Redis內存空間簡單分析

背景

最近發現項目中用的 redis 內存消耗很大（可是印象中卻覺得沒有這麼多的key的內存消耗纔對呀？），使用 info 命令能夠看到全部key佔用的一些內存大小以及key的數量等等，以下圖所示(只截圖了memory和keyspace部分)：

能夠發現， info 命令只能看到總的內存大小以及key的數量等。這些對於分析到底哪些或哪類key佔用的內存較大是遠遠不夠的！

工具調研

工欲善其事必先利其器！

在各類google搜索以後，發現有一個工具貌似是能夠的: redis-rdb-tools 。

因而分頭行動，

1. 讓運維將線上rdb快照文件用scp拷貝到一臺測試機上（畢竟在線上機器上操做是不太安全的）
2. 我須要用最快最乾淨的方式來安裝一下rdb工具，這裏選擇直接在python docker中裝。

分析之路

根據該工具 , 能夠將 rdb 快照文件轉換爲 csv 格式文件：

拿到csv文件後有兩種作法，

1. 直接用python pandas 庫分塊讀取csv文件，能夠作一些統計、過濾等操做（幾乎有與等價於sql的api操做方式。
2. 將csv導入到關係型數據庫，用sql來操做，比較靈活 。關於數據庫選型：在試驗過mysql和postgres兩款關係型數據庫後，感觸挺深， mysql單表導入完上面csv中大概3億多條數據後，查詢直接癱瘓！postgres導入數據後依然堅挺（平均一條like 查詢十幾秒左右，仍是能夠接受的！）。

just try！

rdb 文件轉換爲csv

(這裏由於是操做的內部的業務數據，有些數據細節不便公開，僅貼出相關重要命令以及一些踩坑後的經驗方法等)

# 1. 先運行一個python docker容器(注意將rdb文件掛載進去)
docker run  -it -v YOUR_PATH/xxx.rdb:/data/xxx.rdb  python bash

# 2. 安裝rdb tools
pip install rdbtools python-lzf

# 3. 執行rdb 轉爲csv命令 (此過程根據rdb文件大小時間不定)
rdb -c memory /data/xxx.rdb  -f memory.csv

上述命令中有些路徑和名稱注意替換爲你本身真實的值。

csv 簡單清洗

話說這裏也是個坑來着，在往 postgres 數據庫導入csv數據時，報了一個大概意思是 「實際的列個數和期待的列個數不匹配」錯誤。 可能rdb tools在轉換的時候某些行的值有點問題，或者其餘bug致使。 這裏鑑於有異常的數據條數很少，不用太過於深究，直接用 pandas 簡單清洗一下便可。

相關python代碼以下：

import pandas as pd
import numpy as np


reader = pd.read_csv('/xxxx/memory.csv', iterator=True,error_bad_lines=False)

loop = True
chunkSize =10000000
chunks=[]

total_bytes=0

while loop:
    try:
        chunk = reader.get_chunk(chunkSize)
        chunks.append(chunk)
    except StopIteration:
        loop = False
        print("Iteration is stopped.")

df = pd.concat(chunks, ignore_index=True)

df.to_csv('/xxx/memory2.csv', sep=',', encoding='utf-8')

大概解釋下，這裏先讀取csv文件，指定選項 error_bad_lines=False ，則pandas會自動忽略有問題的行。接着用分塊的方式讀完全部內容，最後合併而後寫到新文件。

csv導入postgres

此步驟其實理論上非必須的，上文說到其實能夠直接用 pandas 操做csv幾乎能夠完成跟sql相似的分析效果。 但比較仍是直接用sql比較方便，仍是導到數據庫來的實惠。

# 1. 運行postgres docker容器(記得把上面步驟中轉換獲得的csv文件掛載進去)
docker run --name postgres -v /xxx/memory2.csv:/memory.csv   -d postgres:9.6

# 2. 進入postgres容器內部 psql shell
docker exec -it postgres psql -U postgres 

# 3. 建立臨時表 (建議是全部字段是用text，不然導入可能會遇到轉型錯誤，第一個字段index是pandas帶進來的，能夠導出csv時處理下)
postgres=# create table keys_dump(
index integer,
database text,
type text,
key text,
size_in_bytes text,
encoding text,
num_elements text,
len_largest_element text,
expiry text
);


# 4. 執行導入csv文件命令
postgres=# COPY keys_dump FROM '/memory.csv' WITH csv;

sql分析

如今問題會比較簡單了，這裏由於key中涉及到一些實際業務值，下面只是簡單列舉一下好比統計 string 類型的key佔用的總內存大小：

select sum(size_in_bytes::int) from keys_dump where type='text';

諸如此類的sql，根據你的實際場景，好比按key中某關鍵詞進行like查詢:

select sum(size_in_bytes::int) from keys_dump where type='text' and key like 'xxxx%';

或者來個統計單key大小前10條：

select *  from keys_dump order by size_in_bytes::int desc limit 10;

以上sql語句，我本身都試過，在單表3億多的行數中執行，總時間大概10幾到二十幾秒左右，總體速度仍是讓人能接受的，畢竟只是作下離線分析。

歡迎工做一到五年的Java工程師朋友們加入Java架構開發： 855835163 羣內提供免費的Java架構學習資料（裏面有高可用、高併發、高性能及分佈式、Jvm性能調優、Spring源碼，MyBatis，Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多個知識點的架構資料）合理利用本身每一分每一秒的時間來學習提高本身，不要再用"沒有時間「來掩飾本身思想上的懶惰！趁年輕，使勁拼，給將來的本身一個交代！