概要
       最近听开发的同事说，应用程序连接 redis 时总是抛出连接失败或超时之类的错误。通过观察在 redis 日志，发现日志中出现 "Asynchronous AOF fsync is taking too long (disk is busy?). Writing the AOF buffer without waiting for fsync to complete, this may slow down Redis." 频率极其频繁。百度了一番，提示该错误可能会造成 redis server 上的处理延迟，而且客户端上也可能发生异常或连接超时。

继续深入发现，这是因为启用了 AOF（appendonly yes），并且 appendfsync 参数为 everysec，造成的磁盘 I/O 负载高。那么本文将介绍该问题发生的原因，并给出一些建议。

故障分析

首先我们要知道，redis 是一个多路复用的单进程应用程序。多路，指的是多个网络地址，复用是指重复利用单个线程。当打开 AOF 持久化功能后， Redis 处理完每个事件后会调用 write(2) 将变化写入 kernel 的 buffer，如果此时 write(2) 被阻塞，Redis 就不能处理下一个事件。Linux 规定执行 write(2) 时，如果对同一个文件正在执行fdatasync(2)将 kernel buffer写入物理磁盘，或者有system wide sync在执行，write(2)会被Block住，整个Redis被Block住。

如果系统IO 繁忙，比如有别的应用在写盘，或者Redis自己在AOF rewrite或RDB snapshot(虽然此时写入的是另一个临时文件，虽然各自都在连续写，但两个文件间的切换使得磁盘磁头的寻道时间加长），就可能导致 fdatasync(2) 迟迟未能完成从而 Block 住 write(2)，Block 住整个 Redis。而，我们的生产主库和从库都同时开启了AOF已经RDB save的方式做持久化。

为了更清晰的看到fdatasync(2)的执行时长，可以使用 "strace -p (pid of redis server) -T -e -f trace=fdatasync"，但会影响系统性能。Redis提供了一个自救的方式，当发现文件有在执行 fdatasync(2) 时，就先不调用 write(2)，只存在 cache 里，免得被 Block。但如果已经超过两秒都还是这个样子，则会硬着头皮执行 write(2)，即使 redis 会被 Block 住。此时那句要命的 log 会打印："Asynchronous AOF fsync is taking too long (disk is busy?). Writing the AOF buffer without waiting for fsync to complete, this may slow down Redis."。之后用redis-cli INFO 可以看到 aof_delayed_fsync 的值被加1。因此，对于 fsync 设为 everysec 时丢失数据的可能性的最严谨说法是：如果有 fdatasync 在长时间的执行，此时 redis 意外关闭会造成文件里不多于两秒的数据丢失。如果 fdatasync 运行正常，redis 意外关闭没有影响，只有当操作系统 crash 时才会造成少于1秒的数据丢失。

网上有小伙伴说，该错误在后续版本有修复。我个人这并不是一个BUG，至于真假还请小伙伴验证。

解决方法

方法一、各种修改配置

最后发现，原来是AOF rewrite时一直埋头的调用 write(2)，由系统自己去触发 sync。在RedHat Enterprise 6里，默认配置vm.dirty_background_ratio=10，也就是占用了 10% 的可用内存才会开始后台 flush，而我的服务器有 8G 内存。很明显一次 flush 太多数据会造成阻塞，所以最后果断设置 "sysctl vm.dirty_bytes=33554432(32M)" 。AOF rewrite时定时也执行一下 fdatasync 嘛， antirez 回复新版中，AOF rewrite 时 32M 就会重写主动调用 fdatasync。

查看一下系统内核参数

>sysctl -a | grep dirty_background_ratio

vm.dirty_background_ratio = 10

>sysctl -a | grep vm.dirty_bytes

vm.dirty_bytes = 0

尝试修改

echo "vm.dirty_bytes=33554432" >> /etc/sysctl.conf　　

最后执行 "sysctl -p" 使配置生效；

方法二、关闭 RDB 或 AOF 持久化

通过上面我们知道该故障问题，其实就是因为磁盘大量IO 造成的请求阻塞。那么禁用 RDB 或 AOF 任一持久化即可，当然，建议禁用 RDB 而使用 AOF。

最后

下面再给大家一些在实际生产中的建议，以及避免这类问题的发生。首先，如果架构允许尽量不要在主库上同时做 RBD 和 AOF 持久化（如果要做，就使用SSD固态硬盘）。但是，这样如果不做持久化，将暴露如下问题：

　　1. 当 redis 服务挂掉之后，重启缓存全部丢失；
　　2. 当主机挂掉，通过脚本或sentinel将从提升为主之后，以前主库就作废；

这样做的好处就是，提升了主库的性能。坏处就是，当主库宕机之后，你只能将该主机从主从当中剔除；

上面这种方式提高了一定的复杂性，那么要解决这个问题。那么可以选择一个折中办法，那就是做AOF持久化而不使用RDB的方式。我们可以通过下面的内容来选择适合自己的持久化方式，如下；

　　RDB。在这里，您可以根据您配置的保存触发器进行大量权衡。
　　AOF + fsync 总是这样：这个速度非常慢，只有当你知道你在做什么的时候才应该使用它。
　　AOF + fsync 每一秒：这是一个很好的妥协。
　　AOF + fsync 每秒+ no-appendfsync-on-rewrite选项设置为yes：如上所示，但避免在重写期间fsync降低磁盘压力。
　　AOF + fsync 永远不会。 Fsyncing在这个设置上取决于内核，甚至更少的磁盘压力和延迟尖峰的风险。

至于在工作当中，如何选择，嘿嘿，那就只能结合开发需求和部门领导意见啦。