vlambda博客
学习文章列表

我为什么用ES做Redis监控,不用Prometheus或Zabbix?


Redis 当下很流行,也很好用,无论是在业务应用系统,还是在大数据领域都有重要的地位;但 Redis 也很脆弱,用不好,问题多多。


图片来自 Pexels


2012 年以前都是以 Memcached 为主,之后转到 Redis 阵营,经历过单实例模式、主从模式、哨兵模式、代理模式,集群模式,真正公司层面用得好的很少,对于 Redis 掌控都很片面,导致实际项目中问题不少。

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

Redis 热度排名


Redis 要想用得好,需要整体掌握三个层面:

  • 开发层面

  • 架构层面

  • 运维层面


其中架构与运维至关重要,多数中小型企业仅在开发层面满足常用功能,数据规模稍微大些,业务复杂度高些,就容易出现各种架构与运维问题。


本文主旨是探讨 Redis 监控体系,目前业界当然也有很多成熟的产品,但个人觉得都很常规,只做到一些粗粒度的监控,没有依据业务需求特点因地制宜去细化,从而反向的提供架构开发优化方案。


本文内容将围绕如下几个问题展开讨论:
  • Redis 监控体系有哪些方面?

  • 构建 Redis 监控体系我们做了哪些工作?

  • Redis 监控体系应该细化到什么程度?

  • 为什么使用 ELK 构建监控体系?


需求背景


项目描述


公司业务范围属于车联网行业,有上百万级的真实车主用户,业务项目围绕车主生活服务展开,为了提高系统性能,引入了 Redis 作为缓存中间件。

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

Redis 集群架构与应用架构示意图


具体描述如下:
  • 部署架构采用 Redis-Cluster 模式。

  • 后台应用系统有几十个,应用实例数超过二百个。

  • 所有应用系统共用一套缓存集群。

  • 集群节点数几十个,加上容灾备用环境,节点数量翻倍。

  • 集群节点内存配置较高。


问题描述


系统刚开始关于 Redis 的一切都很正常,随着应用系统接入越来越多,应用系统子模块接入也越来越多,开始出现一些问题,应用系统有感知,集群服务端也有感知。


如下描述:
  • 集群节点崩溃。

  • 集群节点假死。

  • 某些后端应用访问集群响应特别慢。


其实问题的根源都是架构运维层面的欠缺,对于 Redis 集群服务端的运行监控其实很好做,本身也提供了很多直接的命令方式。


但只能看到服务端的一些常用指标信息,无法深入分析,治标不治本,对于 Redis 的内部运行一无所知。


特别是对于业务应用如何使用 Redis 集群一无所知:
  • Redis 集群使用的热度问题?

  • 哪些应用占用的 Redis 内存资源多?

  • 哪些应用占用 Redis 访问数最高?

  • 哪些应用使用 Redis 类型不合理?

  • 应用系统模块使用 Redis 资源分布怎么样?

  • 应用使用 Redis 集群的热点问题?


监控体系


监控的目的不仅仅是监控 Redis 本身,而是为了更好的使用 Redis。


传统的监控一般比较单一化,没有系统化,但对于 Redis 来说,个人认为至少包括:
  • 服务端

  • 应用端

  • 服务端与应用端联合分析


服务端


服务端首先是操作系统层面,常用的 CPU、内存、网络 IO,磁盘 IO,服务端运行的进程信息等


Redis 运行进程信息,包括服务端运行信息、客户端连接数、内存消耗、持久化信息 、键值数量、主从同步、命令统计、集群信息等;


Redis 运行日志,日志中会记录一些重要的操作进程,如运行持久化时,可以有效帮助分析崩溃假死的程序。


应用端


应用端、获取应用端使用 Redis 的一些行为,具体哪些应用哪些模块最占用 Redis 资源、哪些应用哪些模块最消耗 Redis 资源、哪些应用哪些模块用法有误等。


联合分析


联合分析结合服务端的运行与应用端使用的行为,如:一些造成服务端突然阻塞的原因,可能是应用端设置了一个很大的缓存键值,或者使用的键值列表,数据量超大造成阻塞。


解决方案


为什么会选择 Elastic-Stack 技术栈呢?


多数的第三方只监控一些指标,对于明细日志还是采用 ELK(Elasticsearch、Logstash、Kibana),也就是说用第三方监控指标之后,还得再搭建一个 ELK 集群看明细日志。


再就是说 Elastic-Stack 技术栈整合的优势,指标也可以、日志文件也可以,从采集开始到存储、到最终报表面板都整合得非常好,门槛很低。


下面详细聊聊我们具体怎么做的,做了哪些工作?


服务端系统


Elastic-Stack 家族有 MetricBeat 产品,支持系统层面的信息收集,简单的配置下 Elastic 集群地址和系统指标模块即可上线,并且会在 Kibana 中创建已有的系统监控面板,非常简单快速,一般运维就可以搞定。

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

MetrciBeat 示意图


系统指标信息收集配置样例如下:

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

服务端集群


收集 Redis 集群运行信息,业界通常做法都是采用 Redis 提供的 info 命令,定期收集。


info 获取的信息包括如下:
  • server:Redis 服务器的一般信息

  • clients:客户端的连接部分

  • memory:内存消耗相关信息

  • persistence:RDB 和 AOF 相关信息

  • stats:一般统计

  • replication:主/从复制信息

  • cpu:统计 CPU 的消耗 command

  • stats:Redis 命令

  • 统计 cluster:Redis 集群信息

  • keyspace:数据库的相关统计


Elastic-Stack 家族的 MetricBeat 产品也支持 Redis 模块,也是采用 info 命令获取的。


但是有一些实现的局限性,如下描述:
  • Redis 集群的主从关系信息,MetricBeats 表达不出来。

  • Redis 集群的一些统计信息,永远是累计增加的,如命令数,如果要获取命令数的波峰值,则无法得到;

  • Redis 集群状态信息变化,MetricBeats 是无法动态的,如集群新增节点、下线节点等。


所以这里参考了 CacheCloud 产品(搜狐团队开源),我们自定义设计开发了 Agent,定时从 Redis 集群采集信息,并在内部做一些统计数值的简单计算,转换成 Json,写入到本地文件,通过 Logstash 采集发送到 Elasticsearch。


我为什么用ES做Redis监控,不用Prometheus或Zabbix?

Redis 服务端运行信息采集架构示意图

服务端日志


我为什么用ES做Redis监控,不用Prometheus或Zabbix?

服务端日志采集过程

Redis 运行日志采集配置:

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

应用端


应用端信息采集是整个 Redis 监控体系最重要的部分,也是实现最麻烦、链路最长的。


首先是修改 Jedis(技术栈 Java)源码,增加埋点代码,重新编译并引用到应用项目中,应用端对于 Redis 集群的任何命令操作,都会被捕捉,并记录下关键信息,之后写入到本地文件。

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

Redis 应用端行为采集架构图


应用端采集的数据格式如下:

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

应用端采集的数据案例

①Jedis 修改


Jedis 改造记录的信息如下:
  • r_cmd:执行命令类型、如 get、set、hget、hset 等各种。

  • r_start:执行命令开始时间。

  • r_cost:时间消耗。

  • r_size:获取键值大小或者设置键值大小。

  • r_key:获取键值名称。

  • r_keys:键值的二级拆分,数组的长度不限制。这里有必要强调一下,所有应用系统共用的是一套集群,所以应用系统的键值都是有规范的,按照特殊符号分割,如:"应用名称_系统模块_动态变量_xxx“,主要便于我们区分。


在 Jedis 改造有几处地方,如下:
  • 类 Connection.java 文件,统计开始,记录命令执行开始时间;统计结束,记录命令结束时间、时间消耗等,并写入到日志流中。

  • 类 JedisClusterCommand 文件,获取键的地方 key,方便之后分析应用键的行为。


在类 Connection.java 文件中有两处:

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

类Connection.java 文件埋点代码的地方

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

类 Connection.java 文件埋点代码的地方


类 JedisClusterCommand 文件埋点代码 .java 文件中有 1 处:

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

类 JedisClusterCommand 文件埋点代码

②Logback 修改

应用端都会使用 Logback 写入日志文件,同时为了更加精准,应用端写入日志时还需要获取应用端的一些信息,如下:

  • app_host:应用端部署在服务器上的服务器名称。


我为什么用ES做Redis监控,不用Prometheus或Zabbix?

自定义 Logback 的 Layout

③App 配置

App 配置属于最后收尾工作,主要是输出埋点的日志数据,配置日志 logback.xml 文件即可:

我为什么用ES做Redis监控,不用Prometheus或Zabbix?

配置应用端日志文件 logback.xml

④日志采集

应用端日志采集采用 Logstash,配置日志目录,指向 Elastic 集群,这样整体的监控日志采集部分就结束了。

日志分析


Redis 服务端的日志分析比较简单,常规的一些指标而已,创建好关键的图表,容易看出问题。重点讨论应用端的日志分析。

应用端使用 Redis 一些行为图表


ELK 监控体系上线之后,我们连续观察分析两周,获得了一些监控成果,如:
  • 应用端部分键值太大,居然超过 1MB,这种键值访问一次消耗时间很大,会严重造成阻塞。

  • 部分应用居然使用 Redis 当成数据库使用。

  • 有将 List 类型当成消息队列使用,一次存取几十万的数据。

  • 某些应用对于集群的操作频次特别高,几乎占用了一半以上。

  • 还有很多,就不一一描述了。


后续方案


监控体系相当于架构师的眼睛,有了这个,Redis 方面的优化改造方案就很好制定了:
  • 应用端、误用的使用全部要改掉。

  • 服务端,按照应用的数据,进行一些拆分,拆分出一些专用的集群,特定为一些应用使用或者场景。

  • 开发者,后续有新业务模块需要接入 Redis 需要告知架构师们评审。


结语


监控体系项目前后经历过几个月,服务端部分短期内就完成的,应用端是随着应用发布逐步完成的。上线完成之后又经历几周的跟踪分析,才确定下来整体的优化方案。

监控体系本身并不是为了监控,而是发现问题、预见问题,最终提前解决问题,监控做得好,下班下得早。


Redis 集群是个好东西,完全掌握还是需要很长的时间,特别是架构、运维层面,如果没有,请做好监控。

简介:数据技术专家,Elastic-Stack 产品深度用户,ES 认证工程师,对 Elastic-Stack 开发、架构、运维有深入体验;实践过多种 ES 项目,最暴力的大数据分析应用,最复杂的业务系统应用。

编辑:陶家龙

精彩文章推荐: