python获取redismemory使用情况场景分析

2022-12-21 18:00

短信预约 -IT技能 免费直播动态提醒

一、环境搭建

Windows + Anaconda3
安装redis第3方包，pip install -u redis
- pip install -u # 升级安装
linux下查看redis配置信息

bind 127.0.0.1	# 表示只允许本地访问,无法远程连接
bind 0.0.0.0    # 表示任何ip都可以访问

protected-mode yes # 保护模式，只允许本地链接
protected-mode no  # 保护模式关闭  

daemonize yes # 开启守护进程模式。单进程多线程模式，redis在后台运行。
daemonize no  # redis命令行界面，exit强制退出或关闭连接都会导致redis进程退出

配置示例

查找redis.conf文件路径位置，find / -name 'redis.conf'
查看redis.conf文件，vim redis.conf

在这里插入图片描述

二、代码实现

1、StrictRedis vs Redis

StrictRedis用于实现大部分官方的命令，并使用官方语法和命令；
Redis是StrictRedis的子类，用于向后兼容旧版本的redis-py；
官方推荐使用StrictRedis方法。

2、实验代码

import redis

r = redis.Redis(host='10.xx.xx.201', port=7019,decode_responses=True, password='********')
mmj = r.info('Memory')
# result / r.execute_command('info Memory')

used_memory = mmj.get('used_memory')
maxmemory = mmj.get('maxmemory')

used_memory_human = mmj.get('used_memory_human')
maxmemory_human = mmj.get('maxmemory_human')
left_mem_ratio = (maxmemory - used_memory)*1.0/maxmemory

在这里插入图片描述

三、redis info

Redis commands info 官方指南

1、memory

信息项	解释
used_memory	由Redis分配器分配的内存总量，包含redis进程内部的开销和数据占用的内存，以字节为单位
used_memory_human	更直观展示分配的内存总量。
used_memory_rss	向os申请的内存大小。与 top 、 ps等命令的输出一致。
used_memory_rss_human	更直观展示向os申请的内存大小。
used_memory_peak	redis的内存消耗峰值(以字节为单位)
used_memory_peak_human	更直观返回redis的内存消耗峰值
used_memory_peak_perc	使用内存达到峰值内存的百分比，即(used_memory/ used_memory_peak) *100%
used_memory_overhead	Redis为了维护数据集的内部机制所需的内存开销，包括所有客户端输出缓冲区、查询缓冲区、AOF重写缓冲区和主从复制的backlog。
used_memory_startup	Redis服务器启动时消耗的内存
used_memory_dataset	数据占用的内存大小，即used_memory-sed_memory_overhead
used_memory_dataset_perc	数据占用的内存大小的百分比，100%*(used_memory_dataset/(used_memory-used_memory_startup))
total_system_memory	整个系统内存
total_system_memory_human	以更直观的格式显示整个系统内存
used_memory_lua	Lua脚本存储占用的内存
used_memory_lua_human	以更直观的格式显示Lua脚本存储占用的内存
maxmemory	Redis实例的最大内存配置
maxmemory_human	以更直观的格式显示Redis实例的最大内存配置
maxmemory_policy	当达到maxmemory时的淘汰策略
mem_fragmentation_ratio	碎片率，used_memory_rss/ used_memory
mem_allocator	内存分配器
active_defrag_running	表示没有活动的defrag任务正在运行，1表示有活动的defrag任务正在运行（defrag:表示内存碎片整理）
lazyfree_pending_objects	0表示不存在延迟释放的挂起对象