发布时间:2026-09-30 12:31 更新时间:2026-09-30 12:31 阅读量:12
值班时遇到过一个挺典型的现象:Redis 的 connected_clients 一路往上爬,但慢查询日志干干净净,CPU 和 QPS 都不高,业务侧却偶发报“连接被拒绝”或超时。这类问题的本质往往不是某条命令慢,而是连接本身在泄漏或者根本没被复用。本文按从现象到根因的顺序,把排查动作拆成可照做的几步。
第一步不是改配置,而是看清楚这些连接长什么样。redis-cli info clients 能拿到总数,但要定位来源得用 client list。它每行代表一个连接,字段包括 addr、name、age、idle、db、cmd 等,其中 idle(空闲秒数)和 age(连接存活秒数) 是判断泄漏的关键。
# 统计每个客户端 IP 的连接数,按数量倒序
redis-cli client list | awk '{split($2,a,"="); split(a[2],ip,":"); print ip[1]}' | sort | uniq -c | sort -rn | head
看空闲超过 300 秒的连接有多少
redis-cli client list | grep -o 'idle=[0-9]*' | awk -F= '$2>300' | wc -l
看连接都停留在哪个库、最后执行了什么命令
redis-cli client list | awk '{print $6, $9}' | sort | uniq -c | sort -rn | head
解读方式:如果某个 IP 的连接数占比很高,且大量连接 idle 很大、age 也很长,说明这些连接建立后长期没用也没关,属于典型的空闲堆积。反过来,如果 idle 都很小、age 也不长,那更可能是并发量真实上升,方向应转向限流和容量评估,而不是查泄漏。注意 client list 的字段顺序在不同版本可能略有差异,解析前建议先不加管道跑一次看原始输出,具体以实际版本为准。
很多人有个误解:连接多一定是请求多。其实 Redis 是单线程处理命令,连接建立和命令执行是两回事。客户端连上来之后即使不发命令,这个连接也会一直占着一个 fd 和一份内存,直到被关闭或超时回收。当连接数逼近 maxclients(默认 10000,实际可用值还会受系统 ulimit -n 影响),新连接就会收到 “ERR max number of clients reached”。
所以排查顺序应该是:先看是否空闲堆积,再看客户端有没有复用,最后才考虑调大 maxclients。调大只是把问题往后推,泄漏不解决,迟早还会触顶。同时要确认系统层面的文件句柄是否够:cat /proc/$(pidof redis-server)/limits | grep 'open files',如果这个值偏小,Redis 自己也会在启动日志里提示降低 maxclients。
如果你的 Redis 前面挂着代理或负载均衡,还要注意一层:代理到 Redis 的连接数可能被放大,排查时把代理自身也纳入统计,否则会误判成业务侧泄漏。
Redis 提供了两个和连接回收相关的配置。timeout 用于关闭空闲超过指定秒数的客户端连接,设为 0 表示不主动关闭;tcp-keepalive 用于在 TCP 层探测死连接,默认 300 秒。对于短连接使用场景,适当设置 timeout 能自动清理僵尸连接,但要注意:如果客户端用了连接池且池里就是想让空闲连接留着复用,timeout 设太小会导致连接被反复创建销毁,反而增加开销。这两个值没有普适答案,要结合客户端池配置一起定,改完用 CONFIG GET 复核。
# 查看当前空闲回收相关配置
redis-cli config get timeout
redis-cli config get tcp-keepalive
redis-cli config get maxclients
运行时临时调整(重启会失效,持久化请改 redis.conf)
redis-cli config set timeout 300
主动断开指定连接,验证释放效果(id 来自 client list 第一列)
redis-cli client kill id 123456
连接池侧是泄漏的高发区,建议逐项核对这些点:
一是 最大连接数配置。很多池默认 maxTotal 或 max_connections 设得偏大,而池是懒创建的,流量一上来就按上限开,看起来像“暴涨”。
二是 归还逻辑。用 try/finally 或在框架层确保连接一定归还,异常分支里漏掉 close 是常见泄漏源。
三是 超时参数配套。池的 maxIdle、minEvictableIdleTime、testWhileIdle 要和 Redis 的 timeout 对齐,否则一边想回收、一边池还认为连接可用。
四是 多实例叠加。应用扩了副本数、每个副本又开了自己的池,总连接数 = 副本数 × 单副本池上限,扩容前先算这笔账。
五是 验证是否真的复用。可以在业务侧打点统计物理连接的创建次数,或观察 Redis 的 total_connections_received 增长速度,如果它随请求线性增长,说明几乎没复用。
连接数暴涨而慢命令为空,排查主线其实很短:用 client list 按 IP、idle、age 分组,确认是不是空闲连接堆积;再顺着客户端连接池的归还、上限、超时三个方向找泄漏点;最后才考虑 timeout、tcp-keepalive 和 maxclients 这类回收与容量参数。动配置之前先把连接画像看清楚,能省掉大量反复调参的时间。建议把 client list 的统计脚本做成定时任务留存,出问题时对比历史曲线,定位会快很多。
| 📑 | 📅 |
|---|---|
| MySQL 8 慢查询日志查不到 SQL:digest 归并与真实语句还原 | 2026-09-30 |
| Nginx 与后端 POST 请求体丢失排查:缓冲与转发链路 | 2026-09-30 |
| nohup 与 systemd-run 后台任务取舍:SSH 断开进程被杀排查 | 2026-09-30 |
| PostgreSQL慢查询定位:pg_stat_statements安装与top SQL排序实战 | 2026-09-30 |
| Docker容器ulimit不生效排查:句柄继承链路与优先级 | 2026-09-30 |
| Linux磁盘满了但df与du不一致:挂载点遮蔽排查 | 2026-09-30 |
| Nginx日志499与502混合:按时间窗口对齐后端日志定位 | 2026-10-01 |
| 容器OOM Kill但宿主内存充足:cgroup统计口径与memory.max排查 | 2026-10-01 |
| PostgreSQL报too many clients但连接数没满:pgbouncer口径梳理 | 2026-10-01 |
| Linux RAID 降级与重建排查:mdadm 实战 | 2026-10-01 |