[踩坑] Redis 内存碎片问题深度解析与解决方案

在 Redis 运维过程中，你是否遇到过这样的困惑：明明已经删除了大量数据，used_memory 也确实下降了，但服务器的实际内存占用却几乎没有变化？

这就是 Redis 内存碎片问题，也是生产环境中最常见、最容易被忽视的性能隐患之一。本文将从原理到实战，全面解析 Redis 内存碎片的成因、诊断方法和解决方案。

一、什么是内存碎片？

1.1 内存分配原理

Redis 并不直接使用操作系统的 malloc，而是使用专门的内存分配器（默认为 jemalloc）。内存分配器为了提高效率，会按固定大小的块来分配内存，例如：

申请 10 bytes → 实际分配 16 bytes
申请 20 bytes → 实际分配 32 bytes
申请 65 bytes → 实际分配 96 bytes

多出来的部分就是内部碎片。

1.2 碎片是如何产生的

初始状态：
[Key A: 100bytes] [Key B: 200bytes] [Key C: 150bytes] [Key D: 300bytes]

删除 Key B 和 Key C 后：
[Key A: 100bytes] [   空闲 350bytes  ] [Key D: 300bytes]

新写入 Key E: 500bytes：
无法填入中间空隙 → 只能在末尾申请新内存
[Key A: 100bytes] [   碎片 350bytes  ] [Key D: 300bytes] [Key E: 500bytes]

这就是外部碎片——内存空间存在，但因为不连续而无法被利用。

二、真实案例分析

以下是一个生产环境中的实际数据：

# 执行 MEMORY PURGE 前
used_memory:          10.54G   ← Redis 认为自己用了多少
used_memory_rss:      25.32G   ← 操作系统实际分配了多少
mem_fragmentation_ratio: 2.40  ← 碎片率（严重！）
maxmemory_policy:     noeviction

# 执行 MEMORY PURGE 后
used_memory:          10.54G   ← 数据量不变
used_memory_rss:      22.71G   ← 释放了 2.61G
mem_fragmentation_ratio: 2.16  ← 有所下降，但仍偏高

结论： 数据只用了 10.54G，但系统实际占用 22.71G，约 12G 内存被碎片浪费。

三、核心指标解读

3.1 关键字段说明

字段	含义
`used_memory`	Redis 分配器认为已使用的内存
`used_memory_rss`	操作系统视角的实际物理内存占用
`used_memory_peak`	历史内存峰值
`mem_fragmentation_ratio`	内存碎片率 = rss / used_memory
`active_defrag_running`	自动碎片整理是否正在运行（1=是）

3.2 碎片率健康标准

mem_fragmentation_ratio < 1.0   → 内存不足，可能使用了 Swap（危险）
mem_fragmentation_ratio 1.0~1.5 → 正常范围 ✅
mem_fragmentation_ratio 1.5~2.0 → 碎片偏多，需要关注 ⚠️
mem_fragmentation_ratio > 2.0   → 碎片严重，需要立即处理 🚨

四、碎片产生的常见原因

4.1 大量删除操作

频繁 DEL、EXPIRE 过期 key，留下大量不连续的空洞。

4.2 Value 大小变化频繁

# 先写入小 value
SET user:1 "hello"

# 再更新为大 value
SET user:1 "hello world this is a very long string..."

原来的空间不够用，分配器重新分配，旧空间变成碎片。

4.3 使用了不合适的数据结构

大量小 String 替代 Hash → 碎片率更高
ziplist 升级为 hashtable 后旧内存未释放

4.4 jemalloc 版本较旧

旧版 jemalloc（如 4.0.3）碎片整理能力较弱，建议升级 Redis 版本。

五、诊断方法

5.1 查看内存信息

# 查看完整内存信息
redis-cli INFO memory

# 只看碎片率
redis-cli INFO memory | grep mem_fragmentation_ratio

# 查看自动整理状态
redis-cli INFO memory | grep active_defrag_running

5.2 查看 key 分布

# 查看总 key 数量
redis-cli DBSIZE

# 查看各数据库 key 分布
redis-cli INFO keyspace

# 扫描大 key（谨慎在生产使用）
redis-cli --bigkeys

5.3 内存使用分析

# 查看指定 key 内存占用
redis-cli MEMORY USAGE keyname

# 查看内存分配器统计
redis-cli MEMORY STATS

六、解决方案

6.1 方案一：手动触发整理（快速见效）

# 立即释放碎片内存
redis-cli MEMORY PURGE

优点： 立即执行，效果明显
缺点： 一次性操作，不能持续整理，可能短暂影响性能

6.2 方案二：开启自动碎片整理（推荐）

# 动态开启，无需重启
redis-cli CONFIG SET activedefrag yes

# 碎片超过 100MB 才开始整理
redis-cli CONFIG SET active-defrag-ignore-bytes 100mb

# 碎片率超过 10% 开始整理
redis-cli CONFIG SET active-defrag-threshold-lower 10

# 碎片率超过 100% 加大整理力度
redis-cli CONFIG SET active-defrag-threshold-upper 100

# CPU 使用率下限（整理占用 CPU 不低于此值）
redis-cli CONFIG SET active-defrag-cycle-min 1

# CPU 使用率上限（整理占用 CPU 不超过此值）
redis-cli CONFIG SET active-defrag-cycle-max 25

写入配置文件永久生效：

# redis.conf
activedefrag yes
active-defrag-ignore-bytes 100mb
active-defrag-threshold-lower 10
active-defrag-threshold-upper 100
active-defrag-cycle-min 1
active-defrag-cycle-max 25

验证是否在运行：

redis-cli INFO memory | grep active_defrag_running
# 1 = 正在整理，0 = 未整理

6.3 方案三：重启 Redis（最彻底）

# 第一步：持久化数据
redis-cli BGSAVE
redis-cli BGREWRITEAOF

# 第二步：等待持久化完成
redis-cli INFO persistence | grep rdb_bgsave_in_progress
# 返回 0 表示完成

# 第三步：重启服务
systemctl restart redis

⚠️ 重启会造成短暂服务中断，生产环境建议在低峰期操作，或使用主从切换方式滚动重启。

6.4 方案四：主从切换滚动重启（生产推荐）

# 1. 对从节点执行重启
systemctl restart redis-slave

# 2. 观察从节点内存恢复正常
redis-cli -h slave-ip INFO memory | grep mem_fragmentation_ratio

# 3. 执行主从切换
redis-cli -h master-ip DEBUG SLEEP 0
# 或使用 Sentinel/Cluster 自动切换

# 4. 对旧主节点（现从节点）执行重启
systemctl restart redis-master

七、预防措施

7.1 合理设置淘汰策略

# 当前危险配置
maxmemory-policy noeviction  # 内存满了直接报错

# 推荐配置
maxmemory-policy allkeys-lru  # 淘汰最久未使用的 key

策略	适用场景
`noeviction`	数据不能丢失，需要严格控制 key 数量
`allkeys-lru`	缓存场景，允许自动淘汰 ⭐
`volatile-lru`	只淘汰有过期时间的 key
`allkeys-random`	随机淘汰，不推荐

7.2 为 key 设置过期时间

# 避免永久 key 堆积
SET session:user:1 "data" EX 3600   # 1小时过期
SET cache:product:100 "data" EX 86400  # 1天过期

7.3 使用合适的数据结构

# 不推荐：大量小 String
SET user:1:name "Alice"
SET user:1:age "25"
SET user:1:city "Beijing"

# 推荐：使用 Hash 聚合
HSET user:1 name "Alice" age "25" city "Beijing"

7.4 监控告警

# 写入监控脚本
#!/bin/bash
FRAG=$(redis-cli INFO memory | grep mem_fragmentation_ratio | awk -F: '{print $2}' | tr -d '\r')
echo "当前碎片率: $FRAG"

# 超过 1.5 告警
if (( $(echo "$FRAG > 1.5" | bc -l) )); then
    echo "⚠️  碎片率超标，请检查 Redis 内存！"
fi

八、操作流程总结

发现碎片率高（> 1.5）
        ↓
执行 MEMORY PURGE 快速释放
        ↓
开启 activedefrag 持续整理
        ↓
观察 mem_fragmentation_ratio 变化
        ↓
若仍 > 2.0 → 考虑低峰期重启
        ↓
调整 maxmemory-policy 防止复发

九、常见问题 FAQ

Q：开启 activedefrag 会影响性能吗？

会有轻微影响，但通过 active-defrag-cycle-max 25 限制 CPU 占用在 25% 以内，生产环境基本无感知。

Q：used_memory 和 used_memory_rss 哪个是真实占用？

used_memory_rss 是操作系统视角的真实物理内存占用，是更准确的参考值。

Q：为什么重启后碎片率会降为 1.0 左右？

重启后 Redis 重新加载 RDB/AOF 数据，内存重新分配，碎片全部消除，是最彻底的整理方式。

Q：jemalloc 和 libc 哪个碎片率更低？

jemalloc 的碎片控制能力优于 libc，Redis 默认使用 jemalloc，无需更换。

十、总结

方案	效果	风险	适用场景
MEMORY PURGE	中等	低	临时快速处理
activedefrag	持续	极低	生产长期运行 ⭐
重启 Redis	彻底	中	低峰期维护
主从滚动重启	彻底	低	高可用生产环境 ⭐

Redis 内存碎片是不可避免的，关键在于持续监控 + 自动整理 + 合理配置，将碎片率长期控制在 1.5 以内，才能保证 Redis 稳定高效运行。