latest_fork_usec是fork阻塞的唯一可信证据;值>500000μs即影响业务,>1000000μs属高风险,需逐节点检查,结合THP关闭和vm.overcommit_memory=1等系统级调优。

直接看 latest_fork_usec,它就是 fork 阻塞的唯一可信证据,其他指标全是间接线索。
怎么确认是 fork 不是大key 或慢命令导致的超时
当 P99 延迟突然跳到几百毫秒甚至秒级,但 redis-cli --bigkeys 扫不出大 key,SLOWLOG GET 10 里也基本没有 >5ms 的记录,就要立刻怀疑 fork —— 因为 fork 是主线程同步阻塞操作,期间所有命令排队等待,但不会进 slowlog,也不会触发 bigkeys 报告。
- 执行
redis-cli info stats | grep latest_fork_usec,值 >500000(即 500ms)就已构成业务影响;>1000000(1s)说明实例处于高风险状态 - 注意:该值为 0 表示尚未发生过 fork,不代表安全;可能只是还没触发 RDB 或 AOF rewrite
- 不要用
redis-cli --latency的毛刺反推 fork —— 它测的是 ping 延迟,受很多干扰,不能定位根因
集群环境下必须逐节点查 latest_fork_usec
Redis 集群中每个分片是独立进程,fork 耗时互不影响。只查一个节点的 latest_fork_usec 完全没意义,可能出问题的节点恰好没被采样到。
- 用脚本遍历所有分片:比如
for port in 7000 7001 7002; do echo "port $port:"; redis-cli -p $port info stats 2>/dev/null | grep latest_fork_usec; done - 配合时间戳观察波动:
watch -n 1 'date; redis-cli -p 7000 info stats 2>/dev/null | grep latest_fork_usec',确认是否在定时bgsave或 AOF rewrite 窗口集中飙升 - 如果某节点
latest_fork_usec持续 >800000,而其他节点正常,基本可锁定该节点为故障源
为什么关了 THP、设了 vm.overcommit_memory=1 还是降不下来
常见错误是只改了一半:内核 ≥5.12 对 fork 有优化,但必须两个条件同时满足且生效,缺一不可。
-
transparent_hugepage必须设为never:echo never > /sys/kernel/mm/transparent_hugepage/enabled;仅改/etc/default/grub或配置文件不生效,需写入/etc/rc.local或 systemd drop-in,并重启 Redis 进程(不是 reload) -
vm.overcommit_memory必须为 1:sysctl vm.overcommit_memory=1;设为 0 时,fork 失败后 Redis 会退化为同步 SAVE,阻塞更严重 - 若运行在 KVM/QEMU 虚拟机中,宿主机必须透传
pdpe1gbCPU 特性,否则 guest 内核无法启用大页优化路径 - 实测发现:只升级内核、换 NVMe、调大
maxmemory,但没关 THP,fork 耗时仍比预期高 2–3 倍
真正卡住的点往往不在 Redis 配置本身,而在操作系统层面对 fork() 的内存管理策略 —— 关键参数不生效、虚拟化环境特性未透传、或 Redis 进程没真正重启,这些细节最容易被跳过。


















