因為項目的原因采用了redis cluster，3主3從，每臺主機1主1從，集群信息如下：
10.135.255.72:20011> cluster nodes
7b662b36489a6240aa21d1cf7b04b84019254b63 10.135.255.74:20012 slave 85c78164a448fb9965e22447429a56cab226c68f 0 1537239581900 43 connected
61c3e1a640e71f4801d850c901dd33f0b4f6876d 10.135.255.73:20012 slave 8e3491125e105333958dd752ee0d0b0a41ed2d90 0 1537239582300 41 connected
85c78164a448fb9965e22447429a56cab226c68f 10.135.255.73:20011 master - 0 1537239581999 43 connected 5461-10922
8e3491125e105333958dd752ee0d0b0a41ed2d90 10.135.255.72:20011 myself,master - 0 0 41 connected 0-5460
92eadfb6acbd0db74a8b8860286a7f63abce140e 10.135.255.74:20011 master - 0 1537239581799 44 connected 10923-16383
7084c1d7950b83abc1e4419500e1c24a9fa108e7 10.135.255.72:20012 slave 92eadfb6acbd0db74a8b8860286a7f63abce140e 0 1537239581499 44 connected
redis cluster經(jīng)過運行一段時間后，會經(jīng)常發(fā)生主從關(guān)系的自動切換，比如：10.135.255.74:20012變成master，10.135.255.73:20011變成slave，這樣就會導致10.135.255.74:20011和10.135.255.74:20012變成雙master，這樣假如10.135.255.74這臺主機發(fā)生宕機，就會導致2個master不可用，導致cluster down（ps:redis cluster中一半以上的master故障會導致 cluster down）。此問題困擾項目組很久，一直未找到根本原因。
后來經(jīng)過多次查閱資料，應(yīng)該是redis.conf里的集群節(jié)點的超時時限參數(shù)cluster-node-timeout配置的是2000（2秒），這里簡單講解下該參數(shù)的作用：
一、節(jié)點失效檢測
1.集群中當一個節(jié)點向另一個節(jié)點發(fā)送ping命令，但是目標節(jié)點未在給定的時限內(nèi)返回ping命令的回復(fù)時，那么發(fā)送命令的節(jié)點會將目標節(jié)點標記為pfail(possible failuer，可能已失效)；
等待節(jié)點回復(fù)的時限稱為節(jié)點超時時限（node timeout），是一個節(jié)點選項（node-wise setting）;
二、集群狀態(tài)檢測
每當集群發(fā)生配置變化時（可能是哈希槽更新，也可能是某個節(jié)點進入失效狀態(tài)），集群中的每個節(jié)點都會對它所知道的節(jié)點進行掃描（scan）;
一旦配置完畢，集群就會進入兩種狀態(tài)中的一種：
fail：集群不能正常工作，當集群中有某個節(jié)點進入失效狀態(tài)時，集群不能處理任何命令請求，對于每個命令請求，集群節(jié)點都返回錯誤回復(fù)；
ok：集群可以正常工作，負責處理全部16384個槽節(jié)點中，沒有一個被標記為fail狀態(tài)；
三、從節(jié)點選舉
一旦某個主節(jié)點進入了fail狀態(tài)，如果這個主節(jié)點有一個或者多個從節(jié)點存在，那么其中一個從節(jié)點會被升級為主節(jié)點，而其它從節(jié)點會開始對這個新主節(jié)點進行復(fù)制；
在實際生產(chǎn)使用過程中，由于網(wǎng)絡(luò)順時延遲或者cluster某些節(jié)點正在進行持久化，aof重寫、master-slave同步數(shù)據(jù)這些耗時的操作，可能就會產(chǎn)生節(jié)點檢測超時（>2000ms）從而失效，為了避免節(jié)點檢測過于靈敏，經(jīng)過多次調(diào)整實踐，在該項目的實際生產(chǎn)環(huán)境中，將cluster-node-timeout調(diào)整為12000ms后，比較穩(wěn)定，既不輕易發(fā)生主從自動切換，也在真正master節(jié)點主機宕機后，slave能迅速選舉為主，保證redis cluster可用。
補充：記一次redis主從切換故障解決
問題描述：
在虛擬機機上配置了一主二從三哨兵，主機宕機后其中一臺從機自動切換為主機成功。重啟之前的主機卻連不上新的主機。
解決方法：
經(jīng)過檢查發(fā)現(xiàn)，舊的主機未配置連接新的從機的密碼
接下里配置好連接密碼，再重啟一下redis服務(wù)
重啟后主機連接狀態(tài)顯示正常，問題解決
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持服務(wù)器之家。如有錯誤或未考慮完全的地方，望不吝賜教。
原文鏈接：https://blog.csdn.net/weixin_34335458/article/details/89620720
