Redis集群节点宕机是否自动恢复,取决于它是不是主节点、有没有足够多的主节点在线投票,以及从节点是否满足参选资格;不是所有宕机都会触发转移,更不是宕机后立刻切换。

Redis集群节点宕机是否自动恢复,取决于它是不是主节点、有没有足够多的主节点在线投票,以及从节点是否满足参选资格——不是所有宕机都会触发转移,更不是宕机后立刻切换。
cluster-node-timeout设太小会导致误判PFAIL
这个参数是故障检测的起点,默认 15000ms。如果网络抖动频繁或延迟高,把它调到 5000ms 以下,节点可能刚卡顿 3 秒就被标记为 PFAIL,多个主节点陆续标记后迅速升级为 FAIL,引发不必要的选举。
- 生产环境建议设为 8000–12000ms,需结合实际 RTT 和 PING/PONG 延迟测试调整
- 修改后必须重启节点(
cluster-node-timeout是启动时加载的配置,运行中不可动态改) - 用
redis-cli -c -p 6379 cluster nodes查看各节点标记状态,确认是否有大量fail?或fail标识
从节点无法当选新主的三个常见原因
即使主节点被判定为 FAIL,从节点也可能“有资格参选”但“没票当选”,或干脆连参选门槛都过不去。
-
slave-repl-offset落后太多:从节点会对比自己和已知最大偏移量,差值超过cluster-slave-validity-factor × cluster-node-timeout(默认 10 × 15000 = 150 秒数据)就放弃参选 - 没收到足够投票:每个主节点每轮只投一票,且只投给第一个合法的
FAILOVER_AUTH_REQUEST;若多个从节点几乎同时发起请求,后到的直接失败 - 集群主节点数不足:比如 3 主 3 从集群,挂掉 2 个主节点后只剩 1 个主在线,无法凑够
N/2 + 1 = 2票,故障转移卡死
Redis Sentinel 和 Redis Cluster 的故障转移不能混用
这是最容易踩的架构级坑:Sentinel 管理的是单分片主从拓扑,Cluster 自带去中心化故障转移能力。两者共存会导致行为冲突。
- 在启用
cluster-enabled yes的节点上配 Sentinel,Sentinel 会忽略其集群角色,仍按传统主从方式尝试SENTINEL failover,可能强制replicaof no one破坏集群结构 - 用
redis-cli --cluster check能发现不一致的配置,比如某节点显示connected但role=master下标着fail,实际却是 Sentinel 在后台偷偷切主 - 判断依据很简单:查
INFO replication输出里有没有role:master+cluster_enabled:1同时存在;若有,说明你正在混合部署,必须二选一
验证故障转移是否真可用,别等宕机才试
日常巡检时,光看 CLUSTER NODES 输出里有没有 slave 不够,得确认它们能不能在秒级内顶上来。
- 手动模拟:对目标主节点执行
redis-cli -p 6380 DEBUG sleep 20(比cluster-node-timeout长),观察其余主节点日志是否出现MARKASFAIL和failover字样 - 检查新主是否真正接管:用
redis-cli -c -p 6379 cluster nodes看原从节点 role 是否变成master,且槽位(slots)已继承 - 关键但常被忽略:确认客户端连接池是否刷新了拓扑——JedisCluster 默认 60 秒拉一次
CLUSTER SLOTS,期间发往旧地址的请求会报MOVED,不是失败,但会影响延迟毛刺
最麻烦的不是宕机本身,而是“看起来恢复了,但部分 slot 没主节点负责”,此时 cluster-require-full-coverage yes(默认)会让整个集群拒绝写入,而错误信息只在客户端抛 ClusterDownException,服务端日志里却只有零星的 Not covered 提示。











