redis：删除数据后，为什么内存占用率还是很高

OceanStar的学习笔记

已于 2022-02-10 18:01:27 修改

阅读量597

点赞数

分类专栏：数据库文章标签： redis 服务器数据库

于 2020-11-17 16:19:49 首次发布

原文链接：https://time.geekbang.org/

版权

数据库专栏收录该内容

289 篇文章 20 订阅

订阅专栏

引入

在使用 Redis 时，我们经常会遇到这样一个问题：明明做了数据删除，数据量已经不大了，为什么使用 top 命令查看时，还会发现 Redis 占用了很多内存呢？
实际上，这是因为，当数据删除后，redis释放的内存空间会由内存分配器管理，并不会立即返回给操作系统。所以，操作系统仍然会记录着redis分配了大量的内存
但是，这往往会伴随着一个潜在的风险点：redis释放的内存空间可能不是连续的，那么，这些不连续的内存空间很有可能出于一种闲置的状态。这就会导致一个问题：虽然有空闲空间，redis却无法用来保存数据，不仅会减少redis能够实际保存的数据量，还会降低redis运行机器的成本回报率。

问题：为什么数据已经删除了，但内存却闲置着没有用呢？有什么解决方案吗？

什么是内存碎片

通常情况下，内存空间闲置，往往是因为操作系统发生了比较严重的内存碎片。那什么是内存碎片呢？虽然操作系统的剩余内存空间总量足够，但是，应用申请的是一块连续地址空间的 N 字节，但在剩余的内存空间中，没有大小为 N 字节的连续空间了，那么，这些剩余空间就是内存碎片
在这里插入图片描述
问题是，redis中的内存碎片是什么原因导致的呢？

内存碎片是如何形成的？

其实，内存碎片的形成有内因和外因两个层面的原因。简单来说，内因是操作系统的内存分配机制，外因是redis的负载特性

内因：内存分配器的分配策略

内存分配器的分配策略就决定了操作系统无法做到“按需分配”。这是因为，内存分配器一般是按照固定大小来分配内存的，而不是完全按照应用程序申请的内存空间大小给程序分配

Redis 可以使用 libc、jemalloc、tcmalloc 多种内存分配器来分配内存，默认使用jemalloc。以jemalloc为例：

jemalloc的分配策略之一，就是按照一系列固定的大小划分内存空间，比如8字节、16字节、32字节、48 字节，…, 2KB、4KB、8KB 等。当程序申请的内存最接近某个固定值时，jemalloc会给它分配相应大小的空间
这样的分配方式本身是为了减少分配次数。例如，Redis 申请一个 20 字节的空间保存数据，jemalloc 就会分配 32 字节，此时，如果应用还要写入 10 字节的数据，Redis 就不用再向操作系统申请空间了，因为刚才分配的 32 字节已经够用了，这就避免了一次分配操作。

但是，如果 Redis 每次向分配器申请的内存空间大小不一样，这种分配方式就会有形成碎片的风险，而这正好来源于 Redis 的外因了。

外因：键值对大小不一样和删改操作

redis通常作为共用的缓存系统或者键值数据库对外提供服务，所以，不同业务应用的数据都可能保存在redis中，这就会带来不同大小的键值对。这样一来，redis申请内存空间分配时，本身就会有大小不一的空间需求，这是第一个外因。

但是内存分配器只能按照固定大小分配内存，所以，分配的内存空间一半都会比申请的空间大一些，不会完全一致，这本身就会造成一定的碎片，降低内存空间存储效率

比如说，应用 A 保存 6 字节数据，jemalloc 按分配策略分配 8 字节。如果应用 A 不再保存新数据，那么，这里多出来的 2 字节空间就是内存碎片了，如下图所示：

在这里插入图片描述
第二个外因是，这些键值对会被修改和删除，这会导致空间的扩容和释放。具体来说，一方面，如果修改后的键值对变大或者变小了，就需要占用额外的空间或者不用的空间。另一方面，删除的键值对就不再需要内存空间了，此时，就会把空间释放出来，形成空间空间。如下图：

在这里插入图片描述
大量内存碎片的存在，会造成 Redis 的内存实际利用率变低

如何判断是否有内存碎片

Redis 是内存数据库，内存利用率的高低直接关系到 Redis 运行效率的高低。为了让用户能监控到实时的内存使用情况，Redis 自身提供了 INFO 命令，可以用来查询内存使用的详细信息，命令如下：

INFO memory
# Memory
used_memory:1073741736
used_memory_human:1024.00M
used_memory_rss:1997159792
used_memory_rss_human:1.86G
…
mem_fragmentation_ratio:1.86

这里有一个 mem_fragmentation_ratio 的指标，它表示的就是 Redis 当前的内存碎片率。那么，这个碎片率是怎么计算的呢？其实，就是上面的命令中的两个指标
used_memory_rss 和 used_memory 相除的结果。

mem_fragmentation_ratio = used_memory_rss/ used_memory

used_memory_rss 是操作系统实际分配给 Redis 的物理内存空间，里面就包含了碎片；而 used_memory 是 Redis 为了保存数据实际申请使用的空间。

举个例子，例如，Redis 申请使用了 100 字节（used_memory），操作系统实际
分配了 128 字节（used_memory_rss），此时，mem_fragmentation_ratio 就是
1.28。

那么，知道了这个指标，我们该如何使用呢？

mem_fragmentation_ratio 大于 1 但小于 1.5。这种情况是合理的。这是因为，内存碎片是难以避免的。毕竟，内因的内存分配器是一定要使用的，分配策略
都是通用的，不会轻易修改；而外因由 Redis 负载决定，也无法限制。所以，存在内存碎片也是正常的。
mem_fragmentation_ratio 大于 1.5 。这表明内存碎片率已经超过了 50%。一般情况下，这个时候，我们就需要采取一些措施来降低内存碎片率了。

如何清理内存碎片

当 Redis 发生内存碎片后，一个“简单粗暴”的方法就是重启 Redis 实例。当然，这并不是一个“优雅”的方法，毕竟，重启 Redis 会带来两个后果：

如果redis中的数据没有持久化，那么，数据就会丢失
即使redis数据持久化了，我们还需要通过AOF和RDB进行恢复，恢复时长取决于AOF或者RDB的大小，如果只有一个redis实例，恢复阶段无法提供服务

所以，还有什么其他方法吗？从 4.0-RC3 版本以后，Redis 自身提供了一种内存碎片自动清理的方法。

内存碎片清理，简单来说，就是“搬家让位，合并空间”。

这么一说，碎片清理的机制就很容易理解了。当有数据把一块连续的内存空间分割成好几块不连续的空间时，操作系统就会把数据拷贝到别处。
此时，数据拷贝需要能把这些数据原来占用的空间都空出来，把原本不连续的内存空间变成连续的空间。
否则，如果数据拷贝后，并没有形成连续的内存空间，这就不能算是清理了。

在这里插入图片描述
不过，内存碎片清理是有代价的：

操作系统需要把多份数据拷贝到新位置，把原有空间释放出来，这会带来时间开销。因为redis是单线程，在数据拷贝时，redis只能等着，这就导致redis无法及时处理请求，性能就会降低。
而且有的时候，数据拷贝还需要注意顺序，比如操作系统需要先拷贝 D，并释放 D的空间后，才能拷贝 B。这种对顺序性的要求，会进一步增加redis的等待时间，导致性能降低。

那么，有什么方法可以尽量缓解这个问题呢？为此redis专门为自动内存碎片清理功能设置了参数。我们可以通过设置参数，来控制碎片清理的开始和结束时机，以及占用的CPU比例，从而减少碎片清理时对redis本身请求处理的性能影响。

（1）首先，redis需要启动自动内存碎片清理，可以把activedefrag 配置项设置为 yes，命令如下：

 config set activedefrag yes

这个命名只是启动了自动清理功能，但是，具体什么时候清理，会受到下面两个参数影响。这两个参数分别设置了触发内存清理的一个条件，如果同时满足这两个条件，就开始清理。在清理工程中，只要有一个条件不满足了，就停止自动清理

active-defrag-ignore-bytes 100mb：表示内存碎片的字节数达到 100MB 时，开始清理；
active-defrag-threshold-lower 10：表示内存碎片空间占操作系统分配给 Redis 的总空间比例达到 10% 时，开始清理。

为了尽可能的减少碎片清理对redis正常请求处理的影响，自动内存碎片清理功能在执行时，还会监控清理操作占用的CPU时间，而且还设置了两个参数，分别用于控制清理操作占用的 CPU 时间比例的上、下限，既保证清理工作能正常进行，又避免了降低 Redis 性能。这两个参数具体如下：

active-defrag-cycle-min 25：表示自动清理过程所用 CPU 时间的比例不低于25%，保证清理能正常开展；
active-defrag-cycle-max 75：表示自动清理过程所用 CPU 时间的比例不高于
75%，一旦超过，就停止清理，从而避免在清理时，大量的内存拷贝阻塞 Redis，导致响应延迟升高。

自动内存碎片清理机制在控制碎片清理启停的时机上，既考虑了碎片的空间占比、对Redis 内存使用效率的影响，还考虑了清理机制本身的 CPU 时间占比、对 Redis 性能的影响。而且，清理机制还提供了 4 个参数，让我们可以根据实际应用中的数据量需求和性能要求灵活使用，建议你在实践中好好地把这个机制用起来。

注意：内存碎片自动清理涉及内存拷贝，这对 Redis 而言，是个潜在的风险。如果你在实践过程中遇到 Redis 性能变慢，记得通过日志看下是否正在进行碎片清理。如果 Redis 的确正在清理碎片，那么，建议你调小 active-defrag-cyclemax 的值，以减轻对正常请求处理的影响。