主从复制超时主因是大key单次传输卡死，非网络问题；hash或zset超几mb致序列化堵塞缓冲区，引发断连与重试循环，需渐进拆分并统一命名与封装。

主从复制超时根本不是网络问题，是大Key单次传输卡死流

Redis主从复制中看到Timeout waiting for bulk read或REPL_TIMEOUT，别急着查网卡、调TCP参数——90%以上是某个hash或zset超过几MB，主节点把它整个序列化后塞进一个REPLCONF包里发出去，直接堵死复制缓冲区。从节点等不到完整包就断连，重试又重传，形成恶性循环。

典型佐证：INFO replication里slave_repl_offset长期不动，而master_repl_offset持续上涨；同时net_output_bytes突增，但其他客户端请求延迟没明显变化。

• client-output-buffer-limit slave默认是256mb 64mb 60，一个3MB的hash在高QPS下可能1秒内就打穿缓冲区上限
• Redis 6.0+开启repl-diskless-sync yes只解决RDB传输阶段IO，不改变大Key在增量同步（PSYNC）中的单次传输行为
• 用redis-cli --bigkeys能扫出大Key，但它不会告诉你这个Key正在让从节点掉线

拆分必须渐进式，不能DEL也不能HDEL原Key

直接DEL或HDEL大Key会触发主线程O(N)阻塞，且该删除命令本身又作为一条“巨量操作”同步到从节点，等于二次冲击。正确做法是在主节点上用游标分批读+写新结构，全程走AOF和复制流。

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

• 对hash：用HSCAN myhash 0 COUNT 100拉字段，写入myhash:shard_001等新key，再用HDEL myhash field1 field2...删原字段
• 对set：用SSCAN myset 0 COUNT 500分片，写入myset:part1~myset:partN，最后用SREM myset member1 member2...清理
• 脚本里必须加SLEEP 0.01（如用redis-cli --eval跑Lua），否则连续扫描会压垮主节点CPU
• 所有操作必须在主节点执行——从节点只读，不参与任何拆分逻辑

切片命名和写封装不统一，上线即埋雷

拆完只是开始，后续增长会让某个分片再次变大。如果命名没带版本号、没统一路由逻辑，业务代码直接硬编码myhash:shard_001，下次扩容或修复就得改全量代码。

• key命名强制带版本和分片标识，例如user:123:orders:v2:shard_001，避免v1/v2逻辑混用
• 所有写操作必须走封装函数（如hash_sharded_set($key, $field, $value)），内部算shard_id并路由，禁止业务层自己拼key
• 上线后盯住两个监控项：HLEN（字段数）和DEBUG OBJECT <key></key>返回的serializedlength（实际序列化后字节数），阈值建议设为HLEN > 600或serializedlength > 700000

监控只看replication lag，等于盲人摸象

只监控slave_repl_offset - master_repl_offset差值，会把网络抖动、从节点GC、甚至磁盘慢IO都当成大Key问题。真正要抓的是“滞后突增是否与某个大分片首次同步强相关”。

• 用redis-cli -r 1 -i 1 info replication | grep lag每秒采样一次，观察lag是否在某个时间点阶梯式跳升
• 配合redis-cli --bigkeys和MEMORY USAGE定期扫描，重点盯hash/zset类型，别只扫string
• 大Key不一定实时影响复制——冷数据的大Key可能几个月都不触发同步，但一旦被更新，立刻引爆

最麻烦的不是发现大Key，而是它藏在低频写路径里：比如用户注销时批量清理订单历史，那个DEL user:123:orders命令在凌晨三点执行，没人盯着日志，但从节点已经断连三次了。