数据库服务器如何监测Redis延迟?命令耗时、连接数与业务响应怎么看
Redis 延迟不能只看某条命令的耗时,也不能仅凭连接数上涨就判断数据库服务器过载。可靠的判断需要把 Redis 命令执行时间、连接与队列、主机资源、网络状况和业务响应时间放在同一观察窗口中对照:先确认延迟从何时开始、影响哪些请求,再判断瓶颈位于 Redis、服务器、网络还是应用调用链。
先建立可比较的观察窗口
建议同时保留两类数据:Redis 与服务器指标按 10~30 秒采样,业务接口的请求量、错误率和响应时间按 1 分钟或更细粒度聚合。需要定位短暂尖峰时,可把关键指标采样缩短到数秒,但要留意高频采集本身带来的开销。所有监控应使用一致的时间基准;如果 Redis、应用和监控系统时间不同步,指标先后关系可能被误读。
观察窗口至少覆盖故障前、故障中和恢复后的一段时间。除了当前值,还应查看 p95、p99、峰值及持续时长。平均延迟可能掩盖少量但严重的慢请求;单个瞬时尖峰也不一定意味着服务已经退化。
核心指标可以按以下层次组织:
| 层次 | 观察指标 | 主要用途 |
|---|---|---|
| Redis 命令 | 命令耗时、慢查询记录、每秒操作数 | 判断执行变慢或负载结构变化 |
| 连接与队列 | 活跃连接、阻塞连接、连接池等待、应用排队 | 识别连接拥塞与请求积压 |
| 数据库服务器 | CPU、内存、磁盘 I/O、网络吞吐与重传 | 判断主机资源或链路是否受限 |
| 业务结果 | 接口 p95/p99、超时率、错误率、请求量 | 确认 Redis 指标变化是否影响用户请求 |
指标A:命令耗时是否真的变长
Redis 命令耗时需要区分“Redis 执行命令用了多久”和“业务请求等待 Redis 返回总共用了多久”。两者并不相等。应用测得的 Redis 调用时间通常还包含连接池等待、网络往返、客户端排队及序列化等开销;Redis 的慢查询日志主要记录命令执行时间,不包含客户端与服务器之间的通信时间。因此,业务调用变慢而慢查询日志为空,并不能直接说明 Redis 正常,只能说明目前没有证据显示命令执行本身超过了记录阈值。

可用以下只读命令查看慢查询、延迟事件和服务状态:
redis-cli SLOWLOG GET 20
redis-cli INFO commandstats
redis-cli INFO stats
redis-cli INFO clients
redis-cli INFO cpu
SLOWLOG GET 返回达到记录条件的命令样本;INFO commandstats 提供各类命令的调用次数与累计耗时,可用于观察负载构成,但累计值会随进程运行持续增长,比较时应计算相邻采样间隔内的变化。采样示例如下:
redis-cli INFO commandstats | grep -E 'cmdstat_(get|set|hgetall|lrange)'
慢查询阈值可通过 CONFIG GET slowlog-log-slower-than 核验。生产环境调整阈值前,应确认 Redis 版本、现有配置和日志采集方式,并先评估记录量;调整过低可能增加诊断数据量,阈值过高则可能漏掉有意义的慢命令。不要为了排障直接清空慢查询记录,以免丢失现场。
还可启用 Redis 延迟监控并检查历史事件:
redis-cli CONFIG GET latency-monitor-threshold
redis-cli LATENCY LATEST
redis-cli LATENCY HISTORY command
redis-cli LATENCY DOCTOR
LATENCY HISTORY 中的事件名称应以实际返回结果为准;command 只是示例,不同版本及事件类型可能不同。延迟监控阈值为 0 时通常表示未启用。是否开启、设为多少,应结合版本支持情况和环境负载决定。
判断命令耗时时,不要只盯着慢查询条数,还要一起看操作类型、每秒调用量和命令耗时分布。例如,某个列表或集合命令偶尔变慢,可能与大键、返回结果过多或访问的数据规模有关;若命令平均耗时变化不大,但操作量突然增至原来的数倍,CPU 和业务 p99 仍可能显著上升。此时应确认负载变化是否符合预期,而不是只寻找单条“超慢命令”。
指标B:连接数上涨是否伴随排队
连接数本身不是延迟指标。连接数上升可能来自业务扩容、连接池配置变化或客户端未及时释放连接;只有当它同时伴随连接池等待、阻塞请求、拒绝连接或业务响应恶化时,才更像是拥塞前兆。
Redis 侧可以关注 INFO clients 中的 connected_clients、blocked_clients,以及 INFO stats 中的 rejected_connections。应用侧则要同步检查连接池的活跃连接、空闲连接、等待获取连接的请求数和等待时长。Redis 服务器显示连接正常,不代表应用能够及时取得可用连接。
队列需要看 Redis 内外两边。Redis 侧的 blocked_clients 有助于识别等待阻塞式命令的客户端;应用线程池、异步任务队列和连接池也可能积压。若连接池等待时间先升高,随后业务 Redis 调用时间变长,而 Redis 命令耗时保持平稳,优先检查应用并发与连接池容量、连接生命周期及请求是否集中到单个实例。简单提高连接上限可能把压力转移到 Redis 和服务器,不一定能消除排队。
以下是用于说明关联关系的模拟数据,不代表实际监控结果:

| 时间 | Redis 命令耗时 p95 | Redis 活跃连接 | 应用连接池等待 p95 | 接口响应 p99 | 超时率 |
|---|---|---|---|---|---|
| 10:00 | 0.7 ms | 420 | 2 ms | 38 ms | 0.1% |
| 10:05 | 0.8 ms | 760 | 28 ms | 91 ms | 1.2% |
| 10:10 | 0.8 ms | 810 | 35 ms | 108 ms | 1.8% |
这种组合更像是连接获取或应用侧排队问题,而不是 Redis 命令执行普遍变慢。反过来,如果连接池等待稳定,命令 p95 与接口 p99 同时上升,则要继续检查 Redis 负载、主机资源和网络。
把服务器资源与网络放进同一时间线
Redis 命令执行变慢时,CPU、内存、I/O 和网络能帮助区分原因,但任何一个指标都不能单独定性。
- CPU:观察 Redis 进程 CPU、整机 CPU、运行队列和上下文切换。Redis 的命令处理容易受单个执行路径繁忙影响;整机 CPU 平均值不高,也不代表 Redis 所在 CPU 核没有压力。若命令耗时、CPU 使用和操作量同步上升,负载增长是较强的候选原因。
- 内存:同时看 Redis 使用内存、主机可用内存、交换空间活动和内存淘汰数。
used_memory接近maxmemory与业务变慢并非必然同时发生,但频繁淘汰、系统换页或内存压力造成的抖动值得重点排查。 - 磁盘 I/O:Redis 数据集主要驻留在内存中,并不意味着磁盘可忽略。持久化、重写、日志写入或系统换页可能产生 I/O 压力。若延迟尖峰与磁盘队列、I/O 等待或持久化活动在时间上重合,应检查对应任务和系统指标。
- 网络:查看 Redis 主机网卡吞吐、丢包、错误和重传,也要检查应用到 Redis 的 RTT。命令执行时间平稳、业务调用时间上升,同时网络重传或 RTT 增大,更支持链路问题;仅看网卡带宽未跑满,不能排除短时丢包或路径抖动。
判断业务影响还要看接口请求量和错误率。响应时间上升若伴随请求量激增,可能是负载触发的排队;响应时间上升但 Redis 调用量下降,也可能是上游重试、线程阻塞或其他依赖变慢。需要对照具体请求链路,避免把同时发生误当成因果关系。
围绕 Redis 缓存、数据库与接口服务的运行需求,A5idc数据提供中国香港、美国、日本等地区的物理服务器,涵盖不同档位的处理器、内存及 SSD、NVMe 存储配置,可为数据读写和多任务运行提供硬件资源。各地区还有相应的线路与带宽方案,便于面向不同访问地区部署业务,并将服务器资源与网络路径纳入整体架构考虑。
阈值要结合基线、持续时间和影响面
告警阈值不宜直接套用一个适用于所有实例的固定毫秒数。低延迟内存服务的正常范围取决于命令类型、数据规模、网络距离、客户端实现和负载模式。同一实例在空闲时的基线,也不一定适合高峰时段。
更可执行的做法是先建立分时段基线,再设置“幅度+持续时间+影响面”的条件。例如,若某实例过去一周业务高峰时命令 p95 通常低于 2 ms,可把高于该基线数倍且持续数分钟作为初级告警候选;若同时出现接口 p99 超预算、超时率上升或连接池等待增加,再提升告警级别。这里的数值只是配置思路示例,实际阈值应以业务 SLO 和历史分布校准。
告警可分为三层:
- 资源或运行状态预警:连接数、内存压力、CPU、网络重传或队列持续偏离基线,提示需要观察。
- Redis 服务质量告警:命令耗时分位数、拒绝连接、阻塞客户端或错误数持续异常,提示 Redis 侧风险增加。
- 业务影响告警:接口 p95/p99、超时率或错误率越过业务目标,表示问题已经影响请求结果。
为减少噪声,优先使用持续窗口、分位数和组合条件,而不是单次峰值触发。例如,可以要求命令 p95 连续多个采样周期超出基线,同时业务调用耗时或超时率至少有一项恶化。对于实例级别告警,可设置短暂恢复确认,避免指标在阈值附近反复触发。若只有连接数升高、业务延迟和错误率都稳定,更适合观察或低级别预警,不宜直接按故障处理。
排除替代解释,再形成判断
可按时间顺序核对以下问题:

- 业务先变慢还是 Redis 先变慢?如果接口延迟先升而 Redis 端指标平稳,检查应用线程池、连接池等待、序列化及上游调用。
- 命令执行时间是否同步上升?慢查询、延迟事件和业务调用时间同时恶化,才更支持 Redis 执行路径受压。若只有客户端耗时增加,重点核对网络往返和客户端排队。
- 负载是否改变?对照每秒操作数、命令类型分布、请求量和重试率。重试可能进一步放大请求量,形成“变慢—重试—更拥塞”的循环。
- 主机资源是否有对应变化?CPU、换页、I/O、网络重传和 Redis 延迟应在同一时间轴比较。没有资源指标变化,不等于没有问题,但应继续检查连接池、锁等待和调用路径。
- 影响范围是否一致?单个实例、单个命令或单个业务接口异常,与所有实例、多个命令和多个接口同时异常,指向的故障范围不同。
形成判断后,保留故障窗口的指标和配置快照,并在相同负载或相近业务时段复测。复测不应只确认某个命令恢复,还要同时确认业务 p95/p99、超时率、连接池等待和服务器资源回归基线。如果期间调整过采样频率、慢查询阈值或告警规则,也要记录变更时间,避免把监控配置变化误判为性能改善。
下一次排查 Redis 延迟时,至少同时观察“命令耗时 p95/p99+每秒操作数+连接池等待+接口响应与错误率”;若异常仍无法定位,再叠加 CPU、内存与换页、磁盘 I/O、网络 RTT 与重传、阻塞客户端及应用队列。这样的指标组合比单看某个阈值更容易区分执行变慢、连接排队、资源争用和链路抖动。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/6989.html



