实例级内存使用情况检查

通过 INFO memory 命令获取当前Redis实例的内存统计信息：

redis> INFO memory
# Memory
used_memory:227329144
used_memory_human:216.80M
used_memory_rss:361926656
used_memory_peak:2176294808
maxmemory:2147483648
mem_fragmentation_ratio:1.59

重点关注以下指标：

• used_memory：实际使用的内存（约216.8MB）
• used_memory_rss：操作系统分配的物理内存（约345.16MB）
• mem_fragmentation_ratio：内存碎片率，超过1.5可能需要关注
• maxmemory：最大内存限制（2GB）

按数据库分片分析内存分布

使用Lua脚本对各DB的内存使用进行细分统计：

redis> EVAL "
  redis.replicate_commands()
  local total = tonumber(ARGV[1])
  local dbs = {}
  for i = 2, #ARGV do
    dbs[#dbs+1] = tonumber(ARGV[i])
  end

  local result = {}
  for _, db_idx in ipairs(dbs) do
    redis.call('SELECT', db_idx)
    local cursor, sum_bytes = '0', 0
    repeat
      local batch = redis.call('SCAN', cursor, 'COUNT', 1000)
      cursor = batch[1]
      for _, key in ipairs(batch[2]) do
        sum_bytes = sum_bytes + (redis.call('MEMORY', 'USAGE', key) or 0)
      end
    until cursor == '0'

    local mb = sum_bytes / 1024 / 1024
    local pct = sum_bytes * 100 / total
    table.insert(result, string.format('DB%d: %.2f MB (%.2f%%)', db_idx, mb, pct))
  end

  redis.call('SELECT', 0)
  return result
" 0 227329144 0 5 6 7

输出结果表明：DB7 占比达13.64%，是主要内存消耗源。

定位高内存占用Key

切换至目标数据库后，扫描并排序大键：

redis> SELECT 7

redis> EVAL "
  local cursor = '0'
  local entries = {}
  repeat
    local scan_result = redis.call('SCAN', cursor)
    cursor = scan_result[1]
    for _, key in ipairs(scan_result[2]) do
      local size = redis.call('MEMORY', 'USAGE', key) or 0
      local ttl = redis.call('TTL', key) or -1
      table.insert(entries, {key, size, ttl})
    end
  until cursor == '0'

  table.sort(entries, function(a,b) return a[2] > b[2] end)

  local top100 = {}
  for i = 1, math.min(100, #entries) do
    table.insert(top100, entries[i])
  end
  return top100
" 0

前缀匹配内存分析

针对特定前缀如 CASES_WORK 的键进行聚合分析：

redis> EVAL "
  local prefix = 'CASES_WORK'
  local cursor, total_size = '0', 0
  repeat
    local res = redis.call('SCAN', cursor, 'MATCH', prefix .. '*', 'COUNT', 1000)
    cursor = res[1]
    for _, key in ipairs(res[2]) do
      total_size = total_size + (redis.call('MEMORY', 'USAGE', key) or 0)
    end
  until cursor == '0'

  local info = redis.call('INFO', 'memory')
  local total_mem = tonumber(string.match(info, 'used_memory:(%d+)'))
  local percentage = total_size * 100 / total_mem

  return { total_size, total_mem, string.format('%.2f%%', percentage) }
" 0

返回结果为：{2616464, 220134304, "1.19%"}，确认该前缀共占约1.19%内存。

批量清理操作

安全地删除指定前缀的键，支持分批执行：

redis> SELECT 7

-- 分批删除，每次最多处理1000个
redis> EVAL "
  redis.replicate_commands()
  local cursor = '0'
  local deleted_count = 0
  local limit = tonumber(ARGV[1])

  repeat
    local res = redis.call('SCAN', cursor, 'MATCH', 'CASES_WORK*', 'COUNT', 1000)
    cursor = res[1]
    for _, key in ipairs(res[2]) do
      if deleted_count < limit then
        redis.call('UNLINK', key)
        deleted_count = deleted_count + 1
      end
    end
  until cursor == '0' or deleted_count >= limit

  return deleted_count
" 0 1000

统计指定前缀键数量

redis> EVAL "
  local cursor = '0'
  local count = 0
  repeat
    local res = redis.call('SCAN', cursor, 'MATCH', 'CASES_WORK*', 'COUNT', 1000)
    cursor = res[1]
    count = count + #res[2]
  until cursor == '0'
  return count
" 0

最终返回值为 299，说明共有299个以 CASES_WORK 开头的键。