1. 背景
1.1 问题
2020-12-04，客户侧redis集群版监控DB0 CPU突增至100%，导致数据库无法正常服务，经排查客户侧业务上存在2M左右的大key导致DB0阻塞。并且客户侧使用的集群连接方式为默认proxy模式，如下图所示，DB0阻塞导致其他节点也无法正常服务；处理办法：客户侧配合切断大key业务的高频繁次调用，请求恢复。
图1：proxy模式
1.2 思考
此次问题导致客户侧课程报名入口严重受损，进而引发深度思考。在使用redis等产品方面的监控报警手段不够完善，不够仔细，并且后续再查看业务日志发现错误率已经逐渐增多，直至redis层面表现出来才get到问题所在。针对此次redis的大key问题，给客户提供了关于大key以及热点key的分析办法，并建议完善客户侧监控报警的可读性以及业务日志接口的错误告警。
2. 数据库监控分析
2.1 redis监控指标分享
redis集群版云监控指标如下表所示。
| 监控项 | 单位 | MetricName | Dimensions | Statistics |
|---|
2.2 redis大key分析
1.在控制台选择对应的实例，进行大key及Hot key分析处理。
图2：实例分析
2.利用API接口进行分析大 key以及Hot key。
缓存分析与热点Key查询可参考文后资料了解详情[1]。
2.3 数据库同环比监控
创建分组报警规则目前已更新至分组界面。
2.3.1 创建应用分组
图3：创建应用分组
2.3.2 创建报警规则
图4：创建报警规则
图5：设置报警规则
3. 日志监控
利用sls接入客户端日志，可以通过设定规则建立仪表盘以及实现报警。此方案日志接入采取logtail方式内网传输。
3.1 安装logtail
安装logtail方法可参考文后资料[2]。
3.2 创建project和logstore
登录日志服务控制台，依次创建对应地域的project及logstore。
图6：project-logstore创建
3.3 数据接入向导
此次客户侧日志格式分别为json、log4j。
3.3.1 json
选择json文本日志>选择现有机器组>对应logtail配置
图7：logtail配置
1.设置索引
对于多重json日志，需要将字段类型更改为json。
图8:设置索引
2.查询分析
图9：查询分析
3.3.2 log4j
选择正则文本日志>选择现有机器组>对应logtail配置
1.正则识别首行
图10：设置自动生成
2.提取字段
图11: 日志提取字段
3.设置索引
注意：只对新写入数据生效。
图12：设置索引
4.查询分析
图13：查询分析
3.4 日志报警
3.4.1 仪表盘
图14：仪表盘信息展示
3.4.2 报警
在仪表右上侧导航栏中单击告警，在下拉菜单中选择创建。
图15：创建告警
图16：告警内容设置
本文为阿里云原创内容，未经允许不得转载。