虽然Redis4.0以后提供了memory命令进行内存查询,但是对于存在大量业务key来说可能不够方便,只看统计结果又不够详细不好定位具体业务,选择使用rdbtools来进行分析。
运维提供了阿里云Redis自动备份文件 backupfile.rdb 。当然也可以自行到Redis目录下获取 dump.rdb 文件。
我这里使用的是linux环境,确保python及pip已经正确安装。
rdbtools项目地址: https://github.com/sripathikrishnan/redis-rdb-tools
rdbtools安装,以pip3为例:
rdbtools生成内存报告:(更多使用方法可以参考官方文档)
执行内存分析后CPU会跑满,耐心等待即可。我这里630M共计500万个key的rdb文件运行了接近10分钟。
执行完成后在当前目录文件生成了内存报告文件 memory.csv 。
由于生成的内存报告文件 memory.csv 可能很大,直接打开进行分析处理存在限制,将数据导入MySQL。
创建表:
此表字段与csv文件字段一一对应,然后将csv文件数据导入该表。
最后通过排序以及key的模糊查询等手段,即可完成Redis内存分析。
应用Redis实现数据的读写,同时利用队列处理器定时将数据写入mysql。同时要注意避免冲突,在redis启动时去mysql读取所有表键值存入redis中,往redis写数据时,对redis主键自增并进行读取,若mysql更新失败,则需要及时清除缓存及同步redis主键。
这样处理,主要是实时读写redis,而mysql数据则通过队列异步处理,缓解mysql压力,不过这种方法应用场景主要基于高并发,而且redis的高可用集群架构相对更复杂,一般不是很推荐。
二者数据同步的关键在于mysql数据库中主键,方案是在redis启动时区mysql读取所有表键值存入redis中,往redis写数据是,对redis主键自增并进行读取,若mysql更新失败,则需要及时清除缓存及同步redis主键。参考代码如下:
String tbname = "login"
//获取mysql表主键值--redis启动时
long id = MySQL.getID(tbname)
//设置redis主键值--redis启动时
redisService.set(tbname, String.valueOf(id))
System.out.println(id)
long l = redisService.incr(tbname)
System.out.println(l)
Login login = new Login()
login.setId(l)
login.setName("redis")
redisService.hmset(String.valueOf(login.getId()), login)
boolean b = MySQL.insert("insert into login(id,name) values(" + login.getId()
+ ",'" + login.getName() + "')")
/**
*
* 队列处理器更新mysql失败:
*
* 清除缓存数据,同时主键值自减
*/
if (!b)
{
redisService.delKeyAndDecr
(tbname, "Login:"+String.valueOf(login.getId()))
// redisService.delete("Login:"+String.valueOf(login.getId()))
//redisService.decr(tbname)
}
System.out.println(redisService.exists("Login:"+String.valueOf(login.getId())))
System.out.println(redisService.get(tbname))
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)