实时监控Redis集群运行状况可以用Redis的INFO命令和CLUSTER NODES命令来查询基本信息，比如运行状态、内存使用、连接数等。可以用redis-cli登录到集群节点执行这些命令，或者用工具如Prometheus + Grafana来做图形化监控。查询集群信息主要用CLUSTER INFO和CLUSTER NODES，CLUSTER INFO显示集群整体状态如节点数、槽分配；CLUSTER NODES显示每个节点的ID、角色、状态和连接。性能瓶颈常见有内存不足导致的OOM、慢查询多、网络延迟高、大key占用内存；高可用方案包括主从复制、哨兵模式、Redis Cluster自动故障转移、多数据中心部署。

使用redis-cli监控集群

要查看Redis集群的运行状况，可以使用redis-cli连接到任意一个节点，然后执行CLUSTER NODES命令，它会列出集群中所有节点的信息，包括节点ID、地址、标志（如master或slave）、最后一次从主节点接收心跳的时间、槽位信息等。通过这个命令，你可以快速判断集群是否健康，比如是否有节点下线或槽位分配不均。另外，CLUSTER INFO命令会给出集群的整体信息，如cluster_state:ok表示集群正常，cluster_slots_assigned显示已分配槽位数等。对于实时监控，可以写个脚本每隔几秒执行这些命令并输出到日志或发送警报。

性能监控和瓶颈排查

Redis集群性能瓶颈排查首先看INFO stats里的命令执行统计，instantaneous_ops_per_sec是瞬时QPS，evicted_keys是内存不足时淘汰的key数，如果这个数字高说明内存不够用。总内存用量在INFO memory里看used_memory和used_memory_rss，如果接近maxmemory就需要扩容。慢查询用SLOWLOG GET查看耗时长的命令，通常是大key或pipeline太多导致的。网络瓶颈看connected_clients和total_commands_processed，如果连接数爆表或命令数暴增就需要优化客户端代码或加连接池。CPU高可能是单线程瓶颈，用top命令看redis-server进程CPU占用。

高可用方案实践

Redis高可用最简单是用哨兵（Sentinel）监控主从节点，主节点挂了自动选举从节点上位。但哨兵不支持分片，所以集群场景用Redis Cluster，它内置分片和高可用，每个master有slave，当master故障时slave自动提升。配置时确保每个master至少一个slave，集群节点数建议奇数避免脑裂。多机房高可用可以用Redis的CRDB（Cluster with Redis Database）或第三方如Twemproxy做代理转发，还可以结合Keepalived做VIP漂移。实际部署中，定期做故障演练验证切换时间通常在几秒内。

Grafana监控面板搭建

用Prometheus采集Redis指标，redis_exporter暴露metrics端口，然后Grafana画面板监控QPS、内存、延迟、连接数等。集群信息可以用exporter的cluster模式采集CLUSTER NODES数据，面板上显示节点状态颜色，红的表示故障。性能瓶颈面板设置警报，比如内存使用率>80%报警，慢查询率>10/s报警。高可用看集群槽覆盖率，如果<100%说明有槽丢失需要修复。

FAQ

Q: 如何快速检查Redis集群是否正常？

A: 执行CLUSTER INFO，如果cluster_state是ok且cluster_slots_ok是16384就正常。

Q: 内存瓶颈怎么解决？

A: 调大maxmemory，用volatile-lru淘汰策略，或拆分大key成hash。

Q: 集群故障恢复需要手动干预吗？

A: Redis Cluster大多自动 failover，但分区故障可能需手动fixcluster命令修复槽。

Q: 监控工具推荐哪些？

A: Prometheus+Grafana免费好用，企业可用Zabbix或阿里云Redis监控。