instantaneous_ops_per_sec是每秒瞬时采样值,非滑动平均,需连续3–5秒采样看趋势,结合业务吞吐、实例规格和历史基线判断是否异常,单次值易误判。

INFO 命令本身不能直接“诊断瓶颈”,它只提供快照数据;但如果你知道该盯哪几行、怎么交叉比对、哪些值一高就得立刻干预,就能在30秒内锁定真实瓶颈源。
怎么看 instantaneous_ops_per_sec 才不算误判
这个值是每秒瞬时采样,不是平均值,单次 INFO 结果意义有限。容易踩的坑是:看到 1200 就喊“QPS 高”,结果发现是业务正常脉冲;或者看到 80 就放松,其实前一秒刚从 5000 掉下来——说明刚扛过一波毛刺。
- 必须连续执行至少 3 次
redis-cli info stats | grep instantaneous_ops_per_sec,间隔 1 秒,看是否持续 > 实例历史基线的 1.5 倍 - 如果
instantaneous_ops_per_sec突增,但used_memory和connected_clients几乎不动,大概率是某应用在刷缓存或重试风暴 - Redis 6.0+ 版本中,若开启 ACL,未授权用户调用
INFO可能不返回instantaneous_ops_per_sec字段,先检查r.info().get('instantaneous_ops_per_sec')是否为None
内存类字段要三连看:used_memory、mem_fragmentation_ratio、evicted_keys
光看 used_memory_human 是最常见盲区。比如显示 “1.8G/2G”,你以为只剩 200MB,但实际可能因为碎片,mem_fragmentation_ratio 已到 2.3,RSS 占了 4.2G,OS 开始 OOM Killer —— 此时写操作会卡顿,但 used_memory 还没爆。
-
used_memory ≥ 0.9 * maxmemory且evicted_keys为 0 → 配置了noeviction,写命令开始报错,应用重试拉高延迟 -
mem_fragmentation_ratio > 2.0且used_memory_rss_human明显大于used_memory_human→ 内存碎片严重,考虑MEMORY PURGE(Redis 4.0+)或升级到 7.0+ 启用jemalloc自动整理 -
evicted_keys持续增长 +keyspace_misses同步飙升 → 淘汰导致缓存雪崩,不是容量问题,是 key 生命周期或访问模式异常
连接与 CPU 类指标必须联动分析
connected_clients 高 ≠ 有问题,但和 client_longest_output_list 或 used_cpu_sys 一起高,就是典型阻塞信号。
-
used_cpu_sys + used_cpu_user > 70%且rdb_bgsave_in_progress为 1 → 不是业务命令吃 CPU,是fork卡住,查latest_fork_usec是否 > 100ms -
connected_clients稳定在 200,但client_longest_output_list > 1000→ 某个客户端积压了上千条响应没取走,正在拖慢整个事件循环 -
rejected_connections > 0→ 连接被拒,但根源可能是maxclients设太低,或上游应用没正确close()连接,造成泄漏
主从与持久化字段常被忽略的致命细节
很多卡顿发生在后台任务上,而这些任务的状态全藏在 INFO persistence 和 INFO replication 里,监控系统往往不采集。
-
aof_last_write_status:err或rdb_last_bgsave_status:err→ 持久化失败,AOF 可能已损坏,RDB 文件不完整,但实例还在跑,隐患极大 -
master_repl_offset - slave_repl_offset > 100000且slave_repl_delay > 60→ 主从延迟严重,但未必是网络问题,先查主节点used_cpu_sys和latest_fork_usec -
loading:1→ 实例正在加载 RDB,所有命令阻塞,此时instantaneous_ops_per_sec为 0,used_memory从 0 开始爬升,别误判为宕机
真正难的不是看懂单个字段,而是当 instantaneous_ops_per_sec 下跌、used_cpu_sys 上涨、latest_fork_usec 超标这三件事同时发生时,能意识到主线程正被 fork 卡住——而不是去优化业务命令。











