如何优化Linux下Redis性能

Linux下Redis性能优化实战指南

一 操作系统层优化

• 内存分配策略：将vm.overcommit_memory=1，避免bgsave/bgrewriteaof在内存紧张时因fork失败；设置maxmemory并预留**20%~30%**空闲内存，降低换页与阻塞风险。
• 禁用透明大页 THP：执行echo never > /sys/kernel/mm/transparent_hugepage/enabled并持久化，减少fork与写放大导致的延迟波动。
• 降低 swap 倾向：将vm.swappiness调低（如接近0），仅在必要时启用 swap，避免 Redis 内存被换出引发性能抖动。
• 文件描述符与连接队列：提升ulimit -n/open files（如10032或更高），并调大net.core.somaxconn与 Redis 的tcp-backlog（如2048），防止高并发下连接排队与“文件描述符不足”报错。
• OOM 防护：必要时调整 Redis 进程的 oom_adj/oom_score_adj，降低被 OOM Killer 终止的概率。
• 时间同步：启用 NTP，避免时间跳变影响持久化与监控。

二 Redis配置层优化

• 内存与淘汰：设置maxmemory与合适的maxmemory-policy（如allkeys-lru/allkeys-lfu），在容量触顶时按策略淘汰，保障稳定性。
• 客户端与网络：根据压测与业务峰值设置maxclients；开启tcp-keepalive保持长连接活性，降低握手与空闲回收开销。
• 持久化策略：
  • RDB：按需配置save m n（如save 900 1、save 300 10、save 60 10000），在性能与恢复点目标间平衡；
  • AOF：优先使用appendfsync everysec，在数据安全与吞吐间折中；
  • 避免save与bgsave/bgrewriteaof并发执行，减少磁盘与 CPU 抖动。
• 数据结构与键设计：优先使用Hash/Set/ZSet等合适结构，避免大 Key/大 Value；必要时对 Value 进行压缩；利用Lua 脚本在服务端原子化复杂逻辑，减少网络往返。

三 持久化与复制的取舍

• 仅缓存场景：可关闭持久化（save ""、appendonly no）以最大化吞吐，但需接受节点重启数据丢失。
• 高可靠场景：采用AOF everysec为主，必要时配合RDB做周期性快照；或在允许窗口丢失的场景下以RDB为主、AOF 为辅。
• 重写与快照：控制AOF 重写与RDB 快照的频率与时机，避免与业务高峰重叠；RDB 快照通过fork实现，子进程写磁盘时父进程继续服务，注意控制内存与 I/O 压力。
• 扩展与容量：数据规模或并发超出单机上限时，引入Redis 集群/分片线性扩展吞吐与容量。

四 监控与诊断

• 实时指标与延迟：使用redis-cli --stat观察ops/sec、used_memory、evicted_keys等；用redis-cli --latency定位 P95/P99 延迟尖峰。
• 慢查询定位：通过SLOWLOG GET识别耗时命令，优化Big Key、热 Key、低效命令（如大范围*KEYS 、无批量的MGET/MSET）。
• 系统层面：结合free、vmstat、iostat排查swap、CPU、I/O瓶颈；检查somaxconn与open files是否满足连接需求。

五 关键参数与命令清单