必须调大repl-timeout，否则死循环无法根除；Redis 6.0+默认60秒仅适用于毫秒级局域网，在跨机房或云环境易因P99 RTT超限及全量同步耗时过长触发“断开→全量→再超时”死循环，生产推荐设为600秒并同步收紧client-output-buffer-limit slave参数。
必须调大 repl-timeout，否则死循环无法根除——这不是可选项，是主从同步能成立的前提。
为什么 repl-timeout 设 60 秒在生产环境必然出事
Redis 6.0+ 默认 repl-timeout 是 60 秒，但这个值只适用于本地回环或局域网内毫秒级延迟的玩具环境。一旦部署在跨机房、云厂商 VPC 或带 NAT 网关的场景下，网络 P99 RTT 很容易超过 20ms；而一次全量同步（bgsave + RDB 传输 + 从库加载）动辄 2~5 分钟。主节点在 60 秒内没收到从节点的 REPLCONF ACK，就直接断连；从节点重连后因复制偏移量失效，被迫发起新一轮全量同步——新同步又超时，再断连……形成“断开 → 全量 → 再超时 → 再断开”的雪崩链。
典型现象包括：Connection with slave xxx lost, waiting for it to reconnect 在主节点日志高频刷屏；从节点反复执行 bgsave 和 RDB 加载；端口连接队列打满，出现 Failed to bind to port 6379（实为重连风暴压垮了 socket backlog）。
- 验证是否踩坑：在主节点执行
redis-cli config get repl-timeout，若返回60，且你所在网络实测 P99 RTT > 15ms，已处于高危状态 -
repl-timeout控制的是主节点对从节点心跳响应的等待时间，和客户端timeout、client-output-buffer-limit完全无关，不能混用或互相替代 - 设为
0（禁用超时）更危险：异常从节点会永久占住连接，耗尽maxclients，导致新连接全部拒绝
怎么设 repl-timeout 才真正防住死循环
不能拍脑袋填 120 或 300。要按最差同步场景倒推：它必须覆盖「网络最差延迟 × 3」+「全量同步最大耗时」。
- 先测真实网络质量：从主节点机器用
redis-cli -h {slave_ip} -p {slave_port} ping跑 100 次，取 P99 RTT（比如 40ms），基础值至少为40 × 3 = 120ms - 再估算全量同步耗时：若
repl-backlog-size设为 1GB，主库写入压力中等（约 2MB/s），bgsave+ 网络传输 + 从库加载预估需 3~5 分钟，则repl-timeout至少设为300 - 生产环境保守推荐直接设为
600（10 分钟）：用config set repl-timeout 600热生效，无需重启 Redis 进程
只改 repl-timeout 还不够：必须同步收紧 client-output-buffer-limit slave
延长超时后，如果从节点卡死或网络持续丢包，主节点仍会把复制流不断写入输出缓冲区。若缓冲区无节制增长，就会触发强制断连，前功尽弃。
必须同步执行：config set client-output-buffer-limit "slave 1024mb 512mb 60"（硬限 1GB，软限 512MB 持续 60 秒）。
- 软限值（512MB）要 ≥ 主节点每秒平均写入量 ×
repl-timeout，否则缓冲区会在超时前就溢出，照样断连 - 检查是否生效：运行
redis-cli config get client-output-buffer-limit，确认返回值包含slave对应项 - 该参数影响所有从节点，不是 per-replica 配置，修改后立即全局生效
改完还是重启？排查这三个隐藏点
即使 repl-timeout 和 client-output-buffer-limit 都调了，死循环仍可能发生：
-
repl-ping-replica-period太小：主节点默认每 10 秒发一次REPLCONF GETACK心跳，若设成 1 秒，在弱网下大量心跳包丢失，会误判从节点失联。建议保持默认或略增大至 15 秒 -
tcp-keepalive关闭或过长：Linux 内核默认tcp_keepalive_time=7200（2 小时），远超 Redis 同步周期。必须显式开启并设为60（秒），让内核主动探测连接存活 - 云服务商限制：阿里云 SLB、腾讯云 CLB 默认空闲连接超时为 900 秒（15 分钟），若你设了
repl-timeout 600，但 LB 在 500 秒就静默断连，主节点收不到 FIN，仍会继续发数据直到缓冲区溢出。需同步调整 LB 的空闲超时 ≥repl-timeout + 60
这些点不显眼，但任何一个没对齐，都会让前面所有调优归零。
