java獲取redis日志信息與動態(tài)監(jiān)控信息的方法
效果展示如下所示:
實時監(jiān)控
redis環(huán)境信息和日志列表
Redis配置
在windows下安裝的redis,在安裝目錄找到redis.windows.conf文件,修改以下字段(按實際情況設置):
slowlog-log-slower-than 100 slowlog-max-len 1000000
slowlog-log-slower-than:是配置需要日志記錄的命令執(zhí)行時間,單位是微秒,也就是說配置為100,會記錄命令執(zhí)行時間為0.1ms以上的記錄。如果設置為0,就會記錄所有執(zhí)行過的命令。
slowlog-max-len:是配置日志記錄的條數(shù),因為這個日志也是存儲在內(nèi)存中的,所以不需要擔心記錄日志會影響性能,但是會消耗一定內(nèi)存。
完成對這些信息的獲取主要還是利用redis的一些命令,如果是win系統(tǒng)下安裝的redis,在安裝目錄運行redis-cli.exe這個文件,輸入info,再回車,就可以看到輸出很多字段的參數(shù)
部分具體參數(shù)對應的意思如下:
- server : 一般 Redis 服務器信息,包含以下域:
- redis_version : Redis 服務器版本
- redis_git_sha1 : Git SHA1
- redis_git_dirty : Git dirty flag
- os : Redis 服務器的宿主操作系統(tǒng)
- arch_bits : 架構(gòu)(32 或 64 位)
- multiplexing_api : Redis 所使用的事件處理機制
- gcc_version : 編譯 Redis 時所使用的 GCC 版本
- process_id : 服務器進程的 PID
- run_id : Redis 服務器的隨機標識符(用于 Sentinel 和集群)
- tcp_port : TCP/IP 監(jiān)聽端口
- uptime_in_seconds : 自 Redis 服務器啟動以來,經(jīng)過的秒數(shù)
- uptime_in_days : 自 Redis 服務器啟動以來,經(jīng)過的天數(shù)
- lru_clock : 以分鐘為單位進行自增的時鐘,用于 LRU 管理
- clients : 已連接客戶端信息,包含以下域:
- connected_clients : 已連接客戶端的數(shù)量(不包括通過從屬服務器連接的客戶端)
- client_longest_output_list : 當前連接的客戶端當中,最長的輸出列表
- client_longest_input_buf : 當前連接的客戶端當中,最大輸入緩存
- blocked_clients : 正在等待阻塞命令(BLPOP、BRPOP、BRPOPLPUSH)的客戶端的數(shù)量
- memory : 內(nèi)存信息,包含以下域:
- used_memory : 由 Redis 分配器分配的內(nèi)存總量,以字節(jié)(byte)為單位
- used_memory_human : 以人類可讀的格式返回 Redis 分配的內(nèi)存總量
- used_memory_rss : 從操作系統(tǒng)的角度,返回 Redis 已分配的內(nèi)存總量(俗稱常駐集大小)。這個值和 top 、 ps 等命令的輸出一致。
- used_memory_peak : Redis 的內(nèi)存消耗峰值(以字節(jié)為單位)
- used_memory_peak_human : 以人類可讀的格式返回 Redis 的內(nèi)存消耗峰值
- used_memory_lua : Lua 引擎所使用的內(nèi)存大小(以字節(jié)為單位)
- mem_fragmentation_ratio : used_memory_rss 和 used_memory 之間的比率
- mem_allocator : 在編譯時指定的, Redis 所使用的內(nèi)存分配器??梢允?libc 、 jemalloc 或者 tcmalloc 。
在理想情況下, used_memory_rss 的值應該只比 used_memory 稍微高一點兒。
當 rss > used ,且兩者的值相差較大時,表示存在(內(nèi)部或外部的)內(nèi)存碎片。
內(nèi)存碎片的比率可以通過 mem_fragmentation_ratio 的值看出。
當 used > rss 時,表示 Redis 的部分內(nèi)存被操作系統(tǒng)換出到交換空間了,在這種情況下,操作可能會產(chǎn)生明顯的延遲。當 Redis 釋放內(nèi)存時,分配器可能會,也可能不會,將內(nèi)存返還給操作系統(tǒng)。
如果 Redis 釋放了內(nèi)存,卻沒有將內(nèi)存返還給操作系統(tǒng),那么 used_memory 的值可能和操作系統(tǒng)顯示的 Redis 內(nèi)存占用并不一致。
查看 used_memory_peak 的值可以驗證這種情況是否發(fā)生。 - persistence : RDB 和 AOF 的相關(guān)信息
- stats : 一般統(tǒng)計信息
- replication : 主/從復制信息
- cpu : CPU 計算量統(tǒng)計信息
- commandstats : Redis 命令統(tǒng)計信息
- cluster : Redis 集群信息
- keyspace : 數(shù)據(jù)庫相關(guān)的統(tǒng)計信息
java部分代碼實現(xiàn)
上面是命令窗的方式,使用java的話,我們就是借助jedis這個框架來幫我們完成:
@Component public class RedisUtil { @Autowired JedisPool jedisPool; // 獲取redis 服務器信息 public String getRedisInfo() { Jedis jedis = null; try { jedis = jedisPool.getResource(); Client client = jedis.getClient(); client.info(); String info = client.getBulkReply(); return info; } finally { // 返還到連接池 jedis.close(); } } // 獲取日志列表 public List<Slowlog> getLogs(long entries) { Jedis jedis = null; try { jedis = jedisPool.getResource(); List<Slowlog> logList = jedis.slowlogGet(entries); return logList; } finally { // 返還到連接池 jedis.close(); } } // 獲取日志條數(shù) public Long getLogsLen() { Jedis jedis = null; try { jedis = jedisPool.getResource(); long logLen = jedis.slowlogLen(); return logLen; } finally { // 返還到連接池 jedis.close(); } } // 清空日志 public String logEmpty() { Jedis jedis = null; try { jedis = jedisPool.getResource(); return jedis.slowlogReset(); } finally { // 返還到連接池 jedis.close(); } } // 獲取占用內(nèi)存大小 public Long dbSize() { Jedis jedis = null; try { jedis = jedisPool.getResource(); // TODO 配置redis服務信息 Client client = jedis.getClient(); client.dbSize(); return client.getIntegerReply(); } finally { // 返還到連接池 jedis.close(); } } }
這樣輸出的都是和控制臺一樣的字符串,所以還需要sevice來對數(shù)據(jù)進行封裝:
@Service public class RedisService { @Autowired RedisUtil redisUtil; public List<RedisInfoDetail> getRedisInfo() { //獲取redis服務器信息 String info = redisUtil.getRedisInfo(); List<RedisInfoDetail> ridList = new ArrayList<RedisInfoDetail>(); String[] strs = info.split("\n"); RedisInfoDetail rif = null; if (strs != null && strs.length > 0) { for (int i = 0; i < strs.length; i++) { rif = new RedisInfoDetail(); String s = strs[i]; String[] str = s.split(":"); if (str != null && str.length > 1) { String key = str[0]; String value = str[1]; rif.setKey(key); rif.setValue(value); ridList.add(rif); } } } return ridList; } //獲取redis日志列表 public List<Operate> getLogs(long entries) { List<Slowlog> list = redisUtil.getLogs(entries); List<Operate> opList = null; Operate op = null; boolean flag = false; if (list != null && list.size() > 0) { opList = new LinkedList<Operate>(); for (Slowlog sl : list) { String args = JSON.toJSONString(sl.getArgs()); if (args.equals("[\"PING\"]") || args.equals("[\"SLOWLOG\",\"get\"]") || args.equals("[\"DBSIZE\"]") || args.equals("[\"INFO\"]")) { continue; } op = new Operate(); flag = true; op.setId(sl.getId()); op.setExecuteTime(getDateStr(sl.getTimeStamp() * 1000)); op.setUsedTime(sl.getExecutionTime()/1000.0 + "ms"); op.setArgs(args); opList.add(op); } } if (flag) return opList; else return null; } //獲取日志總數(shù) public Long getLogLen() { return redisUtil.getLogsLen(); } //清空日志 public String logEmpty() { return redisUtil.logEmpty(); } //獲取當前數(shù)據(jù)庫中key的數(shù)量 public Map<String,Object> getKeysSize() { long dbSize = redisUtil.dbSize(); Map<String,Object> map = new HashMap<String, Object>(); map.put("create_time", new Date().getTime()); map.put("dbSize", dbSize); return map; } //獲取當前redis使用內(nèi)存大小情況 public Map<String,Object> getMemeryInfo() { String[] strs = redisUtil.getRedisInfo().split("\n"); Map<String, Object> map = null; for (int i = 0; i < strs.length; i++) { String s = strs[i]; String[] detail = s.split(":"); if (detail[0].equals("used_memory")) { map = new HashMap<String, Object>(); map.put("used_memory",detail[1].substring(0, detail[1].length() - 1)); map.put("create_time", new Date().getTime()); break; } } return map; } private String getDateStr(long timeStmp) { SimpleDateFormat dateFormat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); return dateFormat.format(new Date(timeStmp)); } }
上面我只是貼了部分核心代碼,想具體去了解的可以去下載項目跑一下。
由于這個沒有什么難度,只是就只是貼了些代碼。后續(xù)也會一直更新,一步步將這個系統(tǒng)完善起來。
總結(jié)
以上就是這篇文章的全部內(nèi)容了,希望本文的內(nèi)容對大家的學習或者工作能帶來一定的幫助,如果有疑問大家可以留言交流,謝謝大家對腳本之家的支持。
相關(guān)文章
解決spring boot hibernate 懶加載的問題
這篇文章主要介紹了解決spring boot hibernate 懶加載的問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-10-10SpringBoot+RabbitMQ?實現(xiàn)死信隊列的示例
本文主要介紹了SpringBoot+RabbitMQ?實現(xiàn)死信隊列的示例,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2022-06-06Springboot整合Java?DL4J實現(xiàn)交通標志識別系統(tǒng)全過程
在自動駕駛系統(tǒng)中,交通標志識別是實現(xiàn)車輛智能化的關(guān)鍵技術(shù)之一,本文介紹了利用SpringBoot和JavaDeeplearning4j構(gòu)建交通標志識別系統(tǒng)的方法,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2024-10-10Java生產(chǎn)者和消費者例子_動力節(jié)點Java學院整理
生產(chǎn)者-消費者(producer-consumer)問題,也稱作有界緩沖區(qū)(bounded-buffer)問題,兩個進程共享一個公共的固定大小的緩沖區(qū)。下文通過實例給大家介紹java生產(chǎn)者和消費者,感興趣的朋友一起學習吧2017-05-05