应检查maxmemory-policy是否匹配业务写入模式和key生命周期,避免volatile策略误配永不过期key导致淘汰失效;需结合evicted_keys、used_memory、mem_fragmentation_ratio等指标验证淘汰实际发生;危险组合须自动告警。

直接看 maxmemory-policy 配置是否匹配业务写入模式和 key 生命周期特征,否则淘汰策略形同虚设,内存满后不是写入报错就是命中率断崖下跌。
检查 maxmemory-policy 是否与 key 过期设置一致
很多线上问题源于 volatile-lru 或 volatile-ttl 策略配在了大量永不过期的 key 上。TTL 返回 -1 的 key 不会被这类策略纳入淘汰池,导致内存持续上涨直到触发 noeviction 回退行为。
- 用
redis-cli --scan --pattern '*' | head -n 100 | xargs -I{} redis-cli TTL {}抽样检查,确认过半 key 的 TTL 是否为 -1 - 若业务中 session、cache 类数据本该设 TTL 却漏了,
volatile-*策略实际等效于noeviction -
allkeys-lru和allkeys-lfu不依赖 TTL,更适合混合生命周期的场景,但会增加随机采样开销
验证淘汰是否真正在发生(而不仅是“理论上能淘汰”)
INFO stats 中的 evicted_keys 字段为 0,不代表没问题——它只统计成功淘汰的 key 数;如果策略选错或内存未真正触达 maxmemory,这个值就一直不动,掩盖了隐患。
- 必须同时看
used_memory是否长期 > 85%maxmemory,且mem_fragmentation_ratio> 1.4 —— 这说明淘汰逻辑已在高频触发,只是你没观察到日志或指标 -
evicted_keys突增 +expired_keys同步突增,大概率是过期集中 + 淘汰策略兜底,属于雪崩前兆 - 云厂商控制台的“淘汰数”监控常被聚合掉毛刺,建议直接采集原始
INFO stats每 10 秒一次做时序比对
自动化平台里必须拦截的危险组合
以下配置在无人值守的巡检脚本中应直接标红告警,不能仅记录日志:
-
maxmemory-policy volatile-lru+CONFIG GET maxmemory返回非 0,但redis-cli --bigkeys发现 70%+ key 的 TTL 为 -1 -
maxmemory-policy noeviction且used_memory> 90%maxmemory—— 此时任何写入都可能失败,但应用层未必有重试或降级 -
lazyfree-lazy-eviction no+allkeys-lru+ 存在 > 1MB 的 hash/list key —— 淘汰时会阻塞主线程,延迟毛刺不可控
真正难的是判断“该淘汰谁”,而不是“能不能淘汰”。策略本身不解决数据建模问题,比如把用户全量订单存成一个 orders:{uid} hash,再怎么调 lfu 都救不了单 key 释放慢的命。


















