哨兵配置中sentinel monitor的quorum参数必须为正整数（如2），不能是字符串、浮点数或空格；否则redis-sentinel启动失败并报“invalid argument 'quorum'”；建议值为⌊n/2⌋+1，且需用--test-conf验证。
哨兵配置文件里 sentinel monitor 的第三个参数必须是整数，不是“1”会直接启动失败
Redis 哨兵靠 sentinel monitor 指令发现主节点，格式是 sentinel monitor <master-name><ip><port><quorum></quorum></port></ip></master-name>。最容易被忽略的是最后一个参数 quorum：它不是“几个哨兵同意就算数”的阈值，而是“触发故障转移所需的最小哨兵投票数”，且必须是正整数（比如 2），不能写成 "1"、1.0 或空格占位。写错会导致 redis-sentinel 启动时直接报错退出，日志里只有一行：Invalid argument 'quorum' for 'sentinel monitor'。
实操建议：
- 检查所有哨兵节点的配置文件，确认
sentinel monitor mymaster 127.0.0.1 6379 2这类语句中第四个字段是无引号、无小数点的纯数字 -
quorum值建议设为 ⌊N/2⌋ + 1（N 是哨兵总数），比如 3 个哨兵就填2，5 个就填3；填太小可能误判，填太大则无法达成共识 - 修改后务必用
redis-sentinel /path/to/sentinel.conf --test-conf验证语法，别直接重启服务
哨兵连不上主从节点？先查 bind 和 protected-mode 是否放行
哨兵进程本身不处理数据，但它需要和主、从 Redis 实例建立 TCP 连接来发 PING、获取 info、发送 SENTINEL failover 命令。常见连不上不是网络问题，而是 Redis 实例没开监听或拒绝外部连接。
实操建议：
- 主从节点的
redis.conf必须设置bind 0.0.0.0（或明确列出哨兵所在 IP），不能只留127.0.0.1；否则哨兵从另一台机器连就会超时 -
protected-mode yes是默认开启的，它会拒绝非本地、未设密码的连接——哨兵默认不带密码连主从，所以要么关掉protected-mode，要么在sentinel.conf里补上sentinel auth-pass <master-name><password></password></master-name> - 用
redis-cli -h <ip> -p <port> ping</port></ip>手动测试哨兵所在机器能否通主从节点，比看日志更快定位是网络还是配置问题
sentinel down-after-milliseconds 设太短会导致频繁误切主
这个参数定义“哨兵认为主节点下线”的心跳超时时间，单位毫秒。设得太小（比如 500），在网络抖动或主节点短暂 GC 时，多个哨兵可能几乎同时判定主挂了，立刻发起故障转移——结果主节点 2 秒后自己活了，但新主已上线，造成双主、数据丢失。
实操建议：
- 生产环境建议设为
30000（30 秒）起步；如果网络延迟高或主节点负载重，可提到60000 - 必须保证所有哨兵节点配置一致，否则会出现部分哨兵认为主已下线、部分还认为主活着，无法达成
quorum投票 - 配合
sentinel parallel-syncs 1使用：限制每次故障转移时最多几个从节点同时向新主同步，避免新主带宽打满
哨兵自动切换后，客户端连不上新主？关键在 sentinel get-master-addr-by-name
哨兵不改 DNS、不劫持 IP，客户端要拿到新主地址，必须主动问哨兵。很多老项目直接硬编码 127.0.0.1:6379，故障转移后连接老主（此时已是只读从），报 READONLY You can't write against a read only slave. 或直接超时。
实操建议：
- 客户端初始化时不要直连 Redis 地址，而是用哨兵地址（如
127.0.0.1:26379）执行sentinel get-master-addr-by-name mymaster获取当前主节点 IP+端口 - 每 30–60 秒轮询一次该命令，或监听哨兵的
+switch-masterPub/Sub 事件（需客户端支持） - Java 用 Jedis，Python 用 redis-py，都内置了 SentinelConnectionPool，但得确认是否启用了
is_master_down_after_milliseconds等兜底逻辑，别只依赖初始连接
哨兵机制本身不复杂，但每个环节都卡在细节上：配置项类型对不对、网络策略开没开、超时值合不合适、客户端有没有真正走哨兵查主——漏掉任何一环，自动故障转移就变成手动救火。
