Redis集群健康监测的核心是通过定期检查节点状态、内存使用、连接数和延迟等指标，确保集群稳定运行。维护指南包括设置自动 failover、监控慢查询日志、定期备份数据和优化配置参数。实时保障系统稳定的关键步骤：1. 使用 Redis CLI 的 cluster nodes 命令查看集群拓扑和节点角色；2. 部署 Prometheus + Grafana 监控 dashboard，设置告警阈值如内存使用超过80%时通知；3. 定期执行 redis-cli --cluster check 检查集群一致性；4. 配置 sentinel 或使用 Redis Cluster 的内置高可用机制；5. 监控网络延迟和分区情况，使用 ping/pong 测试节点连通性。这些实践能有效预防故障并快速恢复。
Redis官方文档聚合
In a Redis Cluster, nodes are responsible for advertising their own state. The cluster bus is used by nodes to exchange this information. To check the health of the cluster, you can use the CLUSTER NODES command that lists all the nodes currently known by the Redis Cluster, along with their status. A healthy cluster should have all master nodes with at least one replica, and no node should report itself as FAIL.
运维实践分享
日常维护中，我们使用 crontab 定时执行 redis-cli cluster info，检查 cluster_state 是否为 ok。如果发现 PFAIL 或 FAIL 状态，立即触发告警。同时监控 keyspace_hits 和 keyspace_misses 比率，避免缓存穿透。内存碎片率通过 memory-stats 监控，如果超过1.5则考虑重启节点或调整 maxmemory-policy。
Prometheus监控配置
配置 redis_exporter 采集指标，如 redis_up、redis_connected_slaves、redis_memory_used_bytes。Grafana dashboard 显示实时曲线，设置告警规则：如果 redis_cluster_info{cluster_state!='ok'} 则 alert。还可以监控 evicted_keys 和 keyspace_misses_total，及时发现热点key问题。
故障恢复指南
当节点下线时，检查日志 redis.log 中的 FAIL message。如果是短暂网络问题，可手动执行 cluster forget
性能优化维护
慢查询监测：设置 slowlog-log-slower-than 10000，定期 slowlog get 分析耗时命令。连接池优化：maxclients 设为内存允许的最大值，避免拒绝连接。使用 redis-benchmark 压力测试，模拟高峰负载，调整 hz 参数提升响应速度。
常见问题排查
集群不一致时，用 redis-cli --cluster reshard 重分布槽位。内存泄漏检查：memory usage
FAQ
Q: 如何快速检查Redis集群状态？
A: 执行 redis-cli -c -p 7000 cluster nodes 或 cluster info，确认 cluster_state:ok 和所有节点 reachable。
Q: 内存使用过高怎么处理？
A: 设置 maxmemory 和 eviction policy，如 allkeys-lru；监控 info memory 中的 used_memory_rss。
Q: 节点故障如何自动切换？
A: 启用 Redis Cluster 原生 failover，确保每个 master 有 replicas，并设置 cluster-require-full-coverage no。
Q: 监控工具推荐哪些？
A: Prometheus + redis_exporter + Grafana 是主流组合，也可使用 Zabbix 或商业工具如阿里云 Redis 控制台。
Q: 数据备份频率多少合适？
A: 每小时 RDB 全量备份 + AOF 增量，结合业务峰谷自动触发。