首页 > 数据库 >【性能测试】Redis监控利器---Redis State

【性能测试】Redis监控利器---Redis State

时间:2024-02-22 09:45:32浏览次数:29  
标签:缓存 Redis --- State 内存 命中 服务器 每秒

一、本地运行监控神器(以Windows为例)

1、安装Jruby,官网地址:http://jruby.org/

2、官网下载最新的Redis State jar包,官网下载地址:https://github.com/junegunn/redis-stat/releases

3、启动Redis State进行监控

(1)启动命令

redis-stat [HOST[:PORT][/PASS] ...] [INTERVAL [COUNT]]
示例如下: 
java -jar redis-stat-0.4.14.jar 127.0.0.1:6379/root --verbose --server=8080 5

(2)页面进行查看监控效果 http://127.0.0.1:8080/

 各类指标的详细说明:

  • 时间(Time):当前时间。
  • 用户 CPU 时间(us):Redis 服务器消耗的用户 CPU 时间。
  • 系统 CPU 时间(sy):Redis 服务器消耗的系统 CPU 时间。
  • 进程上下文切换次数(cl):Redis 服务器的进程上下文切换次数。
  • 后台进程上下文切换次数(bcl):Redis 服务器的后台进程上下文切换次数。
  • 每秒拒绝的连接数(rej/s):每秒被 Redis 服务器拒绝的连接数。
  • 内存使用情况(mem):Redis 服务器当前使用的内存大小。
  • 物理内存使用情况(rss):Redis 服务器当前使用的物理内存大小。
  • 内存碎片率(frag):Redis 服务器内存碎片率。
  • 键的数量(keys):Redis 服务器当前存储的键的数量。
  • 每秒执行的命令数(cmd/s):Redis 服务器每秒执行的命令数。
  • 最近一秒执行的命令数(cmd):Redis 服务器最近一秒执行的命令数。
  • 每秒过期的键数(exp/s):每秒过期的键的数量。
  • 最近一秒过期的键数(exp):最近一秒过期的键的数量。
  • 每秒键空间通知事件数(evt/s):每秒发生的键空间通知事件数。
  • 最近一秒键空间通知事件数(evt):最近一秒发生的键空间通知事件数。
  • 缓存命中率(hit%/s):每秒缓存命中率。
  • 缓存命中数(hit/s):每秒缓存命中数。
  • 缓存命中数(hit):缓存命中数。
  • 缓存未命中数(mis/s):每秒缓存未命中数。
  • 缓存未命中数(mis):缓存未命中数。
  • AOF 文件当前大小(aofcs):AOF(Append-Only File)文件当前的大小。
  • AOF 缓冲区大小(aofbs):AOF 缓冲区的大小。
  • 连接数(chsv):当前连接的客户端数。
  • Pub/Sub 订阅数(psch):当前 Pub/Sub 订阅的客户端数。
  • Pub/Sub 模式数量(psp):当前 Pub/Sub 模式的数量。

重点关注以下几个指标:

  1. 内存使用情况(mem)和物理内存使用情况(rss):这两个指标可以帮助你了解 Redis 服务器当前使用的内存情况,包括内存大小以及占用的物理内存大小。如果内存使用量接近或超过服务器可用内存的限制,可能会导致性能问题或内存溢出。

  2. 每秒执行的命令数(cmd/s)和每秒过期的键数(exp/s):这些指标反映了 Redis 服务器的负载情况,包括每秒执行的命令数和每秒过期的键数。通过监控这些指标,你可以了解服务器的负载情况,及时调整配置以应对高负载情况。

  3. 缓存命中率(hit%/s)和缓存未命中数(mis/s):缓存命中率反映了 Redis 服务器缓存的效率,而缓存未命中数则表示缓存未命中的次数。通过监控这些指标,你可以了解缓存的命中情况,优化缓存策略以提高性能。

参考地址:https://www.cnblogs.com/gdg87813/p/13210989.html

https://www.cnblogs.com/fulongyuanjushi/p/17773608.html

标签:缓存,Redis,---,State,内存,命中,服务器,每秒
From: https://www.cnblogs.com/xfbk/p/18025316

相关文章

  • Linux-Source Insight添加系统库路径
    1、在BASE项目下添加Project->OpenProject,打开Base项目2、打开PreferencesProject->Preferences,选择SymbolLookups选项卡3、打开ImportSymbolsforAllProjects4、打开右侧Add按钮,弹出AddExternalSymbols对话框5、打开ImportfromanINCLUDEpath6、将需要添加的......
  • Keras深度强化学习--DPG与DDPG实现
    DQN系列算法对连续空间分布的action心有余而力不足,而PolicyGradient系列的算法能够有效的预测连续的动作。在此基础上DPG和DDPG算法被提了出来,并且能够有效地处理连续动作问题。Paper:DPG:DeterministicpolicygradientalgorithmsDDPG:ContinuousControlwithDeepReinforce......
  • 【2024-02-09】连岳摘抄
    23:59银灯守岁未应眠,一听阳春自洒然。更祝明朝风日好,梅花满眼踏新年。                                                 ——《除夜次唐诗韵》明·吴与弼人最大的动......
  • 【2024-02-10】连岳摘抄
    23:59愿保兹善,千载为常。欢笑尽娱,乐哉未央。                                                 ——魏晋·曹植所以孔子说:“道不远人。人之为道而远人,不可以为道。”......
  • 华为云帕鲁服务器-云耀云容器版,到底强在哪?
    本文分享自华为云社区《深入解析华为云帕鲁服务器-云耀云容器版》,作者:云容器大未来。随着游戏【幻兽帕鲁】爆火出圈,和好友联机玩帕鲁已成为当前很多玩家的日常,天下打工人一道“白天当帕鲁,晚上玩帕鲁”,各家云厂商自然不会放过这个带货的热点,纷纷跟进推出各自的帕鲁专用服务器。放......
  • 解密prompt系列24. RLHF新方案之训练策略:SLiC-HF & DPO & RRHF & RSO
    去年我们梳理过OpenAI,Anthropic和DeepMind出品的经典RLHF论文。今年我们会针对经典RLHF算法存在的不稳定,成本高,效率低等问题讨论一些新的方案。不熟悉RLHF的同学建议先看这里哦解密Prompt7.偏好对齐RLHF-OpenAI·DeepMind·Anthropic对比分析RLHF算法当前存在的一些问题有RL的......
  • pandas读取txt---按行输入按行输出
     1.pandas读取txt---按行输入按行输出importpandasaspd#我们的需求是取出所有的姓名#test1的内容'''idnamescore1张三1002李四993王五98'''test1=pd.read_table("test1.txt")#这个是带有标题的文件names=test1["name"]#根据标题来取值p......
  • 分析kube-apiserver单次创建namespace耗时
    日志输出#业务日志I022022:12:39.14936440965multi_config_multi_clientset.go:63]begintowaitcachesyncI022022:12:39.25046140965multi_config_multi_clientset.go:67]waitcachesyncendI022022:12:39.25644040965multi_config_multi_clientset.go:......
  • P5344 【XR-1】逛森林 题解
    题目链接:逛森林很早就想写写倍增优化建图,尤其是这题,奈何之前知识点没点够,本题线段树优化建图要优一些,不再赘述,没注意\(m\)是\(1e6\),挂了\(n\)多发才发现。后续再详细讲解倍增优化建图,这里简述本题做法。倍增优化建图其实和线段树优化建图恰不多的思想,为倍增求\(LCA\)的每......
  • 2024-02-21 闲话
    下午打算简化一下研究toolkengpt代码,让ChatGPT解释了一遍发现toolkengpt没有真正调用工具,实在是颠覆认知了。差点就想说词语接龙实现不了agi了。后来看随机向量的一些性质感觉看了也没用,也可能是感觉对他那些多元积分进行感性理解比读符号表达式方便一百倍,第一开始......