数据库服务器Redis内存碎片率升高就代表浪费吗?怎样结合RSS判断
Redis 的 mem_fragmentation_ratio 升高,不等于同等比例的内存正在被浪费。这个指标主要比较 Redis 进程的常驻内存(RSS)与 Redis 统计的已用内存:比值越高,说明两者差距越大;但差距来自哪里、能否回收,以及是否会造成容量风险,还需要继续判断。
“碎片率高就要处理”并非完全错误。如果业务数据已明显缩小,RSS 却长期居高不下,且服务器可用内存持续收紧,内存分配器未归还的页面可能确实值得关注。问题在于,只看一个比值,既容易把正常的内存保留当成浪费,也可能忽略比值不高但 RSS 已逼近机器上限的风险。
常见说法遗漏了什么
运维看板上常把 mem_fragmentation_ratio 标成“内存碎片率”。Redis 在 INFO memory 中给出的这个比值,通常可按以下关系理解:
mem_fragmentation_ratio ≈ used_memory_rss ÷ used_memory
其中,used_memory 是 Redis 统计的已用内存;used_memory_rss 是操作系统视角下 Redis 进程驻留在物理内存中的大小。二者口径不同,因此 RSS 高于 used_memory 的部分,不能直接命名为“可回收的碎片”。
例如,used_memory 为 2 GiB、RSS 为 3.2 GiB,比值约为 1.6,差额是 1.2 GiB。它提示需要检查内存去向,却不能证明执行一次内存整理后就能释放 1.2 GiB。相反,used_memory 为 20 GiB、RSS 为 23 GiB,比值只有约 1.15,绝对差额却有 3 GiB;如果服务器总内存为 24 GiB,容量压力可能更紧迫。这里的 GiB 按二进制单位计算,1 GiB 为 1024 MiB。

因此,技术审阅时至少要把三个问题分开:比值是否升高、RSS 多出多少、机器还能承受多少 RSS。百分比用于发现变化,绝对量和容量余量才决定变化是否需要处置。
RSS 与已用内存为什么会拉开距离
Redis 申请内存、释放对象,再由内存分配器管理页面;分配器没有义务在对象释放后立即把每一页都归还操作系统。删除大量键、键过期或写入负载反复波动后,Redis 的 used_memory 可能先下降,RSS 则下降较慢。这是高比值的一种常见来源,但不是唯一来源。
在提供相关字段的 Redis 版本与内存分配器组合中,可以进一步观察:
allocator_allocated:分配器已分配给 Redis 使用的内存。allocator_active:分配器持有的活跃页面所覆盖的内存。allocator_resident:分配器驻留在物理内存中的内存。used_memory_rss:整个 Redis 进程的 RSS,不限于分配器统计的部分。
allocator_active 与 allocator_allocated 的差距,有助于观察分配器内部页面利用情况;allocator_resident 与 allocator_active 的差距,有助于观察分配器保留的驻留内存;RSS 与 allocator_resident 的差距,则提示进程中还有分配器统计范围之外的驻留部分。不同字段的采集口径和时点可能存在差异,不宜将这些差额机械地当作可释放内存相加。

还有两个容易误判的场景。第一,实例本身很小:即使只多出几百 MiB,分母较小也会把比值推高。第二,持久化或复制相关操作正在进行:子进程及写时复制带来的额外内存压力,需要结合系统或容器的整体内存观察,不能指望父进程的 used_memory_rss 单独呈现全部风险。
怎样把一个比值还原成可判断的问题
先读取 Redis 自身的内存统计,再与操作系统侧数据对照。以下命令均为只读查询;连接方式应沿用现有的认证与网络配置,不要为了查看指标而临时开放 Redis 端口:
redis-cli INFO memory
redis-cli INFO stats
free -h
在 Linux 上,还可用 ps 核对 Redis 进程的 RSS。先确认实际进程 PID,避免将其他 Redis 实例的进程数据拿来比较:
ps -eo pid,rss,cmd | grep '[r]edis-server'
ps 的 RSS 通常以 KiB 显示,比较时要先统一单位。容器部署还应查看容器或 cgroup 的内存用量与限制:容器整体内存不等于单个 Redis 进程的 RSS,文件缓存、其他进程和内核计费也可能影响剩余额度。
一次采样只能说明当时状态。更有用的是记录业务低谷、高峰及高峰结束后的连续变化,并把以下指标放在同一时间轴上:
| 观察项 | 主要回答的问题 | 不能单独推出什么 |
|---|---|---|
used_memory、used_memory_peak | 当前用量是否从历史高位回落 | RSS 应当同步回落 |
used_memory_rss、mem_fragmentation_bytes | 进程驻留内存及其与已用内存的差额有多大 | 差额都能立即归还系统 |
allocator_active、allocator_resident 等 | 差距更多出现在哪一层 | 每一层的差额都是无效内存 |
maxmemory、mem_not_counted_for_evict | Redis 的限制与部分不计入淘汰判断的内存情况 | 进程 RSS 会被 maxmemory 严格封顶 |
| 系统或容器内存余量、交换活动 | 所在环境能否承受当前及峰值用量 | Redis 是唯一的内存消耗来源 |
字段是否存在,应以实例实际返回结果为准,不要把别的版本的字段表直接套用。INFO stats 中的 evicted_keys 可辅助判断是否发生过淘汰,但它是累计计数,需看观察时段内的增量;它也不能替代 RSS 和系统余量的判断。
三种更有用的判断结果
比值高,但绝对差额小,且 RSS 稳定。 小实例比较容易出现这种情况。如果系统余量充足、业务延迟正常、RSS 不持续爬升,可以先监控趋势,不必因为越过某个统一阈值就安排重启。

比值高,数据已回落,RSS 长时间未回落。 这更值得结合分配器字段检查页面保留情况。应同时记录高峰前后 used_memory 和 RSS 的变化:如果下一轮业务增长复用了已保留的内存,RSS 未必会等比例再涨;如果 RSS 仍持续增长,则需要进一步区分工作负载变化与内存异常。
比值不高,但 RSS 接近可用上限。 此时容量判断优先于“碎片率是否好看”。Redis 自身的 maxmemory 不是操作系统级 RSS 上限,还需为复制、持久化、连接缓冲区、其他进程及业务峰值留出空间。服务器内存充足与容器内存限制较紧,对同一个 RSS 数值可能得出不同结论。
针对 Redis 等数据库与缓存业务对内存容量、磁盘与网络资源的综合需求,A5数据提供香港、美国、日本、韩国、中国台湾、新加坡、马来西亚等地区的物理服务器租用,覆盖 Xeon Gold、AMD EPYC 等平台,并配备不同内存与 SSD/NVMe 存储组合,为实例运行、持久化和多任务负载提供独立硬件资源。结合 CN2、国际及地区线路方案,A5数据也可为不同访问区域的业务部署提供相应网络基础。
什么时候才考虑主动干预
只有在差额有明确来源、RSS 占用了必要容量,而且持续观察确认它不会自然回落或被后续负载有效复用时,干预才有充分理由。可评估的手段包括调整容量、优化造成剧烈分配与释放的工作负载,以及在兼容条件下评估 Redis 的主动碎片整理能力。主动碎片整理是否可用、具体配置项及效果,取决于 Redis 版本和内存分配器;它可能增加 CPU 消耗,不能把“开启后 RSS 必然下降”作为验收条件。
重启实例有时能让进程重新建立内存布局,但它同时涉及数据持久化、复制切换、缓存预热和业务可用性,不应作为看到高比值后的默认动作。若确需实施,应先核实备份及恢复能力、评估受影响实例和维护窗口,并明确失败时的回退或切换方案;验收应看重启后稳定运行阶段的 RSS、延迟和内存余量,而不只看刚启动时的低水位。
Redis 内存碎片率升高,可以是“内存利用需要审查”的信号;当绝对差额较大、长期不回落,并挤占了必要的系统余量时,“存在浪费且值得处理”的说法可能成立。若只是小实例的分母效应,或分配器暂时保留了会被后续写入复用的内存,高比值本身就不足以支持这个结论。判断应落在 RSS 的绝对量、差额来源和所在服务器的容量边界上。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/5872.html



