当前位置:首页 > 文章列表 > 数据库 > Redis > Redis MEMORY MALLOC-STATS 怎样读取内存分配器的统计文本

Redis MEMORY MALLOC-STATS 怎样读取内存分配器的统计文本

来源:17golang原创 2026-11-18 12:38:35 0浏览 收藏

执行 MEMORY MALLOC-STATS 即可读取 Redis 所用内存分配器的内部统计报告。它不接收键名,返回的是较长的统计文本,使用 redis-cli 的 --raw 选项便于直接阅读。官方说明目前只有 jemalloc 分配器实现了该报告,其他分配器下是无害的空操作,不能把没有详细统计直接解释为内存为零。

官方文档:https://redis.io/docs/latest/commands/memory-malloc-stats/

先确认需要的是分配器报告

面对“删除了数据,进程内存却没明显下降”的问题,我会先区分 Redis 统计、分配器状态和操作系统看到的驻留内存。这里的取舍是诊断方法,不是一次真实线上事故的复盘。MALLOC-STATS 适合继续观察分配器内部情况,不负责指出哪个业务键最占内存。

如果只是想看内存概况,我会先读 INFO memory,再决定是否需要详细报告。这样做能先明确目标实例和分配器,避免收集一大段暂时无法解释的文本。

确认目标实例与分配器类型

INFO memory 中的 mem_allocator 表示编译时选用的内存分配器。应读取目标服务返回的信息,而不是用本地 redis-cli 的版本来推断服务端实现。连接主机、端口、认证和 TLS 设置也要与目标实例保持一致。

Redis 是经由分配器管理内存的。释放内存给分配器后,分配器未必立即归还给操作系统;因此 Redis 用量和系统看到的内存量可能不同。单凭这种差异不能直接判定泄漏。

Redis 实例与分配器报告的静态关联
原创结构图:先区分目标实例、内存概况和分配器报告,图中没有虚构实际统计值。

读取原始文本并保存同次背景

# 示例连接本机实例;远程环境替换地址并沿用既有认证与 TLS 配置。
redis-cli -h 127.0.0.1 -p 6379 --raw INFO memory

# 不传键名,读取整个目标实例的分配器内部报告。
redis-cli -h 127.0.0.1 -p 6379 --raw MEMORY MALLOC-STATS

这两条命令是给读者执行的示例,本文没有连接真实 Redis,也不展示伪造输出。MALLOC-STATS 的名字包含两个命令词,不能写成一个带空格的键名,也不应在后面追加业务键或数据库名。

# 保存报告正文与错误通道,避免把连接错误混入统计文本。
redis-cli -h 127.0.0.1 -p 6379 --raw MEMORY MALLOC-STATS > allocator-report.txt 2> allocator-error.txt

# 同时保留内存概况,便于人工记录实例、时间和分配器背景。
redis-cli -h 127.0.0.1 -p 6379 --raw INFO memory > memory-context.txt

保存时建议另外记录服务端版本、采集时间、节点标识和当前负载背景。同名文件会被上述重定向覆盖,连续采集时应改成不同文件名。文件存在并不代表收集成功,仍需区分服务器返回的报告、错误回复和客户端连接错误;不要仅凭文件大小作判断。

解释报告时保留格式和版本边界

RESP2 把报告作为 Bulk string 返回,RESP3 使用 Verbatim string;二者表达的都是统计文本,不是固定字段顺序的数组或统一 JSON 对象。应用客户端需要处理其对应的字符串回复类型,不能默认把每一行都解析成 Redis 指标。

我的处理方式是先保留完整报告,再针对实际分配器及版本编写提取规则;如果一行不符合已知格式,保留原文供排查。将行号或列位置写死,遇到格式变化可能产生比解析失败更难发现的错误。正文不列一套虚构的通用字段表,因为 Redis 命令页没有给出跨分配器通用的文本结构契约。

统计文本与采集背景资料的关系
原创说明图:报告正文与采集背景分别保存,格式解释依赖实际分配器,不能把报告当作业务键清单。

遇到空报告或错误怎样处理

情况优先确认处理建议
没有详细统计mem_allocator 与部署支持范围先排除非 jemalloc 或平台不支持
返回权限错误账号是否允许执行该命令交给管理员按既有权限流程处理
连接失败实例地址、网络与连接参数先恢复正确连接,避免解读错误文本
报告格式不同服务端和分配器版本保留原文,调整提取规则

官方把该命令归入 @slow,耗时依赖已分配内存量,可能较慢。我会把它作为按需诊断材料,而不是直接加入高频轮询;实际采集频率应结合环境表现决定。命令页的兼容表也将 Redis Software 和 Redis Cloud 的列举部署模式标为不支持,不能把开源命令存在当作所有托管环境都能调用的保证。

它会顺便清理内存吗?

不会把统计报告等同于清理动作。需要改变内存行为时,应另行研究对应操作,不能从“读取报告”推导出已经释放内存。

能够只查询某个键吗?

该命令没有键名参数。若目标是业务键用量,应选择面向键的诊断方法,不能给它强加过滤条件。

集群里读一次代表所有节点吗?

不要把当前连接得到的报告当作全集群汇总。需要多节点对比时,应明确每份材料来自哪个目标节点,并保留各自背景。

参考:MEMORY MALLOC-STATS 命令说明、INFO 内存字段说明。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
MySQL replication_applier_global_filters 怎样查看复制通道共用的过滤规则MySQL replication_applier_global_filters 怎样查看复制通道共用的过滤规则
上一篇
MySQL replication_applier_global_filters 怎样查看复制通道共用的过滤规则
Go image.Point.Mod 怎样把坐标映射回给定矩形
下一篇
Go image.Point.Mod 怎样把坐标映射回给定矩形
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1095次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1091次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1256次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1197次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1045次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码