如何实现Redis集群的自动化巡检与预警_结合Shell脚本与钉钉机器人API实现报警-Redis-PHP中文网

最轻量健康检查命令是redis-cli -c -h {host} -p {port} cluster nodes，需检查connected状态、fail?标记及ping-sent/pong-recv时间差是否超5000ms。

如何实现redis集群的自动化巡检与预警_结合shell脚本与钉钉机器人api实现报警

Redis集群健康检查该用哪些命令

直接连任意节点执行 redis-cli -c -h {host} -p {port} cluster nodes 是最轻量的方式，它能一次性拿到所有节点角色、连接状态、槽位分配和从节点偏移量。别用 INFO replication 单独查每个节点——集群模式下主从关系是动态的，靠单点信息容易误判。

关键要看三类字段：connected（必须全为 connected）、fail?（不能出现）、ping-sent/pong-recv 时间差（超过 5000ms 就要告警）。如果返回里有 fail 或 noaddr，说明节点已失联或配置错误。

避免在脚本里硬编码节点列表，用 cluster nodes 动态解析更可靠
加 --raw 参数输出纯文本，方便 awk 处理，不带它会混入 ANSI 颜色字符
超时必须设，比如 redis-cli -c -h x.x.x.x -p 6379 --scan-timeout 2000 cluster nodes，否则网络抖动时脚本卡死

Shell脚本怎么判断集群是否“脑裂”

脑裂不是靠一个命令能直接标定的，得交叉验证：先查 cluster nodes 输出中是否有多个节点自称 master 且拥有重叠槽位；再比对各主节点的 cluster info 中 cluster_state 是否都为 ok，以及 cluster_slots_assigned 总和是否等于 16384。

常见误判点：某节点短暂断连后重连，但槽位未同步完成，此时 cluster_state: ok 但 cluster_slots_pfail > 0。这类情况要单独抓出来，不能只看 ok 就放行。

用 awk '/^[0-9a-f]+ [^ ]+ [^ ]+ [^ ]+ [^ ]+ master|slave/ {print $1,$3,$9}' 提取节点 ID、IP:PORT、状态
用 grep -c 'master.*[0-9]\+-[0-9]\+' 统计实际负责槽位的主节点数，少于预期数就触发预警
从 cluster info 解析 cluster_known_nodes 和 cluster_size，两者不等说明元数据不同步

钉钉机器人发告警要注意哪些字段

钉钉 Webhook 必须带签名（timestamp + sign），否则 403。签名算法是 base64(hmac-sha256(timestamp + "\n" + secret, secret))，Shell 里得用 openssl dgst -sha256 -hmac 配合 date +%s%3N 生成毫秒级时间戳。

Redis Skill - 高性能缓存管理

Redis 缓存和数据结构管理技能。通过自然语言操作 Redis，支持 String、Hash、List、Set、ZSet、Stream 等数据结构操作。当用户提到 Redis、缓存、消息队列、会话存储时使用此技能。

下载

消息体推荐用 markdown 类型，标题加 ## [CRITICAL] 能让手机端一眼识别严重等级。别发纯 text——钉钉对 text 消息限长 2000 字，而 cluster nodes 全量输出可能超长，容易截断。

告警内容里必须包含出问题的节点 IP:PORT 和故障类型（如 node disconnected / slot overlap）
用 curl -X POST -H 'Content-Type: application/json' -d '{...}' https://oapi.dingtalk.com/robot/send?access_token=xxx 发送，不要漏 -H 头
测试阶段把 access_token 放环境变量里，别写死在脚本中，防止误提交到代码库