香港服务器上的Redis内存不足,如何区分容量耗尽与淘汰配置问题?
Redis写入开始报错,但查询仍然正常;或者没有收到内存错误,连接却频繁超时、进程突然重启——这些都可能被归为“Redis内存不足”,实际原因却不同。在香港服务器上排查时,应先区分:是Redis达到自身的maxmemory限制,是淘汰策略无法释放数据,还是主机、容器已经没有足够内存供进程使用。
判断容量耗尽与淘汰配置问题,不能只看“内存使用率高”。关键是把系统可用内存、Redis计入淘汰判断的内存、淘汰策略及可淘汰键范围放在同一时间窗口内比较。主机还有余量而Redis拒绝写入,通常优先查服务限制;主机内存吃紧且进程被杀,则应先查系统或容器边界,两种问题也可能同时存在。
A5数据提供中国香港物理服务器租用,覆盖Xeon Gold、AMD EPYC等平台,并配备不同容量的内存、SSD或NVMe存储,可为Redis缓存、数据库、业务后台和接口服务提供相应的主机资源基础。针对访问地区与网络需求,香港产品还提供CN2及国际带宽方案,便于将应用负载、内存预算和数据访问链路纳入整体部署规划。
一、确认症状:写入报错、响应变慢,还是进程消失?
先保留故障发生时间、应用完整错误信息和受影响范围,不要立即重启。重启可能恢复短时可用性,却会丢失部分现场,也无法说明根因。
以下按Linux上的Redis实例说明。执行前应确认实例地址、端口、版本、认证方式,以及是否运行在容器或集群中。命令示例使用本机127.0.0.1:6379,实际操作需替换为目标实例,并按现有安全方式认证,不要将密码直接写入命令历史。集群环境需要分别检查报错对应的节点。
先做低风险检查:
redis-cli -h 127.0.0.1 -p 6379 PING
redis-cli -h 127.0.0.1 -p 6379 INFO server
redis-cli -h 127.0.0.1 -p 6379 INFO memory
redis-cli -h 127.0.0.1 -p 6379 INFO stats
redis-cli -h 127.0.0.1 -p 6379 INFO keyspace
PONG只表示实例此刻能够响应,不代表还有写入空间,也不代表故障期间没有出现停顿。
| 观察到的现象 | 优先调查方向 | 下一步 |
|---|---|---|
返回OOM command not allowed when used memory > 'maxmemory' | Redis内存限制与淘汰策略 | 核对maxmemory、策略及候选键 |
| 连接超时,但本机访问正常 | 网络链路、连接池、客户端超时 | 对比本机与应用端的响应时间 |
| 本机访问也慢,同时交换活动明显 | 系统内存压力 | 检查可用内存、交换和进程RSS |
| 连接被重置,Redis随后重新启动 | 进程退出或被杀 | 对齐Redis日志、内核日志与容器事件 |
| 只有某个集群节点报错 | 单节点容量或数据分布不均 | 查看对应节点,不用集群平均值归因 |
香港机房的跨地域访问链路可能放大超时,但网络延迟本身不会产生Redis的maxmemory错误。若应用收到了明确的Redis OOM响应,应继续查服务内部;若只有超时,应先确认请求是否到达实例,避免把网络问题当作容量问题。
二、建立原因树:先分清两个内存边界
Redis内存异常可以分为四层,按由外到内、由低风险到高风险逐层排除:

- 网络层:请求未到达、连接不稳定、客户端超时过短。观察依据是远端与本机访问差异,下一步查链路和连接池。
- 系统层:主机可用内存不足、其他进程抢占、交换抖动或容器超限。观察依据是
MemAvailable、RSS、交换活动和OOM记录。 - 服务层:
maxmemory偏小、禁止淘汰、候选键不足,或者复制、持久化带来额外开销。观察依据是Redis内存、配置和运行状态。 - 应用层:键持续增长、TTL缺失、大键、写入突增或缓存反复重建。观察依据是键数量、过期比例、对象大小和业务流量变化。
这里有两个不能混淆的边界:
Redis达到maxmemory,不等于操作系统已经没有内存。 主机可能仍有数GiB可用,但实例因自身限制拒绝需要增加内存的命令。
Redis未达到maxmemory,也不代表不会被系统OOM杀死。 进程实际占用还包含分配器、缓冲区等开销;持久化或复制触发的后台子进程,还可能因写时复制增加主机内存需求。
因此,“提高maxmemory”只能在确认系统有足够余量后考虑,不能作为默认恢复动作。
三、排除系统容量问题:看可用内存,不只看free
检查主机压力与进程占用
free -h
vmstat 1 5
ps -eo pid,comm,rss,%mem --sort=-rss | head -n 15
判断时重点看以下几项:
free -h中的available比单独的free更适合判断可用内存。Linux会利用空闲内存做缓存,缓存较多不等于容量耗尽。vmstat的si、so表示换入、换出活动。首行通常是启动以来的平均值,应重点看后续采样。ps中的RSS通常以KiB展示,应与Redis报告的内存单位统一后再比较。
交换区已经使用,并不能证明当前正在抖动;如果后续采样持续出现换入换出,同时Redis延迟上升,才更支持“活跃内存被换出”的判断。不要在内存紧张时直接执行关闭交换区或清空系统缓存的操作,这可能进一步加剧风险,也不能修复Redis淘汰策略。
查明是否发生了系统OOM
在使用systemd且具备日志读取权限的主机上,可查看故障时段的内核记录:
journalctl -k --since "30 minutes ago" --no-pager
重点搜索Out of memory、Killed process、oom-kill等记录,并核对被杀进程、时间及实例重启时间。权限不足或日志不完整时,不能把“没有搜到”当成“没有发生”。
容器环境还要检查容器自身的内存上限。在cgroup v2环境中,可从目标进程的/proc/<PID>/cgroup定位对应目录,核对:
memory.current:该cgroup当前内存用量。memory.max:硬上限,值为max时表示该层未设置硬上限。memory.events:关注oom、oom_kill计数是否在故障期间增加。
这些文件必须对应实际实例所在的cgroup,不能用宿主机的空闲内存代替容器余量。cgroup v1的文件名称不同,应按运行环境核验。
若Redis所在容器已经触及上限,即使宿主机还有空闲内存,也属于该实例的容量边界问题,而不是淘汰配置能单独解决的问题。
四、检查服务限制:淘汰是否开启,是否有键可淘汰?
对齐配置与实际内存
redis-cli -h 127.0.0.1 -p 6379 CONFIG GET maxmemory
redis-cli -h 127.0.0.1 -p 6379 CONFIG GET maxmemory-policy
redis-cli -h 127.0.0.1 -p 6379 INFO memory
redis-cli -h 127.0.0.1 -p 6379 INFO persistence
若ACL或服务管理规则禁止读取配置,应从授权管理入口核对,不要为排障扩大应用账户权限。
主要指标的含义如下:
| 指标 | 用途与边界 |
|---|---|
used_memory | Redis分配器统计的内存,不等于纯业务数据大小 |
used_memory_dataset | 观察数据集占用,不能单独判断是否触发淘汰 |
used_memory_rss | 操作系统视角下的常驻内存 |
mem_not_counted_for_evict | 部分不计入淘汰判断的缓冲区内存,需结合版本和运行状态解释 |
mem_fragmentation_ratio | RSS与分配器内存的比值,不能仅凭偏高就认定碎片故障 |
maxmemory | Redis用于控制内存的限制,不是进程RSS硬上限 |
粗略判断时,可用used_memory减去mem_not_counted_for_evict,理解接近淘汰判定口径的内存,但这不替代Redis内部的实际检查。
例如,一台8 GiB主机上的Redis设置为4 GiB,而计入淘汰判断的内存接近4 GiB,此时写入失败并不能证明8 GiB物理内存已耗尽。本文容量示例使用二进制单位,1 GiB等于1024 MiB。
在常见64位部署中,maxmemory=0通常表示未设置Redis层面的内存上限,而不是没有系统OOM风险。不能通过将限制设为零来“消除”内存不足。
区分策略不允许与候选键不足
| 策略类型 | 达到限制时的行为 | 主要排查点 |
|---|---|---|
noeviction | 不主动淘汰,拒绝需要增加内存的写入 | 是否有意保护不可丢失数据 |
allkeys-lru、allkeys-lfu等 | 从全部键中选择淘汰对象 | 全部键是否都允许被淘汰 |
volatile-lru、volatile-lfu、volatile-ttl等 | 只在设置了过期时间的键中选择 | 是否有足够的带TTL键 |
策略支持情况应与Redis版本核对。LRU、LFU属于近似选择机制,不能把策略名称理解为严格的全局排序。
常见误判是:“配置了淘汰策略,就一定不会OOM。”若使用volatile-*,但多数键没有TTL,即使数据很多,可淘汰候选仍可能不足;当没有足够候选释放空间时,写入仍可能被拒绝。

INFO keyspace中的keys、expires可以帮助判断过期键数量,但键数量比例不等于内存比例:少量无TTL大键,也可能占据大部分内存。
再结合INFO stats观察同一窗口内的增量:
evicted_keys增加,说明发生了内存淘汰,不证明容量已经充足。expired_keys增加,说明有键因TTL自然过期,不能代替淘汰指标。- 持续报OOM且淘汰量很低,应重点核对
noeviction、volatile-*候选不足和单次写入过大。 - 淘汰量持续增加,同时缓存命中率下降、后端负载上升,说明系统可能已进入缓存颠簸。
这些通常是累计计数,应记录采样时间和进程运行时长,比较差值;不要仅凭一个累计数字归因。
五、定位应用根因:是合理保护,还是缓存设计失效?
Redis可能同时存放缓存、会话、队列或其他状态数据。即使把策略改成allkeys-lru可以让写入恢复,也不能证明这是正确修复:队列元素或关键状态被淘汰,可能造成更隐蔽的业务损失。
对允许重建的缓存,可在低峰期进行小范围抽样。Redis 4.0及以上版本可使用MEMORY USAGE辅助查看单键占用:
redis-cli -h 127.0.0.1 -p 6379 SCAN 0 COUNT 100
redis-cli -h 127.0.0.1 -p 6379 TTL 'sample:cache:key'
redis-cli -h 127.0.0.1 -p 6379 MEMORY USAGE 'sample:cache:key'
示例键应替换为抽样发现的实际键。SCAN的COUNT是工作量提示,不是严格返回数量;一次扫描也不能代表整个数据库。大实例应控制扫描频率,避免使用可能长时间阻塞服务的全量查询方式。
TTL=-1表示键存在但未设置过期时间,TTL=-2表示键不存在。若缓存本应有TTL,却大量出现-1,应检查写入是否遗漏过期参数,以及后续覆盖写入是否清除了TTL。
再核对应用是否存在:
- 键名维度失控,例如每次请求生成新的永久缓存键。
- 列表、集合或哈希只追加、不裁剪。
- 单个对象不断膨胀,导致一次写入需要大量空间。
- 失效后立即集中重建,使淘汰与回填形成循环。
以下是两组用于说明判断方式的示例,并非实际环境检测结果:
示例一:淘汰候选配置问题。 主机可用内存仍较充足,Redis达到3 GiB限制,策略为volatile-lru;进一步抽样发现,占用主体是无TTL缓存。此时先修复TTL或按数据可丢失性调整策略,比直接扩容更能解决根因。
示例二:实例容量边界问题。 容器上限为4 GiB,Redis的maxmemory也设为4 GiB;持久化期间memory.current接近上限,oom_kill计数增加。此时限制没有为其他开销留出空间,应调整实例预算、容器容量或持久化负载,而不是只更换淘汰策略。
六、验证恢复,并留下复发监控点
变更前,应保存原有配置、关键指标和日志;涉及数据清理时,还要确认备份或可重建来源。修改淘汰策略可能删除键,恢复原策略也无法找回已淘汰数据,因此不能把配置回滚等同于数据回滚。
恢复动作应与根因对应:
- 限制偏小且系统有余量:评估后调整
maxmemory,为系统、其他进程、缓冲区及写时复制预留空间。 - 策略与数据用途不匹配:先确认哪些数据允许丢失,再调整策略;必要时分离缓存与关键状态。
- TTL或无界增长问题:修复应用写入逻辑。既有数据清理需评估影响范围,删除后只能依靠备份或业务重建恢复。
- 容器超限或主机压力:调整资源分配或拆分竞争进程,不能仅放宽Redis限制。
- 短时持久化压力:结合
INFO persistence及可用版本指标,检查后台保存、AOF重写与业务写入是否重叠。
配置变更需同时核对运行时值与部署配置,避免重启后恢复旧值;若错误率或延迟恶化,应恢复原配置并重新评估,但已发生的数据淘汰仍需单独处理。
恢复后,至少观察一个代表性业务窗口,而不是只测试一次写入。成功应同时满足:代表性写入不再报OOM、延迟回到业务可接受范围、系统可用内存有余量、无持续异常换页、OOM事件不再增加。对于缓存实例,还要确认命中率与后端负载没有因过度淘汰而恶化。
后续监控应保留三组关联信号:
- 系统侧:
MemAvailable、进程RSS、交换活动、容器内存占用与OOM事件。 - Redis侧:接近
maxmemory的程度、淘汰和过期速率、持久化状态、缓冲区及RSS变化。 - 应用侧:OOM错误率、读写延迟、缓存命中率、后端回源量、键数量和大键增长。
告警不宜只设“内存使用率超过某个百分比”。更有诊断价值的组合是:内存逼近限制且写入报错,或淘汰速率升高且命中率下降。这样下次出现异常时,能够直接沿着“容量边界—淘汰能力—数据增长”的原因树继续定位,而不是再次从重启开始。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/4031.html



