Redis如何监控系统QPS的变化趋势-Redis-PHP中文网

最稳的qps监控起点是info stats中的total_commands_processed，通过多次采样差值计算并取中位数或滑动平均，结合instantaneous_ops_per_sec、keyspace_hits/misses等指标交叉分析异常原因。

redis如何监控系统qps的变化趋势

用 `INFO stats` 抓取 `total_commands_processed` 是最稳的起点

Redis 本身不直接暴露“QPS”这个值，但 total_commands_processed 是累计命令数，只要做差值除以时间间隔，就是真实 QPS。它比监听 MONITOR 更轻量、比客户端埋点更客观，且不受网络抖动或客户端丢包影响。

常见错误是只采样一次就报数——比如睡 1 秒后算差值，但 Redis 命令可能集中在某几十毫秒爆发，单次采样会严重失真。正确做法是至少连续采样 3–5 次，每次间隔 1 秒，再取中位数或滑动窗口平均。

redis-cli info stats | grep total_commands_processed 可快速验证当前值
脚本里别用 time.sleep(1) 后立刻读，要加小偏移（如 time.sleep(0.98)），避免刚好卡在秒级统计刷新边界上造成跳变
注意：该指标包含所有命令（INFO、CLIENT LIST 等管理命令也算），高频率运维操作会抬高基线，生产环境建议过滤掉非业务命令类型（需结合 COMMANDSTATS 分析）

用 Prometheus + Redis Exporter 实现趋势可视化

手动轮询 INFO 只能看瞬时值，要观察“变化趋势”，必须把数据存下来画图。Prometheus 是目前最通用的选择，而 redis_exporter 负责把 Redis 的 INFO 输出翻译成 Prometheus 能抓的指标格式。

容易踩的坑是 exporter 启动后没配对 target，或者 Redis 开了认证但 exporter 没传密码，结果 metrics 页面返回空或 401 —— 这时 curl http://localhost:9121/metrics 会直接暴露问题。

启动 exporter 时务必加 --redis.password=xxx（如有认证）和 --redis.addr=redis://localhost:6379
Prometheus 配置里 scrape_interval 建议设为 10s，太密（如 1s）会给 Redis 带来额外 INFO 压力；太疏（如 60s）会丢失波峰细节
Grafana 中用 rate(redis_commands_total[5m]) 计算 QPS，别用 increase() 直接除时间——它对断点不鲁棒，趋势图容易突变

警惕缓存穿透/热 key 导致的 QPS 假性飙升

监控到 QPS 突增，第一反应不该是扩容，而是确认是不是异常流量。比如某个 key 失效瞬间大量请求击穿缓存，全部打到 DB 再回写 Redis，这时 Redis 的 QPS 会陡升，但实际是下游压力转移过来的假信号。

仅看 total_commands_processed 无法区分正常业务增长和异常穿透，必须联动其他指标交叉判断：

查 redis-cli --stat 或 INFO stats 中的 instantaneous_ops_per_sec，它反映实时指令速率，若远高于 rate(total_commands_processed)，说明有短时脉冲
对比 keyspace_hits 和 keyspace_misses，命中率骤降到 85% 以下大概率是穿透或 key 批量失效
用 redis-cli --hotkeys（Redis 4.0+）或 SLOWLOG GET 10 查是否有单个命令耗时 >50ms，热 key 读通常伴随高延迟

Python 脚本实现带缓冲的 QPS 采集（附防抖逻辑）

不是所有环境都能上 Prometheus，有时一个轻量脚本就能满足短期趋势分析需求。关键是要加环形缓冲区，避免把每秒原始值全记下来撑爆内存，同时支持滚动计算最近 N 秒的平滑值。

下面这段代码跑起来后，每秒输出的是过去 5 秒的加权平均 QPS，比单点值抗噪能力强得多：

import redis
import time
from collections import deque
<p>client = redis.StrictRedis(host="localhost", port=6379, decode_responses=True)
window = deque(maxlen=5)  # 存最近5次的 commands_processed 值</p><p>while True:
try:
curr = int(client.info("stats")["total_commands_processed"])
window.append(curr)
if len(window) >= 2:
qps = (window[-1] - window[0]) / (len(window) - 1)
print(f"QPS_5s_avg: {qps:.1f}")
except Exception as e:
print(f"err: {e}")
time.sleep(1)</p>

注意：别用 time.time() 做时间戳对齐，sleep 不精确；也别把 window 设太大（比如 60），否则冷启动后前几十秒数据全是 0，趋势图开头会塌陷。

真正难的从来不是“怎么画出一条线”，而是当这条线突然翘起时，你手边有没有 keyspace_misses、used_memory_peak_human、latest_fork_usec 这几个指标一起看——它们不说话，但合起来能告诉你，到底是用户变多了，还是 Redis 自己快扛不住了。