什么是 Redis OOM？
OOM (Out-Of-Memory) 是 Redis 中的一个常见问题。当 Redis 实例需要使用内存空间但没有足够的可用内存时，就会出现 OOM 问题。通常情况下，Redis 会执行以下两种处理方法：
- Redis 尝试清除尽可能多的过期键值，以释放一些内存空间。
- 如果第一种方法无法解决 OOM 问题，Redis 则会终止所有客户端连接，并将系统中的所有状态保存到磁盘上，并尝试重启 Redis 实例。
如何预防 Redis OOM？
为了预防 Redis OOM 问题，我们可以从以下几个方面入手：
1. 配置 Redis 的最大内存限制
在 Redis 配置文件中通过设置 maxmemory 参数限制 Redis 实例能使用的最大内存大小。当 Redis 实例使用的内存达到 maxmemory 时，就会拒绝新写入的键值对并引发 OOM 问题。因此，我们需要设置 maxmemory 的大小以确保 Redis 实例可以使用的内存不超过服务器可用内存。
例如，下面是一个典型的 Redis 配置文件：
--------- ----- ---------------- -----------
这个示例中，我们将 Redis 实例能使用的最大内存设置为 100MB，同时使用 LRU (Least Recently Used) 算法来清除过期键值。
2. 监控 Redis 内存使用情况
为了及时发现 Redis OOM 问题，我们需要对 Redis 实例的内存使用情况进行监控。Redis 提供了 INFO 命令来查看 Redis 实例的各项状态信息，包括内存使用情况。我们可以使用 INFO memory 命令来查看 Redis 实例的内存使用情况。
例如，下面是一个使用 INFO memory 命令查看 Redis 内存使用情况的示例：
--------- ---- ------
输出结果可能如下：
- ------ ------------------- ----------------------- ----------------------- --------------------------- ------------------------ ---------------------------- ----------------------------- --------------------------- -------------------------- -------------------------- ------------------------------- --------------------------- ------------------------ -------------------------- ------------------------------ ------------------------------- --------------------- ---------------------------- ---
在上面的示例中，我们可以看到 Redis 实例的 used_memory 大小为 1.07MB，used_memory_rss 大小为 6.94MB，表示 Redis 实例占用的系统内存大小为 6.94MB。如果 used_memory 或 used_memory_rss 接近 maxmemory 的大小，就需要警惕可能出现 OOM 的问题。
3. 合理使用 Redis 的内存管理指令
Redis 提供了一些内存管理指令，例如 MEMORY USAGE、MEMORY STATS 和 MEMORY PURGE 等，可以帮助我们了解 Redis 实例中各种数据类型所占用的内存大小，并及时释放无用的内存。
例如，下面是一个使用 MEMORY USAGE 命令查看 Redis 实例中键值对所占用内存大小的示例：
--------- ------ ----- -----
输出结果可能如下：
--------- --
这表示 mykey 所占用的内存大小为 14 字节。我们可以通过这个指令找出占用内存较大的键值对，并及时清除它们来释放内存。
如何应对 Redis OOM？
如果 Redis 发生了 OOM 问题，我们可以采取以下几个方法来应对：
1. 扩大 Redis 实例的内存空间
如果服务器硬件允许，我们可以通过增加服务器内存或升级 Redis 实例的服务器来扩大 Redis 实例的内存空间。这样可以降低 Redis 出现 OOM 的概率。
2. 优化 Redis 键值对的存储方式
如果 Redis 实例没有设置合理的数据结构和数据存储方式，占用内存可能会很大。因此，我们可以采取以下措施来优化 Redis 键值对的存储方式：
- 对于存储大规模的数据，可以采用
HASH类型，将数据拆分成多个小哈希表来存储，以减少单个哈希表所占用的内存空间。 - 对于使用字符串存储大规模的数据的情况，可以使用
Redis Cluster来将数据拆分成多个子实例来存储，以降低单个Redis实例所占用的内存空间。 - 对于使用
LIST、SET和ZSET等数据结构存储大规模的数据的情况，可以使用Redis Stream来进行优化，将数据拆分成多个小
3. 为 Redis 实例添加数据淘汰机制
为了解决 Redis OOM 问题，我们可以为 Redis 实例添加一个数据淘汰机制。当 Redis 实例的内存使用达到一定阈值时，可以使用数据淘汰机制来清除一些不常用的键值对，以释放一些内存空间。Redis 提供了多种数据淘汰算法，例如 LRU、LFU 和随机等，我们可以根据实际情况选择合适的算法。
下面是一个使用 LRU 数据淘汰算法的示例：
------ -----
- -- -----
- - ----------------------------------- ---------- -----
- --------
------------------------- --------
- -- --- ----
-------------------------------- --------------
- -- --- ----
--------------------------------- --
- -----
------------- ---------
------------- ---------
------------- ---------
- -----
--------------------
--------------------
--------------------
- ----
--- - -- -------------
------------- - -- --------- - --
- -----
--------------------
--------------------
--------------------在上面的示例中，我们设置了 Redis 实例的 maxmemory 参数为 100MB，并使用 LRU 算法作为数据淘汰机制。然后我们向 Redis 实例中添加三个键值对并查看它们的值，接着消耗大量内存添加更多的键值对，并再次查看之前添加的三个键值对。由于我们使用 LRU 算法作为数据淘汰机制，因此添加前三个键值对时，它们的 LRUCOUNT 值为 1，表示最近被使用过；而在添加更多键值对后，前三个键值对的 LRUCOUNT 值都被更新，并且因为不常用，可能被淘汰。
总结
Redis OOM 是 Redis 中的一个常见问题，可以通过设置最大内存限制、监控内存使用情况、合理使用内存管理指令来预防，也可以扩大 Redis 实例内存、优化数据存储方式、添加数据淘汰机制等来应对。希望本文的内容能为您提供一些参考，让您站在更高的层面来解决 Redis OOM 问题。
来源：JavaScript中文网 ，转载请联系管理员！ 本文地址：https://www.javascriptcn.com/post/648d08a148841e9894b53a03