4. 缓存命中巡检工具选型：开源工具对比与自研脚本设计

缓存命中率是衡量缓存系统健康度的核心指标，也是灾备切换后数据一致性验证的关键依据。本章围绕“选什么工具巡检”和“如何设计自研脚本”两个问题展开，对比主流开源工具的适用场景，并给出可落地的自研巡检脚本设计思路。

4.1 开源工具对比：Redis-cli、Prometheus、Grafana

三种工具在缓存命中巡检中的定位不同：Redis-cli 适合单点快速诊断，Prometheus 适合指标采集与告警，Grafana 适合可视化与趋势分析。下表从多个维度进行对比：

4.2 自研巡检脚本设计思路

当开源工具无法满足定制化需求（如多集群批量巡检、灾备切换前后自动对比、结果格式化输出）时，自研脚本是更灵活的选择。以下从架构、核心逻辑、输出格式三个层面展开。

4.2.1 脚本架构设计

自研巡检脚本采用“采集层 → 计算层 → 输出层”三层架构，各层职责清晰，便于扩展：

4.2.2 核心计算逻辑

脚本的核心是命中率计算与异常判定，以下给出关键代码片段：

import redis
import json
from datetime import datetime

def get_cache_hit_rate(host, port, password=None, db=0):
    """获取单节点缓存命中率"""
    try:
        r = redis.StrictRedis(host=host, port=port, password=password, db=db, socket_timeout=5)
        info = r.info('stats')
        hits = info.get('keyspace_hits', 0)
        misses = info.get('keyspace_misses', 0)
        total = hits + misses
        if total == 0:
            return 0.0
        return round(hits / total * 100, 2)
    except Exception as e:
        return None

def check_anomaly(current_rate, history_rates, threshold=10):
    """判断命中率是否异常：与历史均值偏差超过阈值"""
    if not history_rates:
        return False, 0
    avg_rate = sum(history_rates) / len(history_rates)
    deviation = abs(current_rate - avg_rate)
    return deviation > threshold, round(deviation, 2)

4.2.3 输出格式设计

巡检结果需同时满足“人工可读”和“机器可解析”两种需求，推荐双格式输出：

• 终端表格：使用 prettytable 或 tabulate 库，实时展示集群、节点、命中率、状态。
• JSON 文件：包含时间戳、环境标签、详细指标，供后续对账系统消费。

{
  "timestamp": "2025-03-21T14:30:00+08:00",
  "environment": "prod-dr",
  "cluster": "redis-cache-01",
  "nodes": [
    {
      "host": "10.0.1.10",
      "port": 6379,
      "hit_rate": 98.75,
      "status": "normal"
    },
    {
      "host": "10.0.1.11",
      "port": 6379,
      "hit_rate": 85.20,
      "status": "warning",
      "deviation": 12.3
    }
  ]
}

4.3 工具与脚本的协同策略

在实际灾备巡检中，开源工具与自研脚本并非互斥关系，而是互补协同：

4.4 选型决策矩阵

根据团队技术栈和灾备要求，可参考以下矩阵快速决策：