Redis线上问题排查指南：常见错误与解决思路

作为高性能的内存数据库，Redis在线上环境中承担着缓存、队列、计数器等重要角色。然而，面对复杂的生产环境，Redis也难免会遇到各种“疑难杂症”。本文结合实战经验，总结Redis线上问题排查思路与解决方案，助你快速定位问题，恢复业务稳定。

一、常见问题分类与排查方向

1. 连接问题

现象：客户端无法连接Redis，返回Connection refused或超时错误。

• 排查步骤：
  1. 检查网络连通性：telnet <redis_ip> <port>
  2. 验证Redis服务状态：ps -ef | grep redis
  3. 查看Redis配置：

     # 检查bind和protected-mode配置
     redis-cli config get bind
     redis-cli config get protected-mode
     

  4. 检查最大连接数限制：

     redis-cli config get maxclients
     redis-cli info clients  # 查看当前连接数
     

  5. 查看日志定位错误：tail -f /var/log/redis/redis.log

解决方案：

• 调整bind绑定地址或关闭protected-mode（仅测试环境）
• 修改maxclients并优化客户端连接池配置
• 检查防火墙规则：iptables -L -n

2. 性能问题（延迟高）

现象：Redis响应变慢，业务侧出现超时。

• 排查步骤：
  1. 使用redis-cli --latency检测基准延迟
  2. 检查慢查询日志：

     redis-cli config set slowlog-log-slower-than 1000  # 设置阈值（微秒）
     redis-cli slowlog get 10  # 查看最近10条慢查询
     

  3. 分析内存使用情况：

     redis-cli info memory  # 关注used_memory、mem_fragmentation_ratio
     

  4. 检查持久化阻塞：
     • RDB：redis-cli info persistence | grep rdb_last_bgsave_status
     • AOF：redis-cli info persistence | grep aof_last_bgrewrite_status

解决方案：

• 优化慢查询（避免KEYS *、大范围HGETALL）
• 升级实例规格或启用集群分片
• 调整持久化策略（如关闭AOF的appendfsync always）

3. 内存问题（OOM）

现象：Redis触发OOM（Out Of Memory），无法写入新数据。

• 排查步骤：
  1. 检查内存使用率：redis-cli info memory | grep used_memory_human
  2. 查找大Key：

     redis-cli --bigkeys  # 扫描大Key（生产环境慎用）
     

  3. 分析内存碎片率：

     redis-cli info memory | grep mem_fragmentation_ratio
     # >1.5 表示碎片较高
     

  4. 检查淘汰策略：redis-cli config get maxmemory-policy

解决方案：

• 清理大Key（分批次删除）
• 设置合理的maxmemory和淘汰策略（如allkeys-lru）
• 启用内存碎片整理：config set activedefrag yes

4. 数据不一致问题

现象：主从节点数据不一致，或缓存与DB不一致。

• 排查步骤：
  1. 检查主从同步状态：

     redis-cli info replication
     # 关注slave0:offset与master_repl_offset差值
     

  2. 验证过期键策略：

     redis-cli config get hz  # 默认10，控制过期键清理频率
     

  3. 使用redis-check-rdb或redis-check-aof验证持久化文件

解决方案：

• 确保主从网络稳定，适当增大repl-timeout
• 使用EXPIRE命令设置合理TTL
• 双写场景下采用延迟双删策略

5. 集群问题

现象：集群节点故障、槽位迁移失败。

• 排查步骤：
  1. 检查集群状态：

     redis-cli --cluster check <node_ip>:<port>
     

  2. 查看节点信息：

     redis-cli cluster nodes
     

  3. 检查集群网络带宽：iftop -i eth0

解决方案：

• 故障节点恢复或替换
• 手动执行槽位迁移：redis-cli --cluster reshard
• 优化集群节点部署（避免跨机房）

二、预防措施与最佳实践

1. 监控告警：部署Prometheus + Grafana监控以下指标：
   • 内存使用率、连接数、QPS、命中率、主从延迟
2. 定期维护：
   • 每月执行scan扫描清理无用Key
   • 检查持久化文件完整性
3. 容量规划：提前评估业务增长，预留30%内存缓冲
4. 代码规范：
   • 避免使用阻塞命令（如BLPOP长时间阻塞）
   • 使用Pipeline减少网络往返

三、总结：Redis排查路线图

1. 明确现象：连接失败？性能下降？数据异常？
2. 定位方向：网络 > 配置 > 资源 > 数据 > 集群
3. 工具辅助：
   • 内置命令：info、slowlog、memory
   • 外部工具：redis-cli --bigkeys、redis-benchmark
4. 验证解决：变更后通过压测验证效果

附录：常用命令速查表

# 实时监控
redis-cli monitor

# 内存分析
redis-cli memory stats

# 连接池诊断
redis-cli client list

通过系统化的排查思路和工具链，Redis线上问题将不再令人头疼。建议收藏本文，随时应对突发状况！

获取更多技术干货，欢迎关注博主！ 💡