memcached调优

思路

  • 提高内存命中率
  • 减少内存浪费
  • 增加内存重复利用率

辅助调优命令

  • Stats命令:查看服务器的运行状态和内部数据
  • Stats settings:查看服务器设置
参数 参数作用
maxbytes 最大字节数限制
maxconns 允许最大连接数
growth_factor 自增长因子
chunk_size key+value+flags大小
reqs_per_event 最大吞吐量
  • Stats items/slabs:数据项统计/区块统计
参数 参数作用
number 该slab中对象数,不包含过期对象
age LRU中最老对象的过期时间
evicted LRU释放对象数
evicted_nonzero 设置了非0时间的LRU释放对象数
evicted_time 最后一次LRU秒数,监控频率
outofmemory 不能存储对象次数
tailrepairs 修复slabs次数
reclaimed 使用过期对象空间存储对象次数

slab核心参数

参数 参数作用
chunk_size chunk大小
chunk_per_page 每个page的chunk数量
total_pages page数量
total_chunk chunk数量*page数量
get_hits get命中率
userd_chunks 已被分配的chunk数量
free_ chunks 剩余的chunk数
mem_requested 使用过期对象空间存储对象次数
active_slabs slab数量
分析.png

内存调优

在这脸简单回顾Memcached的Slab Allocator机制


Slab Allocator.png

说明:

  1. 如图所示,Slab下面划分Page,Page下面划分Chunk
  2. 同一个Slab下面所有Chunk大小一样,不同Slab使用自增长因子递增
  3. 在Slab Class中存放Chunk大小与Slab的对应关系,客户端访问Xmemcached后,先根据存放内容的大小寻找合适的Slab
存在的问题
  1. 存不满Chunk
  2. 热点数据的堆积
  3. Slab不能被Page整除
  4. Page不能被Chunk整除
思路
  1. 调整Chunk大小
  2. 调整自增长因子
场景:MSM

存储的特点:

  1. 数据长度集中在某几个区域内
  2. 分均匀分布

优化思路:

  1. 数据集中在那几个区域内【eg:90 100 110】
  2. 能不能将chunk调成一致
    在eg中,如果调成一致那就是要110,对于存储90的数据就会浪费20byte空间,如果90的数据很多浪费的空间就会比较大
  3. 调整Chunk大小和自增长因子、slab大小
    比如我们有90M空间,划分成3个Slab,每个Slab就是30M,调自增长因子为1.1,那么chunk大小基本是按照90 100 110左右分布
使用限制和建议
  • 限制:
  1. 不提供持久化机制
  2. Memcached只有理论上的永久持久化【30天】
  3. 不提供安全机制,要放在防火墙之后
  4. Memcached的理论最大key长度为250字节
  5. 单个item最大长度为1M
  6. 连接数 并发数200 软连接1024
  7. 不提供冗余机制
  • 建议
  1. 基于文本形式的存储,Memcached目前效率最高
  2. 作为数据库前端
  3. 作为热点数据缓存
  4. 提升web应用速度
  5. 提高扩展性
  6. 缓存一些查询结果
  7. 推荐使用多级缓存
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,080评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,422评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,630评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,554评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,662评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,856评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,014评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,752评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,212评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,541评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,687评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,347评论 4 331
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,973评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,777评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,006评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,406评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,576评论 2 349

推荐阅读更多精彩内容