Linux服务器部署Redis主从与哨兵时,复制和故障切换各由谁负责?
Redis 主从负责数据复制,Sentinel(哨兵)负责监测主节点、协商故障切换,并向客户端提供当前主节点地址。两者不能互相替代:只有主从而没有哨兵,主节点故障后通常需要人工提升副本和修改连接地址;只有哨兵而没有可用副本,也没有节点可供提升。

在 Linux 服务器上部署时,还要把客户端纳入故障切换链路。哨兵选出新主节点,不等于应用已经把写请求发往新主节点;复制副本,也不等于故障前每一笔已确认写入都已保留。方案应分别回答“谁发现并切换”“客户端如何跟随切换”“允许丢失多少数据、允许中断多久”。
当前问题:缓存链路要承受哪类故障
以应用把 Redis 用作会话或热点数据缓存为例,正常链路是:应用向主节点写入,主节点将变更异步复制给副本;读请求可以由主节点承担,也可以在接受短暂数据滞后的前提下分流给副本。数据库若是业务数据的权威来源,Redis 故障后的处理还可以包括限流回源和缓存重建,但这些措施由应用设计,不由哨兵提供。
单台 Redis 的风险比较直接:主机、进程或网络出现故障时,应用失去写入目标。增加副本后,数据有了第二份运行中副本,却仍缺少“谁判断主节点故障、谁决定提升哪台副本”的机制。加入哨兵,才形成自动发现和切换能力。
这里有两条不同的业务边界:
- 可用性边界:切换期间,连接断开、请求超时和短时写入失败是否可由应用承受?应用能否重新获取主节点地址并安全重试?
- 数据边界:已向应用返回成功的写入,若尚未到达最终被提升的副本,业务是否允许丢失?如果不允许,仅靠 Redis 异步复制与哨兵切换不足以作出零丢失承诺。
先明确这两条边界,再决定副本数、哨兵部署位置和应用接入方式,比先堆叠实例更有效。
相关组件各负责什么
| 组件 | 主要职责 | 不负责的事 |
|---|---|---|
| Redis 主节点 | 接收写入、提供数据,并向副本发送复制数据流 | 不负责独立完成多数派故障判定 |
| Redis 副本 | 跟随主节点复制数据,在满足条件时成为提升候选 | 默认不保证与主节点每次写入同步持久化 |
| Sentinel 进程 | 监测节点、协商主节点故障、选择并提升副本,更新其他副本的复制目标 | 不转发业务请求,不替应用保存业务数据 |
| 应用客户端 | 查询或订阅哨兵提供的主节点信息,连接当前主节点,处理断连与重试 | 不应把旧主节点地址永久写死 |
Redis 复制通常是异步的。主节点接收写入并回复成功时,副本可能尚未收到该变更;副本已经收到数据,也不等于数据已持久落盘。网络短暂断开后,副本可利用复制偏移量和复制积压缓冲区尝试增量追赶;无法衔接时,可能触发全量同步。全量同步涉及数据传输和加载,对 CPU、内存、磁盘及网络均有压力。
哨兵则是控制面,不是数据面。多个哨兵相互交换观察结果:单个哨兵先认定主节点不可达,达到配置的法定票数后才形成客观下线判断;随后还需要哨兵之间取得执行切换所需的多数派支持。quorum 不是“配多少就永远能切换”的开关。三名有投票资格的哨兵通常以 quorum 2 配置,失去一名后仍有机会完成判断和选举;若剩余哨兵无法形成多数派,自动切换就可能停住。
AOF、RDB 等持久化机制解决的是 Redis 实例重启后的数据恢复问题,也可用于备份与恢复设计;它们不能代替副本和哨兵。反过来,有副本与哨兵也不能代替可验证的备份。
一次切换中,组件如何协作
正常运行时,应用向当前主节点写入,主节点向副本异步传播变更,哨兵持续检查主节点和副本状态。当主机宕机或主节点进程不可达时,切换大致经历以下过程:

- 哨兵发现主节点在设定时间内不可达,并与其他哨兵交换判断。
- 满足故障判定及选举条件后,负责执行切换的哨兵从可用副本中选择候选,将其提升为新主节点。
- 哨兵通知其他副本改为跟随新主节点,并更新对外提供的主节点地址。
- 应用客户端在连接失败或收到拓扑变化通知后,重新定位主节点,恢复读写。
这些环节没有统一的固定耗时。故障检测阈值、哨兵之间的网络、副本复制状态、提升过程和客户端重连都会影响最终恢复时间。即使哨兵已宣布切换完成,业务也要以“应用重新成功写入”为恢复终点,而不是只看新主节点是否产生。
数据一致性风险出现在同一条链路上。假设旧主节点确认了一次写入,但该写入尚未复制到后来被提升的副本;旧主节点随后失联,这次写入便可能不在新主节点上。旧主节点重新加入时通常会按新主节点的数据重新同步,不能指望它自动把那笔孤立写入合并回来。
网络分区还可能造成更隐蔽的情况:旧主节点仍被部分应用访问,另一侧的哨兵却已完成提升。旧主节点在这段时间接收的写入存在丢失风险。因此,客户端必须及时更新主节点信息;对不能容忍重复或丢失的操作,还应在业务层设计请求标识、幂等处理或权威数据源校验。哨兵切换本身不是跨分区的业务写入仲裁机制。
部署取舍:副本、哨兵与恢复目标
一个便于理解的起点是三台相互独立的 Linux 主机,每台运行一个 Redis 实例和一个 Sentinel 实例:Redis 形成一主两从,三名哨兵共同监测同一主节点。这样单台主机退出时,通常仍留有副本候选和足够的哨兵投票者。前提是三台主机的故障域确实尽量独立;把三个哨兵进程都放在同一台主机上,并不能抵御该主机故障。

资源预算不能只按“三份数据”计算。每个 Redis 实例需要容纳数据集及运行余量;可能被提升的副本还要具备承接主节点写入、客户端连接和后续副本同步的能力。若副本长期贴近内存上限,切换成功也可能很快遇到内存或性能问题。跨机房部署可以扩大故障隔离范围,但复制延迟、网络抖动和全量同步流量也会增加,不能仅以“机器分开了”判断可用性。
复制积压缓冲区可以按断连时间做初步估算。例如,主节点复制数据流平均产生约 4 MiB/s,计划覆盖约 30 秒的短暂断连,仅数据量就约为 4 × 30 = 120 MiB。配置时还需给速率波动留余量,例如从 256 MiB 量级起评估,并结合实际复制速率和断连记录调整。这个估算只帮助提高增量追赶的机会,不保证断连后一定无需全量同步。
恢复目标同样要分开设计:

- RTO(恢复时间目标)看业务中断多久。可将故障检测、哨兵选举与提升、客户端重连分别计时;例如三段分别耗时约 5 秒、3 秒和 6 秒,业务恢复约为 14 秒。这只是计算示例,不是配置后即可兑现的切换时长。
- RPO(恢复点目标)看最多能接受多少已确认数据丢失。异步复制下,它受故障瞬间的复制进度影响,不能单凭“有两个副本”推定为零。业务若要求更严格的写入确认,可评估写后在同一连接使用
WAIT检查指定数量副本是否确认接收,并检查实际返回数量;但WAIT不等于副本已持久落盘,也无法撤销主节点先前已接受的写入。min-replicas-to-write与min-replicas-max-lag可在副本数量或延迟不满足条件时限制主节点继续写入,其代价是部分故障场景下主动牺牲写入可用性,且并不把复制变为强一致。
若 Redis 主要承载可从数据库重建的缓存,可以侧重切换速度、回源限流和缓存预热;若承载难以重建的关键状态,就要先审视数据模型与权威存储安排,而不是把哨兵视为数据零丢失方案。
A5数据提供中国香港、美国、日本等地区的物理服务器租用,产品涵盖不同档位的CPU、内存、SSD或NVMe存储及网络线路。对于Redis主从与哨兵部署,多台物理服务器可分别承载主节点、副本和哨兵,为缓存读写、数据复制与故障切换链路提供所需的计算、存储和网络资源,也便于结合应用访问地区安排缓存服务。
运行要点:验证整条链路,而不只验证进程存活
上线前,至少分别观察 Redis 复制状态、哨兵投票能力和应用侧恢复行为。Redis 的 INFO replication 可用于查看角色、复制连接状态及偏移量;哨兵的 SENTINEL get-master-addr-by-name 可查看其返回的主节点,SENTINEL CKQUORUM 可辅助检查当前能否满足法定票数及选举条件。命令需连接到对应的 Redis 或哨兵端口,并按现有认证和加密要求执行。偏移量差距反映复制进度,不能直接换算成确定的业务数据丢失时间。
更关键的是安排受控切换演练:在可接受的维护窗口内,记录应用最后一次成功写入、首次失败、重新成功写入的时间,核对哨兵看到的新主节点与应用实际连接的节点是否一致,再检查副本重新跟随情况。演练还应覆盖应用连接池是否刷新、读副本是否出现可接受的滞后、重试是否造成重复执行。若要模拟进程或主机故障,应事先确认影响范围、备份与恢复路径,避免在未评估业务影响时直接操作生产主节点。
监控告警应围绕“还能否切换”和“切换后能否继续服务”:哨兵可用数量、主从连接状态、复制偏移量差距、全量同步频率、Redis 内存余量,以及应用写入错误率和重连耗时,都比只监控进程是否运行更有判断价值。切换后的新主节点若暂时没有可用副本,还应尽快恢复复制冗余;此时系统可能已恢复写入,却尚未恢复到原来的容灾状态。
回到标题,复制由 Redis 主从机制执行,故障判断与提升由哨兵协调,业务连接的迁移由具备哨兵接入能力的客户端配合完成。下一步应验证的不是单一的“能否自动切换”,而是一次主机故障后,哨兵是否仍能形成多数派、是否有足够新的副本可提升,以及应用实际测得的 RTO 和数据偏差是否落在业务允许的 RPO 内。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/5351.html



