Redis内存分析

一般会采用 bgsave 生成 dump.rdb 文件，再结合 redis-rdb-tools 和 sqlite 来进行静态分析。

BGSAVE：在后台异步(Asynchronously)保存当前数据库的数据到磁盘。

BGSAVE 命令执行之后立即返回  OK ，然后 Redis fork 出一个新子进程，原来的 Redis 进程(父进程)继续处理客户端请求，而子进程则负责将数据保存到磁盘，然后退出。

生成内存快照: redis-rdb-tools 是一个 python 的解析 rdb 文件的工具，在分析内存的时候，主要用它生成内存快照。

redis-rdb-tools 安装：

使用 PYPI 安装：

pip install rdbtools

使用 源码安装：

git clone https://github.com/sripathikrishnan/redis-rdb-tools
cd redis-rdb-tools
sudo python setup.py install

使用 redis-rdb-tools 生成内存快照：

rdb -c memory dump.rdb > memory.csv

生成 CSV 格式的内存报告。包含的列有：数据库 ID，数据类型，key，内存使用量(byte)，编码。内存使用量包含 key、value 和其他值。

内存使用量是理论上的近似值，在一般情况下，略低于实际值。

[ares:~/Desktop$head memory.csv
database,type,key,size_in_bytes,encoding,num_elements,len_largest_element
0,string,trade.coupon.id:653601465,112,string,8,8
0,string,trade.coupon.id:631354838,112,string,8,8
0,string,trade.coupon.id:632477800,112,string,8,8
0,string,trade.coupon.id:620802294,112,string,8,8
0,string,trade.coupon.id:631432959,112,string,8,8
0,string,trade.coupon.id:632933399,112,string,8,8
0,string,trade.coupon.id:632117725,112,string,8,8
0,string,trade.coupon.id:634240609,112,string,8,8
0,string,trade.coupon.id:646317603,112,string,8,8

注：若csv文件不大，可直接用相关软件打开，以size_in_bytes列排序，可以看到大致内存使用。

使用SQLite分析内存快照：

SQLite版本必须是3.16.0以上。

导入memory.csv数据库：

 


		
		
			
$sqlite3 memory.db
SQLite version 3.19.3 2017-06-27 16:48:08
Enter ".help" for usage hints.
sqlite> create table memory(database int,type varchar(128),key varchar(128),size_in_bytes int,encoding varchar(128),num_elements int,len_largest_element varchar(128));
sqlite> .mode csv memory
sqlite> .import memory.csv memory
			
				
					
				
					123456
				
						$sqlite3 memory.dbSQLite version 3.19.3 2017-06-27 16:48:08Enter ".help" for usage hints.sqlite> create table memory(database int,type varchar(128),key varchar(128),size_in_bytes int,encoding varchar(128),num_elements int,len_largest_element varchar(128));sqlite> .mode csv memorysqlite> .import memory.csv memory
					
				
			
		

数据导入后，可以随处理：

查询key总数：

sqlite> select count(*) from memory;
31143847

查询key总占用内存：

sqlite> select sum(size_in_bytes) from memory;
17391950414.0

查询内容占用最高的几个key：

 


		
		
			
sqlite> select key,size_in_bytes from memory order by size_in_bytes desc limit 10;
key,size_in_bytes
public.xx.xx:xx,7860169636
public.xx.xx:xx,3043206524
public.xx.xx:xx,1866022916
public.xx.xx:xx,420931316
public.xx.xx:idxx171118172
xx,162984940
xx,133443892
public.xx.xx:xx,80925132
public.xx.xx:xx,28340356
			
				
					
				
					1234567891011
				
						sqlite> select key,size_in_bytes from memory order by size_in_bytes desc limit 10;key,size_in_bytespublic.xx.xx:xx,7860169636public.xx.xx:xx,3043206524public.xx.xx:xx,1866022916public.xx.xx:xx,420931316public.xx.xx:idxx171118172xx,162984940xx,133443892public.xx.xx:xx,80925132public.xx.xx:xx,28340356
					
				
			
		

可以看到占用内存较高的key，做相应处理即可。

参考连接：

https://www.cnblogs.com/aresxin/p/9014617.html