新闻详情

新闻详情

首页 / 资讯中心 / 详情

Redis配置项详解

发布时间:2026/11/4 21:48:25来源:尧图网络
Redis配置项详解
^^《榴芒客服系统》是我们工作室开发的在线客服系统欢迎下载试用《榴芒客服系统》https://blog.csdn.net/look4liming/article/details/164755808网络与连接配置bind监听IP默认127.0.0.1。生产环境应绑定内网IP‌严禁‌设为0.0.0.0且不设密码否则极易被入侵扫描。‌port监听端口默认6379。‌protected-mode保护模式默认yes。yes时如果没有设置bind或密码则只能本地访问。‌timeout‌客户端空闲连接超时时间秒。0表示永不超时。设太短会导致频繁重连损失性能。‌tcp-keepaliveTCP保活探测间隔秒。0表示不启用建议设为300左右释放死连接。‌tcp-backlogTCP连接队列长度默认511。高并发场景可调大至1024同时需同步调大系统内核参数somaxconn和tcp_max_syn_backlog才能生效。‌maxclients‌最大客户端连接数默认10000。超过后新连接会被拒绝。‌‌内存管理配置‌maxmemory‌Redis最大可用内存单位支持kb、mb、gb。生产环境建议设为物理内存的‌60%-70%‌并预留空间给操作系统和其他进程避免OOM。‌maxmemory-policy‌内存达到上限后的淘汰策略详细介绍请参考我的另一篇博文《Redis缓存淘汰策略》。maxmemory-samples‌LRU/LFU/TTL算法的采样数量默认5。调大到10更接近精确LRU但更耗CPU调小到3更快但不准。持久化配置‌save‌RDB快照触发条件格式为save 秒 改动次数可配多条满足任一即触发。默认是save 900 1、save 300 10、save 60 10000。‌stop-writes-on-bgsave-error‌RDB快照出错时是否停止写入默认yes防止数据损坏。‌appendonly‌是否开启AOF持久化默认no。开启后每条写命令都会记录到AOF文件重启时可恢复数据。‌appendfsync‌AOF同步策略三个选项always每次写操作都同步最安全但最慢。everysec每秒同步一次性能和安全折中‌默认值‌。no由操作系统决定何时同步最快但可能丢更多数据。‌auto-aof-rewrite-percentage / auto-aof-rewrite-min-size‌AOF自动重写触发条件。当AOF文件比上次重写时大了100%且超过64mb时触发重写压缩文件体积。‌aof-use-rdb-preamble‌混合持久化Redis 4.0AOF文件头部用RDB格式后续用AOF格式兼顾恢复速度和文件大小。‌‌安全配置‌requirepass‌设置访问密码客户端连接后需通过AUTH命令验证。生产环境‌必须设置强密码‌避免弱口令被爆破。‌ACL‌Redis 6.0的访问控制列表可精细控制每个用户能执行的命令和访问的key比requirepass更灵活。可以通过配置文件或aclfile外部文件定义用户和权限规则。‌rename-command‌可以重命名危险命令如FLUSHALL、CONFIG降低误操作或被攻击的风险。‌‌通用与性能配置‌daemonize‌是否以守护进程方式后台运行默认no。生产环境设为yes。‌loglevel / logfile‌日志级别debug、verbose、notice、warning和日志文件路径。生产环境建议warning级别并输出到独立文件。‌databases‌数据库数量默认16编号0-15。Redis 6.0后更推荐用命名空间key前缀代替多库。‌activerehashing‌是否开启主动哈希重哈希默认yes。开启能提升查询效率但消耗CPUCPU紧张时可关闭。‌client-output-buffer-limit‌限制客户端输出缓冲区大小防止慢客户端拖垮服务器。如normal 0 0 0表示普通客户端不限制slave 256mb 64mb 60表示从节点硬限制256MB、软限制64MB持续60秒触发。‌slowlog-log-slower-than / slowlog-max-len‌慢查询日志阈值微秒和最大条数默认1000010毫秒和128。生产环境建议调低阈值方便排查性能问题。‌hz‌Redis每秒执行后台任务的频率默认10。调高会加快过期key清理和内存淘汰但更耗CPU。‌‌配置管理方式‌启动加载‌redis-server /path/to/redis.conf。‌运行时动态修改‌CONFIG SET 参数 值部分参数立即生效如maxmemory、maxmemory-policy但bind、port、daemonize等启动参数需重启生效。‌持久化配置‌CONFIG REWRITE可将运行时修改写回redis.conf文件。‌查看当前配置‌CONFIG GET *查看所有或CONFIG GET 参数查看单个。‌‌修改配置前先在测试环境验证确认无副作用再上生产。另外Redis集群模式下每个节点需独立配置且各节点淘汰策略应保持一致避免数据分布不均。‌‌快速参考建议‌纯缓存场景‌maxmemory设为物理内存的60%-70%maxmemory-policy allkeys-lru可关闭持久化appendonly no提升性能。‌数据不能丢‌开启AOF并设appendfsync everysec可同时保留RDB做快速恢复不要用noeviction否则内存满会直接拒绝写入导致业务中断。‌安全底线‌绑定内网IP 设置强密码或ACL 开启protected-mode有条件再改默认端口。‌监控与排查‌开启慢查询日志slowlog-log-slower-than用INFO memory和redis-cli --stat观察内存和淘汰情况evicted_keys用redis-cli --intrinsic-latency测试系统延迟。^^《榴芒客服系统》是我们工作室开发的在线客服系统欢迎下载试用《榴芒客服系统》https://blog.csdn.net/look4liming/article/details/164755808
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉