当前位置:首页 > 文章列表 > 数据库 > Redis > Redis XINFO STREAM 的 entries-added 为什么不等于 XLEN

Redis XINFO STREAM 的 entries-added 为什么不等于 XLEN

来源:17golang原创 2026-11-20 07:50:17 0浏览 收藏

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。

XINFO STREAM、entries-added、length、XLEN 与 Stream 首尾消息字段的静态关系说明图
图1:结构说明图,展示 XINFO STREAM 的历史计数、当前长度和首尾消息元数据边界;它是原创说明图,不是 Redis 控制台截图。

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。

XADD、XTRIM、MAXLEN、MINID、entries-added、XLEN 和 first-entry 的静态关系说明图
图2:边界说明图,展示消息写入计数与当前保留长度在裁剪后的关系;它是原创结构图,不是运行结果图。

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。

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
Redis ZRANGE BYSCORE 怎样按分值范围读取成员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
Redis HSCAN 怎样渐进遍历大 Hash
下一篇
Redis HSCAN 怎样渐进遍历大 Hash
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。
    1137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。
    1121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。
    1299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。
    1237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。
    1089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