监控告警
监控是运维的「眼睛」。完善的监控体系能在故障发生前预警，在故障发生后提供定位依据。本章讲解监控维度、关键指标与告警阈值。
每个告警都应绑定正常基线、触发条件、负责人、处理步骤和升级路径。示例阈值只用于说明结构，生产阈值必须来自业务 SLO、压测安全水位和历史分布。
1. 监控架构
Redis 监控从三个维度构建：
| 维度 | 内容 | 工具 |
|---|---|---|
| 服务端 | CPU、内存、网络、磁盘 | 系统监控（Prometheus node_exporter） |
| 应用端 | QPS、延迟、内存、连接、命中率 | redis_exporter / INFO 采集 |
| 联合分析 | 服务端与应用端数据交叉定位 | Grafana 看板 |
txt
服务端（OS） 应用端（Redis） 联合分析
CPU / 内存 → QPS / 延迟 → 定位根因
网络 / 磁盘 → 内存 / 命中率 → 关联证据2. 关键指标详解
2.1 吞吐量
bash
INFO stats
# instantaneous_ops_per_sec:15000 # 当前 QPS
# total_commands_processed:123456789 # 累计处理命令数2.2 延迟
bash
# 持续发送 PING，测试网络和服务端往返延迟
redis-cli --latency
# min: 0, max: 3, avg: 1 (milliseconds)
# 延迟历史
redis-cli --latency-history
# 1712500000 0 2 1 ← 时间戳 min max avg
# 合成 PING 的延迟分布，不代表业务命令分位数
redis-cli --latency-dist2.3 内存
bash
INFO memory
# used_memory:1073741824 # Redis 分配的内存
# used_memory_rss:1288490188 # 操作系统分配的物理内存
# used_memory_peak:2147483648 # 内存峰值
# used_memory_peak_perc:50.00% # 当前占峰值的比例
# used_memory_overhead:104857600 # 管理开销（元数据、缓冲区等）
# used_memory_dataset:968884224 # 数据实际占用
# mem_fragmentation_ratio:1.20 # 碎片率
# mem_allocator:jemalloc-5.3.0 # 内存分配器2.4 命中率
bash
INFO stats
# keyspace_hits:800000
# keyspace_misses:200000
# 命中率 = 800000 / (800000 + 200000) = 80%| 命中率 | 评估 | 可能原因 |
|---|---|---|
| > 90% | 缓存场景常见良好区间 | 仍应与业务命中目标比较 |
| 70%~90% | 需要结合业务判断 | 检查 TTL、预热和数据访问模式 |
| < 70% | 缓存收益可能不足 | 检查穿透、TTL、热点和布隆过滤器适用性 |
2.5 连接数
bash
INFO clients
# connected_clients:500 # 当前连接数
# blocked_clients:10 # 阻塞的客户端（BLPOP 等）
# tracking_clients:0 # 使用 tracking 的客户端
# maxclients:10000 # 最大连接数2.6 复制延迟
bash
INFO replication
# role:master
# slave0:ip=10.0.0.2,port=6379,state=online,offset=123456789,lag=0
# slave1:ip=10.0.0.3,port=6379,state=online,offset=123456000,lag=1
# lag=1 表示延迟 1 秒2.7 持久化状态
bash
INFO persistence
# rdb_last_save_time:1712500000 # 上次 RDB 时间
# rdb_last_bgsave_status:ok # 上次 BGSAVE 状态
# rdb_last_bgsave_time_sec:2 # 上次 BGSAVE 耗时
# aof_current_size:104857600 # 当前 AOF 大小
# aof_rewrite_in_progress:0 # 是否正在重写
# aof_last_bgrewrite_status:ok # 上次重写状态3. 告警阈值
| 指标 | 告警阈值（参考） | 说明 |
|---|---|---|
| 内存使用率 | > 80% | 接近上限，需扩容或淘汰 |
| 碎片率 | > 1.5 | 碎片较多，考虑整理 |
| 慢查询数量 | 持续增长 | 存在慢命令 |
| fork 耗时 | > 1s | fork 停顿明显 |
| 连接数 | > 80% maxclients | 连接接近上限 |
| 命中率 | 低于业务基线 | 缓存收益下降 |
| 复制延迟 | 超过业务可接受的读旧窗口 | 检查复制状态和读写路由 |
| QPS | 超过压测安全水位或持续异常增长 | 容量接近瓶颈 |
阈值需结合业务实际情况调整。告警的黄金法则是「宁可在故障前预警，不要在故障后才知道」。
4. 监控方案选型
| 方案 | 优势 | 劣势 | 适用场景 |
|---|---|---|---|
| Prometheus + Grafana | 开源、灵活、社区丰富 | 需要部署维护 | 中小团队首选 |
| 云厂商监控 | 开箱即用、无需运维 | 定制性差 | 使用云 Redis |
| CacheCloud | 一站式管理、多实例 | 搜狐开源，社区较小 | 大规模私有部署 |
| 自建采集 | 完全定制 | 开发成本高 | 有特殊需求 |
4.1 Prometheus + Grafana 快速搭建
yaml
# docker-compose.yml
services:
redis-exporter:
image: oliver006/redis_exporter
environment:
REDIS_ADDR: redis://10.0.0.1:6379
ports:
- "9121:9121"
prometheus:
image: prom/prometheus
volumes:
- ./prometheus.yml:/etc/prometheus/prometheus.yml
ports:
- "9090:9090"
grafana:
image: grafana/grafana
ports:
- "3000:3000"yaml
# prometheus.yml
scrape_configs:
- job_name: 'redis'
static_configs:
- targets: ['redis-exporter:9121']Grafana 可导入与所用 redis_exporter 版本匹配的 Redis Dashboard。导入前核对看板版本、指标名和数据源，并记录看板来源；不要仅凭固定 Dashboard ID 假定兼容。
5. 日常巡检
建议每天执行一次巡检：
bash
# 1. 内存状态（Redis 不提供 swap 字段）
INFO memory | grep -E "used_memory|fragmentation"
grep -E "SwapTotal|SwapFree" /proc/meminfo
# 2. 慢查询
SLOWLOG GET 5
# 3. 连接数
INFO clients | grep connected_clients
# 4. 命中率
INFO stats | grep keyspace
# 5. 复制状态
INFO replication | grep -E "role|slave|lag"
# 6. 持久化状态
INFO persistence | grep -E "rdb_last|aof_current"