Redis XINFO STREAM 的 entries-added 为什么不等于 XLEN
Redis Stream 里,XINFO STREAM 返回的 entries-added 和 XLEN 不相等,通常不是数据损坏。它们统计的对象不同:entries-added 更接近这个 Stream 历史上成功加入过的消息计数,XLEN 则是当前仍保留的消息数量。执行过裁剪或删除后,前者可以继续增长,后者可能下降。
官方地址:https://redis.io/
排查时先问“我要看历史写入量,还是当前保留量”。看当前 Stream 有多少条消息用XLEN;看 Stream 元数据、首尾消息和历史计数用XINFO STREAM。
entries-added 和 XLEN 统计的不是一件事
XLEN key 返回当前 Stream 中的消息数量。XINFO STREAM key 返回的是一组元数据,其中的 length 表示当前长度,entries-added 表示累计加入过的消息计数。很多监控告警把 entries-added 当作积压量,结果会随着服务运行时间越来越大,即使 Stream 实际只保留最近一小段消息。
# 创建一个 Stream,并写入两条消息;示例用于观察字段口径 redis-cli XADD orders * user_id 1001 status created redis-cli XADD orders * user_id 1002 status created # XLEN 只看当前保留的消息数量 redis-cli XLEN orders # XINFO STREAM 同时查看 length、entries-added 和首尾消息元数据 redis-cli XINFO STREAM orders
在没有删除消息的简单场景里,length、XLEN 和 entries-added 可能暂时相同;这只是当前数据状态相同,并不意味着三个字段定义相同。图1把查询入口、计数口径和首尾消息边界放在一起,便于定位监控字段。

裁剪消息后为什么差距会继续扩大
Stream 常用 XTRIM 保留最近消息,例如按 MAXLEN 限制长度,或按 MINID 清理较早 ID。裁剪改变的是当前保留集合,因此 XLEN、length 和 first-entry 会反映新的状态;历史加入计数并不会因为旧消息被移除而倒退。
# 只保留最近三条消息;MAXLEN 是当前保留策略,不是历史写入计数 redis-cli XTRIM orders MAXLEN 3 # 再写入一条消息,观察当前长度与累计计数的分离 redis-cli XADD orders * user_id 1003 status ready redis-cli XINFO STREAM orders # 只需要当前消息数时,使用 O(1) 的 XLEN 读取长度 redis-cli XLEN orders
如果业务采用近似裁剪(~),实际保留长度还可能暂时高于目标值,因为 Redis 会按内部节点批量释放。这个现象仍然属于当前保留状态,不能拿它去反推累计写入量。图2只表达写入来源、保留策略和当前状态之间的静态关系,不代表一条已经执行过的命令链。

排查时应该看哪个字段
| 排查问题 | 优先字段 | 原因 |
|---|---|---|
| 当前还有多少条消息 | XLEN 或 length | 反映当前保留数量 |
| Stream 是否持续写入 | entries-added | 适合观察累计写入趋势,不能直接当积压 |
| 最早保留消息从哪里开始 | first-entry | 用于判断当前保留边界 |
| 最近一条消息是什么 | last-entry | 用于查看当前尾部状态 |
监控上可以同时记录 entries-added 的增量和 XLEN 的当前值:前者回答“写进来多少”,后者回答“现在留着多少”。如果只保留一个指标,排查消费积压时优先选择 XLEN,排查写入趋势时再看 entries-added。
常见问题
entries-added 比 XLEN 大很多,是不是 Stream 损坏了?
不一定。只要 Stream 使用过 XTRIM 或删除操作,历史加入计数和当前保留数量就可以自然分离。应结合 first-entry、last-entry 和保留策略判断。
XLEN 和 XINFO STREAM 的 length 为什么可能不一致?
正常情况下两者都描述当前 Stream 长度,读取时应保持一致。如果观察到不同,先确认是否读取了不同 key、不同 Redis 节点或不同时间点;不要把这种排查与 entries-added 的历史口径混在一起。
用 entries-added 判断消费组积压可以吗?
不建议。entries-added 没有直接表示某个消费组尚未确认的消息。它适合观察写入累计趋势;消费组积压应使用消费组相关元数据和业务消费指标单独判断。
结论
entries-added 是历史加入计数,XLEN 和 XINFO STREAM 的 length 是当前保留长度。裁剪后两者不相等是 Redis Stream 的正常数据生命周期表现。把“历史写入量”和“当前保留量”分开建模,监控和排障就不会把累计数字误报成实时积压。
Redis ZRANGE BYSCORE 怎样按分值范围读取成员
- 上一篇
- Redis ZRANGE BYSCORE 怎样按分值范围读取成员
- 下一篇
- Redis HSCAN 怎样渐进遍历大 Hash
-
- 数据库 · Redis | 23分钟前 |
- Redis ZRANGE BYSCORE 怎样按分值范围读取成员
- 462浏览 收藏
-
- 数据库 · Redis | 29分钟前 | Redis · redis Redis Cluster COUNT-FAILURE-REPORTS PFAIL FAIL 故障报告
- Redis CLUSTER COUNT-FAILURE-REPORTS 怎样读取节点的有效故障报告数
- 148浏览 收藏
-
- 数据库 · Redis | 31分钟前 |
- Redis LMOVE 怎样原子地移动列表元素
- 311浏览 收藏
-
- 数据库 · Redis | 37分钟前 | Redis · Stream · redis 消息队列 Stream 消费者组 XREADGROUP
- Redis XREADGROUP 怎样按消费者组读取 Stream
- 466浏览 收藏
-
- 数据库 · Redis | 38分钟前 | Redis · Stream ·
- Redis XGROUP CREATE 怎样为 Stream 创建消费者组
- 142浏览 收藏
-
- 数据库 · Redis | 10小时前 |
- Redis ECHO 怎样原样返回消息而不写入键
- 129浏览 收藏
-
- 数据库 · Redis | 20小时前 | 性能排查 · redis redis-cli LATENCY GRAPH latency monitor 延迟排障
- Redis LATENCY GRAPH 怎样把事件延迟画成可读趋势
- 180浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 1137次使用
-
- 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。
- 1121次使用
-
- 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。
- 1299次使用
-
- 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。
- 1237次使用
-
- 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。
- 1089次使用
-
- Go与Redis实现分布式互斥锁和红锁
- 2022-12-22 117浏览
-
- Go+Redis实现延迟队列实操
- 2023-02-23 426浏览
-
- 一文搞懂Go语言操作Redis的方法
- 2023-01-07 171浏览
-
- Golang分布式应用之Redis示例详解
- 2023-01-07 113浏览
-
- Go Redis客户端使用的两种对比
- 2022-12-30 195浏览

