使用client list命令（类似于mysql processlist） redis-cli -h host -p port client list | grep -v "omem=0"，来查询输出缓冲区不为0的客户端连接，于是查询到祸首monitor，于是豁然开朗.

 

monitor的模型是这样的，它会将所有在Redis服务器执行的命令进行输出，通常来讲Redis服务器的QPS是很高的，也就是如果执行了monitor命令，Redis服务器在Monitor这个客户端的输出缓冲区又会有大量“存货”，也就占用了大量Redis内存。

 

 

四、紧急处理和解决方法

进行主从切换（主从内存使用量不一致），也就是redis-cluster的fail-over操作，继续观察新的Master是否有异常，通过观察未出现异常。

查找到真正的原因后，也就是monitor，关闭掉monitor命令的进程后，内存很快就降下来了。

 

五、 预防办法：

1. 为什么会有monitor这个命令发生，我想原因有两个：

(1). 工程师想看看究竟有哪些命令在执行，就用了monitor

(2). 工程师对于redis学习的目的，因为进行了redis的托管，工程师只要会用redis就可以了，但是作为技术人员都有学习的好奇心和欲望。

2. 预防方法：

(1) 对工程师培训，讲一讲redis使用过程中的坑和禁忌

(2) 对redis云进行介绍，甚至可以让有兴趣的同学参与进来

(3) 针对client做限制，但是官方也不建议这么做，官方的默认配置中对于输出缓冲区没有限制。

Java代码  

1. client-output-buffer-limit normal 0 0 0  

(4) 密码：redis的密码功能较弱，同时多了一次IO

(5) 修改客户端源代码，禁止掉一些危险的命令(shutdown, flushall, monitor, keys *)，当然还是可以通过redis-cli来完成

(6) 添加command-rename配置，将一些危险的命令(flushall, monitor, keys * , flushdb)做rename，如果有需要的话，找到redis的运维人员处理

Java代码  

1. rename-command FLUSHALL "随机数"  
2. rename-command FLUSHDB "随机数"  
3. rename-command KEYS "随机数"  

 

六、模拟实验：

1.  开启一个空的Redis(最简，直接redis-server)

Java代码  

1. redis-server  

    初始化内存使用量如下：

Java代码  

1. # Memory  
2. used_memory:815072  
3. used_memory_human:795.97K  
4. used_memory_rss:7946240  
5. used_memory_peak:815912  
6. used_memory_peak_human:796.79K  
7. used_memory_lua:36864  
8. mem_fragmentation_ratio:9.75  
9. mem_allocator:jemalloc-3.6.0  

    client缓冲区：

Java代码  

1. # Clients  
2. connected_clients:1  
3. client_longest_output_list:0  
4. client_biggest_input_buf:0  
5. blocked_clients:0  

 

2. 开启一个monitor：

Java代码  

1. redis-cli -h 127.0.0.1 -p 6379 monitor  

3. 使用redis-benchmark：

Java代码  

1. redis-benchmark -h 127.0.0.1 -p 6379 -c 500 -n 200000  

4. 观察

(1) info memory：内存一直增加，直到benchmark结束，monitor输出完毕，但是used_memory_peak_human（历史峰值）依然很高--观察附件中日志

(2)info clients: client_longest_output_list： 一直在增加，直到benchmark结束，monitor输出完毕，才变为0--观察附件中日志

(3)redis-cli -h host -p port client list | grep "monitor" omem一直很高，直到benchmark结束，monitor输出完毕，才变为0--观察附件中日志

监控脚本：

Java代码  

1. while [ 1 == 1 ]  
2. do  
3. now=$(date "+%Y-%m-%d_%H:%M:%S")  
4. echo "=========================${now}==============================="  
5. echo " #Client-Monitor"  
6. redis-cli -h 127.0.0.1 -p 6379 client list | grep monitor  
7. redis-cli -h 127.0.0.1 -p 6379 info clients  
8. redis-cli -h 127.0.0.1 -p 6379 info memory  
9. #休息100毫秒  
10. usleep 100000  
11. done  

 完整的日志文件：

 http://dl.iteye.com/topics/download/096f5da0-4318-332e-914f-6f7c7298ddc9

 部分日志：

Java代码  

1. =========================2015-11-06_10:07:16===============================  
2.  #Client-Monitor  
3. id=7 addr=127.0.0.1:56358 fd=6 name= age=91 idle=0 flags=O db=0 sub=0 psub=0 multi=-1 qbuf=0 qbuf-free=0 obl=0 oll=4869 omem=133081288 events=rw cmd=monitor  
4. # Clients  
5. connected_clients:502  
6. client_longest_output_list:4869  
7. client_biggest_input_buf:0  
8. blocked_clients:0  
9. # Memory  
10. used_memory:174411224  
11. used_memory_human:166.33M  
12. used_memory_rss:161513472  
13. used_memory_peak:176974792  
14. used_memory_peak_human:168.78M  
15. used_memory_lua:36864  
16. mem_fragmentation_ratio:0.93  
17. mem_allocator:jemalloc-3.6.0  

  

欢迎关注技术公众号：架构师成长营