Redis连接不上哨兵了？教你几招快速排查和解决办法

最近是不是遇到了应用突然报错,说连不上Redis了？而且你明明配置了哨兵（Sentinel）模式来保证高可用，结果还是出了问题，别急，这种情况很常见，多半是哨兵那边出了岔子，下面我就用大白话给你梳理一下，怎么一步步把问题找出来并解决掉。

第一步：先别乱动，看看日志说了什么

日志就像是系统的病历,哪里不舒服它最先知道，遇到连接不上的第一反应，应该是去翻日志。

1. 看应用日志：你的应用程序（比如Java应用）在尝试连接哨兵失败时，肯定会抛出错误信息，仔细看这个错误，它会告诉你具体是哪个哨兵地址连接超时，还是认证失败，或者是它从哨兵那里获取不到主节点的信息，这能帮你快速缩小排查范围。
2. 看哨兵日志：这是最关键的一步，你需要登录到部署了Redis哨兵的机器上，找到哨兵的日志文件，哨兵默认会在日志里记录它自己和其他哨兵节点、Redis主从节点之间的“心跳”检测情况，重点关注有没有“+switch-master”（主从切换）、“+sdown”（主观下线）、“+odown”（客观下线）、“-sdown”（主观上线）这类事件记录，如果发现哨兵认为主节点已经挂了（odown），但却迟迟没有触发切换，或者几个哨兵之间吵起来了（投票没达成一致），那问题就出在哨兵集群本身。

第二步：检查哨兵集群的“健康状况”

光看日志还不够,你得亲自问问哨兵：“你们现在觉得谁是老大？你们几个之间还联系得上吗？”

1. 连接任意一个哨兵节点：用redis-cli命令工具，连接上一个你认为应该正常的哨兵端口（默认是26379）。
2. 执行检查命令：
   • 查主节点信息：输入命令 sentinel master mymaster（这里的mymaster是你配置的监控主节点的名称），这个命令会返回一大段信息，你要重点关注ip和port，看看它指出的主节点地址是不是你期望的那个，有时候可能已经切换了，但你的应用配置没更新。
   • 查哨兵们是否团结：输入命令 sentinel sentinels mymaster，这个命令会列出所有监控同一个主节点的其他哨兵节点，你看看返回的列表数量对不对，是不是你部署的所有哨兵都在里面，如果少了某个哨兵，说明哨兵集群内部网络可能有问题，或者那个哨兵进程挂掉了。
   • 查哨兵自己认不认识伙伴：输入命令 info sentinel，这会显示这个哨兵视角下，集群里总共有多少个哨兵（sentinel_masters等统计信息），可以辅助判断。

第三步：揪出常见“元凶”

根据上面的检查,大概率能锁定问题方向，下面是一些常见的罪魁祸首：

1. 网络问题（最常见）：防火墙是头号杀手！确保你的应用服务器和所有哨兵服务器之间的哨兵端口（如26379） 以及Redis服务端口（如6379） 是互通的，可以用telnet哨兵IP 26379这样的命令简单测试一下，安全组规则（云服务器）或者网络策略（Kubernetes环境）也要仔细检查。
2. 配置不一致的坑：哨兵的配置文件sentinel.conf里的几个参数必须保证所有哨兵节点一致：
   • sentinel monitor mymaster [主库IP] [主库端口] [法定票数]：这一行里的主库IP、端口、法定票数必须一样。
   • sentinel auth-pass mymaster [密码]：如果Redis主从节点有密码，这里一定要配置正确且一致。
   • 配置不一致会导致哨兵对集群状态的认知分裂。
3. 时间不同步惹的祸：哨兵节点之间的系统时间如果相差太大，可能会影响心跳判断的准确性，确保所有服务器的时间基本同步（可以使用NTP服务）。
4. 权限问题：如果Redis设置了requirepass密码，哨兵配置中必须用sentinel auth-pass指令正确配置，如果哨兵本身配置了密码（requirepass in sentinel.conf），那么应用连接哨兵时也需要提供这个密码。
5. 脑裂问题（比较棘手）：当网络发生严重分区时，可能会导致哨兵集群被分割成两派，各自选出了不同的主节点，这时候需要人工介入，根据数据的新旧程度，强制指定一个主节点，并重启其他节点以重新同步。

第四步：解决办法与总结

找到原因后,解决办法就相对直接了：

• 网络问题：放开防火墙/安全组规则。
• 配置问题：统一所有哨兵节点的配置文件，然后逐个重启哨兵服务（注意不要同时全部重启）。
• 进程挂掉：重启挂掉的Redis或哨兵进程。
• 脑裂问题：谨慎操作，优先选择数据可能更新的那个分区，将其提升为主节点，并处理数据不一致的问题。

Redis哨兵连接不上,别慌，按照“应用日志 -> 哨兵日志 -> 哨兵状态命令 -> 检查网络/配置”这个流程来，一步步排查，绝大多数问题都能迎刃而解，平时做好监控，把哨兵部署在稳定的网络环境中，就能大大减少这类故障的发生。 综合参考了Redis官方文档关于哨兵的说明以及常见的运维实践经验）