我们先来看一个问题, 假设Redis实例保存了5GB的数据，现在删除了2GB的数据，那么Redis进程占用的内存会不会减少呢？

答案是：它可能仍然占用大约5GB内存，即使Redis数据只占用大约3GB。

如果maxmemory不设置该参数，Redis不会触发内存淘汰策略删除数据。

Redis会继续为新写入的数据分配内存。分配失败会导致应用程序报错，当然不会导致宕机。

注：设置maxmemory参数，执行命令CONFIG SET maxmemory 100mb，或在redis.conf 配置文件中设置maxmemory 100mb。

使用top命令查看数据是否已经删除，为什么它仍然占用这么多内存？

释放的内存去了哪里？

当我们使用top命令查看系统使用情况时，会发现内存依然很高，Redis并没有真正释放内存。那么内存都去哪儿了？这时候我们就需要使用info memory命令获取Redis内存相关的指标。

127.0.0.1:6379> info memory
# Memory
used_memory:1132832           // Redis Amount of memory used to store data
used_memory_human:1.08M       // Returns the total amount of memory in human readable form
used_memory_rss:2977792       // From the perspective of the operating system, the total physical memory occupied by the process
used_memory_rss_human:2.84M   // used_memory_rss Readability mode display
used_memory_peak:1183808      // The maximum value of memory used, representing the peak value of used_memory

used_memory_peak_human:1.13M  // Returns the value of used_memory_peak in a human readable format
used_memory_lua:37888         // Lua The amount of memory consumed by the engine。
used_memory_lua_human:37.00K
maxmemory:2147483648          // The maximum memory value that can be used, in bytes.
maxmemory_human:2.00G         // readable form
maxmemory_policy:noeviction   // Memory Retirement Policy

mem_fragmentation_ratio:2.79  // The ratio of used_memory_rss & used_memory represents the memory fragmentation rate

Redis进程内存消耗主要由以下几部分组成：

• 内存被Redis自己启动占用
• 存储对象数据内存
• 缓冲区内存：主要由client-output-buffer-limit客户端输出缓冲区、copy backlog缓冲区、AOF缓冲区组成
• 内存碎片

Redis自身的空进程占用的内存很小，可以忽略不计，而对象内存是最大的，里面存放了所有的数据。

需要注意, 如果缓冲区有大流量的场景很容易失控，导致Redis内存不稳定。

内存碎片过多导致有可用空间不足，无法存储数据。内存碎片Fragmentation = used_memory_rss 实际使用的物理内存（RSS 值）除以 used_memory 实际存储的数据内存。

什么是内存碎片？

内存碎片会导致内存空间空闲，但无法存储数据。比如你和女朋友去电影院看电影，你们肯定是要在一起的。

假设现在有 8 个座位，已售出 4 张票，还有 4 张可供购买。不过巧合的是，买票的人很奇怪，都是隔一个座位买票。即使还有4个座位，也不能买顺序连接两个座位的票。

什么导致内存碎片？

主要有两个原因：

• 内存分配器的分配策略
• 键值对的大小不同，删除操作

下面我们就实际发生的原因进行探讨。

1. 内存分配器的分配策略

Redis 默认的内存分配器使用jemalloc，可选的分配器有：glibc，tcmalloc。

内存分配器不能按需分配，而是使用固定范围的内存块进行分配。

比如8字节、16字节……、2KB、4KB，当申请内存最接近固定值时，jemalloc会分配最接近固定值的空间。这样就会出现内存碎片。

比如程序只需要1.5KB，而内存分配器会分配2KB的空间，那么这0.5KB就是碎片。这样做的目的是减少内存分配的次数。比如你申请22个字节的空间来存放数据，jemalloc就会分配32个字节。如果后面需要写入10个字节，则不需要向操作系统申请空间。您可以使用之前请求的 32 个字节。

当一个键被删除时，Redis 不会立即将内存归还给操作系统。发生这种情况是因为底层内存分配器的管理。例如，大多数已删除的键仍与其他有效键分配在同一内存页中。

此外，为了重用空闲内存块，分配器删除了原始 5 GB 数据中的 2 GB。再次向实例添加数据时，Redis的RSS会保持稳定，不会增加太多。因为内存分配器基本上重新使用了之前删除释放的2GB内存。

2. 键值对大小不同，删除操作

由于内存分配器是按照固定的大小分配内存，因此分配的内存空间通常会大于实际数据占用的大小，这会造成碎片，降低内存的存储效率。

另外，键值对的频繁修改和删除导致内存空间的扩大和释放。例如，如果原来占用32个字节的字符串现在修改为占用20个字节的字符串，那么释放的12个字节就是空闲空间。

如果下一次数据存储请求需要申请一个13字节的字符串，刚刚释放的12字节空间就不能使用，造成碎片。

分片最大的问题：空间总量足够大，但是这些内存并不连续，可能存不下数据。

mem_fragmentation_ratio = used_memory_rss/ used_memory

如何解决？

首先要判断是否发生了内存碎片，重点看info memory命令执行后的mem_fragmentation_ratio指标，表示内存碎片率。

如果1 < mem_fragmentation_ratio < 1.5，可以认为是合理的，如果大于1.5，说明碎片已经超过了50%，我们需要采取一些措施来解决碎片过多的问题。

1. 重启

最简单的方法是重新启动。如果未启用持久性，数据将丢失。

如果开启持久化，需要使用RDB或者AOF来恢复数据。如果只有一个实例，数据量大会导致恢复阶段长时间无法提供服务，高可用性会大大降低。

2. 自动清理内存碎片

Redis在4.0版本之后，提供了内存碎片清理机制。

对于Redis来说，当连续的内存空间被分割成若干个不连续的空间时，操作系统首先将数据移动拼接在一起，释放掉原来数据占用的空间，形成一个连续的空闲内存空间。

自动清理虽然好，但也不要乱来。操作系统需要消耗资源将数据移动到新的位置，然后释放原来的空间。

Redis 操作数据的指令是单线程的，所以在数据复制和移动时，只有清理碎片后才能处理请求，会造成性能损失。

那么问题来了，如何减少对性能的影响来实现自动清理碎片？

问得好，用下面两个参数来控制内存碎片清理和结束的时机，避免占用过多CPU，减少清理碎片对Redis处理请求的性能影响。

启用自动内存碎片整理：

CONFIG SET activedefrag yes

这只是为了启用自动清洁。当清理需要同时满足以下两个条件时，就会出发清理操作。

• 清理条件

active-defrag-ignore-bytes 200mb：内存碎片占用内存达到200MB，开始清理；

active-defrag-threshold-lower 20: 内存碎片空间超过系统分配给Redis空间的20%，开始清理。

• 避免性能影响

清理时间是有的，需要控制清理对性能的影响。一二设置先分配清理碎片占用的CPU资源，保证碎片可以正常清理，避免对Redis处理请求造成性能影响。

active-defrag-cycle-min 20：自动碎片整理过程中占用CPU时间比例不低于20%，以保证清理任务正常进行。

active-defrag-cycle-max 50：自动清理进程占用CPU时间比例不能高于50%。如果超过，会立即停止清理，避免阻塞 Redis 造成高延迟。

总结

如果发现Redis存储数据占用的内存比操作系统分配给Redis的内存小很多，但是数据无法保存，那么可能是内存碎片很多。使用info memory命令查看内存碎片mem_fragmentation_ratio指标是否正常。

然后我们启用自动清理并合理设置清理时间和CPU资源占用。该机制涉及内存复制，这对 Redis 性能构成潜在风险。如果Redis性能变慢，检查是否是清理碎片导致的。如果是这样，减小配置active-defrag-cycle-max的值。

作者：JAVA旭阳
链接：https://juejin.cn/post/7194702522412433464
来源：稀土掘金