前言

目前生产配置了2台redis一主一从1.193和12.6，和3个哨兵。1.193，3.10，12.6，搭建的redis高可用环境。突然发生了redis频繁无响应。

现象

2台生产redis突然发生频繁的主从切换。由于目前redis配置主从切换全量同步先生成rdb数据文件保存到硬盘，然后将rdb文件传输到从库。因此redis目录下产生了大量的rdb文件

可以看出大约7分钟左右会产生一个rdb文件。

排查

查看2个redis服务日志，可以看到两个redis每隔一段时间就会变为主,且有许多连接丢失的情况，同时存在频繁主从全量同步。

1.193 redis

...

[3932] 04 Jun 14:18:32.846 * MASTER MODE enabled (user request from 'id=107487221 addr=172.19.12.1:49610 fd=188 name=sentinel-872f1eee-cmd age=71 idle=0 flags=x db=0 sub=0 psub=0 multi=3 qbuf=0 qbuf-free=32768 obl=36 oll=0 omem=0 events=r cmd=exec')

[3932] 04 Jun 14:18:32.862 # CONFIG REWRITE executed with success.

[3932] 04 Jun 14:18:44.983 * Slave 172.18.12.6:6380 asks for synchronization

[3932] 04 Jun 14:18:44.983 * Full resync requested by slave 172.18.12.6:6380

[3932] 04 Jun 14:18:44.983 * Starting BGSAVE for SYNC with target: disk

[3932] 04 Jun 14:18:45.061 * Background saving started by pid 140176

[3932] 04 Jun 14:22:42.416 # fork operation complete

[3932] 04 Jun 14:22:44.381 * Background saving terminated with success

[3932] 04 Jun 14:22:49.186 # Connection with slave 172.18.12.6:6380 lost.

[3932] 04 Jun 14:22:59.373 * SLAVE OF 172.18.12.6:6380 enabled (user request from 'id=107487264 addr=172.18.12.6:56951 fd=188 name=sentinel-7a359562-cmd age=10 idle=0 flags=x db=0 sub=0 psub=0 multi=3 qbuf=0 qbuf-free=32768 obl=36 oll=0 omem=0 events=r cmd=exec')

[3932] 04 Jun 14:22:59.388 # CONFIG REWRITE executed with success.

[3932] 04 Jun 14:22:59.700 * Connecting to MASTER 172.18.12.6:6380

[3932] 04 Jun 14:22:59.700 * MASTER <-> SLAVE sync started

[3932] 04 Jun 14:22:59.700 * Non blocking connect for SYNC fired the event.

[3932] 04 Jun 14:22:59.700 * Master replied to PING, replication can continue...

[3932] 04 Jun 14:22:59.700 * Partial resynchronization not possible (no cached master)

[3932] 04 Jun 14:22:59.763 * Full resync from master: f391e124ded4a1bbe62f0e1d0214b823943f3461:1

[3932] 04 Jun 14:25:52.642 * MASTER MODE enabled (user request from 'id=107487264 addr=172.18.12.6:56951 fd=188 name=sentinel-7a359562-cmd age=183 idle=0 flags=x db=0 sub=0 psub=0 multi=3 qbuf=0 qbuf-free=32768 obl=36 oll=0 omem=0 events=r cmd=exec')

[3932] 04 Jun 14:25:52.658 # CONFIG REWRITE executed with success.

[3932] 04 Jun 14:26:04.077 * Slave 172.18.12.6:6380 asks for synchronization

[3932] 04 Jun 14:26:04.077 * Full resync requested by slave 172.18.12.6:6380

[3932] 04 Jun 14:26:04.077 * Starting BGSAVE for SYNC with target: disk

[3932] 04 Jun 14:26:04.171 * Background saving started by pid 1428

[3932] 04 Jun 14:30:08.342 # fork operation complete

[3932] 04 Jun 14:30:10.277 * Background saving terminated with success

[3932] 04 Jun 14:30:15.659 # Connection with slave 172.18.12.6:6380 lost.

[3932] 04 Jun 14:30:25.705 * SLAVE OF 172.18.12.6:6380 enabled (user request from 'id=107487335 addr=172.18.12.6:57160 fd=161 name=sentinel-7a359562-cmd age=17 idle=0 flags=x db=0 sub=0 psub=0 multi=3 qbuf=0 qbuf-free=32768 obl=36 oll=0 omem=0 events=r cmd=exec')

[3932] 04 Jun 14:30:25.721 # CONFIG REWRITE executed with success.

[3932] 04 Jun 14:30:26.064 * Connecting to MASTER 172.18.12.6:6380

[3932] 04 Jun 14:30:26.064 * MASTER <-> SLAVE sync started

...
  • MASTER MODE enabled 被哨兵设置为主
  • CONFIG REWRITE executed with success配置重写成功
  • Slave 172.18.12.6:6380 asks for synchronization从redis请求主从同步
  • Full resync requested by slave 172.18.12.6:6380全量同步
  • Starting BGSAVE for SYNC with target: disk后台保存到硬盘
  • Background saving started by pid 140176子进程开始保存
  • fork operation complete子线程操作完成
  • Background saving terminated with success保存成功
  • Connection with slave 172.18.12.6:6380 lost.连接到从连接丢失
  • SLAVE OF 172.18.12.6:6380 enabled 被哨兵设置为从
  • Connecting to MASTER 172.18.12.6:6380连接到主
  • MASTER <-> SLAVE sync started主从同步开始
  • Partial resynchronization not possible (no cached master)无法部分同步
  • Full resync from master: f391e124ded4a1bbe62f0e1d0214b823943f3461:1全量同步

查看哨兵日志(下面是其中一个哨兵日志)，每个哨兵日志都显示频繁发生重新选举。

172.17.1.193的哨兵

[132436] 04 Jun 14:07:19.705 # +sdown master master 172.17.1.193 6379

[132436] 04 Jun 14:07:19.939 # +new-epoch 3

[132436] 04 Jun 14:07:19.955 # +vote-for-leader 7a359562268faaf4b588343b75fea8afbd6a2816 3

[132436] 04 Jun 14:07:20.345 # -sdown master master 172.17.1.193 6379

[132436] 04 Jun 14:07:21.234 # +config-update-from sentinel 7a359562268faaf4b588343b75fea8afbd6a2816 172.18.12.6 16380 @ master 172.17.1.193 6379

[132436] 04 Jun 14:07:21.234 # +switch-master master 172.17.1.193 6379 172.18.12.6 6380

[132436] 04 Jun 14:07:21.234 * +slave slave 172.17.1.193:6379 172.17.1.193 6379 @ master 172.18.12.6 6380

[132436] 04 Jun 14:07:31.280 * +convert-to-slave slave 172.17.1.193:6379 172.17.1.193 6379 @ master 172.18.12.6 6380

[132436] 04 Jun 14:10:23.333 # +sdown master master 172.18.12.6 6380

[132436] 04 Jun 14:10:23.442 # +odown master master 172.18.12.6 6380 #quorum 2/2

[132436] 04 Jun 14:10:23.442 # +new-epoch 4

[132436] 04 Jun 14:10:23.442 # +try-failover master master 172.18.12.6 6380

[132436] 04 Jun 14:10:23.442 # +vote-for-leader 1e28fa3c46c51d90d497412d75326034b9e439a0 4

[132436] 04 Jun 14:10:23.458 # 7a359562268faaf4b588343b75fea8afbd6a2816 voted for 7a359562268faaf4b588343b75fea8afbd6a2816 4

[132436] 04 Jun 14:10:23.489 # 872f1eee7d73890b2b4d75a2a0bead3f0a33603e voted for 7a359562268faaf4b588343b75fea8afbd6a2816 4

[132436] 04 Jun 14:10:24.643 # -sdown master master 172.18.12.6 6380

[132436] 04 Jun 14:10:24.643 # -odown master master 172.18.12.6 6380

[132436] 04 Jun 14:10:34.456 # -failover-abort-not-elected master master 172.18.12.6 6380

[132436] 04 Jun 14:12:33.734 # +sdown slave 172.17.1.193:6379 172.17.1.193 6379 @ master 172.18.12.6 6380

[132436] 04 Jun 14:13:46.929 # -sdown slave 172.17.1.193:6379 172.17.1.193 6379 @ master 172.18.12.6 6380

...
  • +sdown master master主观下线主redis
  • new-epoch 3新一轮投票
  • vote-for-leader 7a359562268faaf4b588343b75fea8afbd6a2816 3选举哨兵领导者
  • +sdown master master客观下线主redis
  • config-update-from sentinel从哨兵更新配置，更新到本地，最终选举出的主redis
  • switch-master master切换到主redis
  • slave slave 设置从redis
  • convert-to-slave主节点转换为从节点
  • failover-abort-not-elected 选举中止

+sdown表示认定主观下线，-sdown是撤销主观下线

另一台哨兵日志

172.17.3.10的哨兵

[7152] 04 Jun 14:05:34.856 # +new-epoch 3

[7152] 04 Jun 14:05:34.872 # +vote-for-leader 7a359562268faaf4b588343b75fea8afbd6a2816 3

[7152] 04 Jun 14:05:35.106 # +sdown master master 172.17.1.193 6379

[7152] 04 Jun 14:05:35.185 # +odown master master 172.17.1.193 6379 #quorum 3/2

[7152] 04 Jun 14:05:35.185 # Next failover delay: I will not start a failover before Thu Jun 04 14:06:35 2020

[7152] 04 Jun 14:05:35.247 # -sdown master master 172.17.1.193 6379

[7152] 04 Jun 14:05:35.247 # -odown master master 172.17.1.193 6379

[7152] 04 Jun 14:05:36.153 # +config-update-from sentinel 7a359562268faaf4b588343b75fea8afbd6a2816 172.18.12.6 16380 @ master 172.17.1.193 6379

[7152] 04 Jun 14:05:36.153 # +switch-master master 172.17.1.193 6379 172.18.12.6 6380

[7152] 04 Jun 14:05:36.153 * +slave slave 172.17.1.193:6379 172.17.1.193 6379 @ master 172.18.12.6 6380

[7152] 04 Jun 14:08:37.880 # +sdown master master 172.18.12.6 6380

[7152] 04 Jun 14:08:38.380 # +new-epoch 4

[7152] 04 Jun 14:08:38.380 # +vote-for-leader 7a359562268faaf4b588343b75fea8afbd6a2816 4

[7152] 04 Jun 14:08:39.021 # +odown master master 172.18.12.6 6380 #quorum 3/2

[7152] 04 Jun 14:08:39.021 # Next failover delay: I will not start a failover before Thu Jun 04 14:09:39 2020

[7152] 04 Jun 14:08:39.568 # -sdown master master 172.18.12.6 6380

[7152] 04 Jun 14:08:39.568 # -odown master master 172.18.12.6 6380

[7152] 04 Jun 14:10:48.584 # +sdown slave 172.17.1.193:6379 172.17.1.193 6379 @ master 172.18.12.6 6380

[7152] 04 Jun 14:12:01.781 # -sdown slave 172.17.1.193:6379 172.17.1.193 6379 @ master 172.18.12.6 6380

...

Next failover delay 选举时间间太短，等下一次选举，避免网络短时间内波动造成频繁主从切换。该时间间隔是down-after-milliseconds值的10倍

结论

仔细看哨兵redis发现，服务器1.193的哨兵也会认为1.193的redis主观下线sdown master master 172.17.1.193 6379，怀疑有可能是redis服务的问题，而不是网络问题。

查看日志发现有频繁的fork operation complete 日志，由于有全量同步和aof同步出现，fork线程和子线程处理完通知父线程后的逻辑处理都会有短暂阻塞。因此在RDB和AOF持久化时造成阻塞（当时的redis数据量达到9G），可能会导致哨兵误认为节点主观下线。

主从同步阻塞时，当增量数据超过配置的阈值或配置的时间，则会触发全量数据同步。

redis主从配置注意点

  1. 控制Redis实例最大可用内存，fork耗时跟内存成正比。10GB的redis内存大约需要20MB的内存页表，因此内存越大fork越耗时，正常情况大约每GB需要消耗20ms左右。可以通过latest_fork_usec查看最后一次fork时间，单位是微秒。
  2. 尽可能关闭rdb持久化方式，rdb每次会全量保存文件，保存需要双倍数据内存，主从同步方式可以使用无硬盘模式，尽可能使用aof每秒保存，若是4.X版本的redis，则使用rdb-aof模式，增量数据以aof追加，aof重写时以rbd数据保存。
  3. 哨兵主观下线时间配置down-after-milliseconds不要配置太短，配置太短很可能造成频繁发生主从切换。
  4. 增大主从同步的缓存大小repl-backlog-size，当主从连接断开重连后，若增量同步数据小于缓存大小， 则仅需增量同步即可，无需全量同步。默认1MB
  5. 适当增大主从断开全量同步时间超过配置的repl-backlog-ttl值会触发全量同步，单位时秒。
  6. 当搭建了集群，若超过半数节点无响应，则整个集群会挂掉。当发生主从同步，持久化时节点可能阻塞，适当调整集群通讯超时时间。cluster-node-timeout单位是毫秒。

REDIS主从频繁切换事件排查的更多相关文章

  1. 利用Redis Sentinel实现redis主从自动切换

    redis主从配置很简单,只需要在slave的配置里加slaveof 192.168.0.100 6379(master的ip和端口) 如果master有密码再设置 masterauth passwo ...

  2. Redis集群_3.redis主从自动切换Sentinel(转)

    Redis SentinelSentinel(哨兵)是用于监控redis集群中Master状态的工具,其已经被集成在redis2.4+的版本中 一.Sentinel作用:1):Master状态检测 2 ...

  3. 记录一次线上yarn RM频繁切换的故障

    周末一大早被报警惊醒,rm频繁切换 急急忙忙排查 看到两处错误日志 错误信息1 ervation <memory:0, vCores:0> 2019-12-21 11:51:57,781 ...

  4. redis主从配置及主从切换 转

    redis主从配置及主从切换 转自 http://blog.sina.com.cn/s/blog_67196ddc0101h8v0.html (2014-04-28 17:48:47) 转载▼   分 ...

  5. redis主从切换的集群管理

    集群配置最少需要三台机器,那么我就三台虚拟机,三台虚拟机分别安装同样的redis的环境ip分别:192.168.9.17 (redis sentinel 集群监控)192.168.9.18 (redi ...

  6. redis配置文件详解及实现主从同步切换

    原理:redis复制是怎么进行工作 如果设置了一个slave,不管是在第一次链接还是重新链接master的时候,slave会发送一个同步命令 然后master开始后台保存,收集所有对修改数据的命令.当 ...

  7. redis哨兵主从自动切换

    1.用的是TP5框架,改写框架自带的redis类 thinkphp/library/think/cache/driver/Redis.php //两台服务器都配置好了监控哨兵 //主从配置要设置好密码 ...

  8. 利用Sentinel实现Redis主从切换

    利用Sentinel(哨兵)实现Redis集群的故障自主切换 首先部署redis主从集群,主要安装过程: cd redis make make install 主要看配置文件: master: bin ...

  9. Redis主从切换

    案例 易车网:http://www.greatops.net/?id=232 redis主从切换:http://www.cnblogs.com/itdragon/p/7932178.htmlhttps ...

随机推荐

  1. JS中各种变量类型在条件判断为false的情况

    var a = undefined; ->false var a = 0; ->false var a = 0.0; ->false var a = NaN; ->false ...

  2. Java并发II

    Java并发 J.U.C图 一.线程的安全性 当多个线程访问某个类的时候,不管运行环境采用何种方式调度或者这些线程如何交替执行,并且在主调代码中不需要任何额外的同步或者协同,这个类都可以表现出正确的行 ...

  3. Python 的十万个为什么？

    随着 Python 在近些年的火爆,网上出现了很多这个方向的公众号和博客,文章也层出不穷. 受到此风气的影响,我也把自己"培养"成了一名技术博主,写作近两年来,陆陆续续写过不少的系 ...

  4. 百度智能云平台调用食物识别api Java实现

    纪录一下我小学期2天花了20小时写的菜品识别java程序. 1.2. 百度智能云简介 1.2.1 百度图像识别服务 百度图像识别服务,基于深度学习及大规模图像训练,准确识别图片中的物体类别.位置.置信 ...

  5. 网页导出成word文档的默认视图方式问题

    网页导出成word文档的默认视图方式问题 一般保存后的word文档默认是“Web版式视图”打开,这样会给客户的感觉不是真正的word文档,必须实现打开就是“页面视图” 1. 修改<html> ...

  6. 在IDEA中使用Spring写一个HelloWorld

    准备工作 1.使用IDEA2018专业版, 我试了IDEA2019教育版和IDEA2020社区版,都无法顺利创建一个Spring项目,实在是恼火,一气之下,统统卸载掉. 重装了一个IDEA2018专业 ...

  7. 模板：DOM常用场景【表单提交】——javascript结合HTML DOM（或者JQuery）运用

    一.删除行为前的提示 首先要有一个onclick的DOM(点击)事件,和一个JavaScript弹出框:confirm()确认框 <script> function del(){ var ...

  8. Visual Studio 2019 Professional 激活

    Visual Studio 2019 Professional下载地址>https://visualstudio.microsoft.com/zh-hant/thank-you-download ...

  9. zookeeper实现分布式锁总结，看这一篇足矣（设计模式应用实战）

    分布式锁纵观网络各种各样的帖子层出不穷,笔者查阅很多资料发现一个问题,有些文章只写原理并没有具体实现,有些文章虽然写了实现但是并不全面 借这个周末给大家做一个总结,代码拿来就可以用并且每一种实现都经过 ...

  10. mysql中 Rank、DENSE_RANK()的区别

    相同点:RANK()和DENSE_RANK()的是排名函数 不同点:RANK()是跳跃排序,即如果有两条记录重复,接下来是第三级别 如:1 2 2 4,会跳过3 DENSE_RANK()是连续排序,即 ...