Redis 运维、观测与故障语义

将 Redis 指标、命令级观测、客户端策略与不同数据角色的 failure policy 放在同一模型中，区分 authority、cache、notification 与 queue 的故障行为。

#synthesis #growing #backend #ops #architecture #redis

[!info] related notes

所属 MOC：BodySense Redis 从零到一课程 MOC、Backend 常用中间件与基础设施 MOC

相关概念：Redis Expiration 与 Eviction、Redis RDB、AOF 与恢复

关系笔记：AI / Agent Fallback Strategy

对应课程：第 11 课、第 12 课

Redis 运维、观测与故障语义

范围

Redis 的生产正确性不仅取决于命令是否写对，还取决于：

latency
memory
eviction
connection pool
persistence
slow command
failure classification
recovery path

最关键的是：Redis 在不同场景扮演的角色不同，故障策略也必须不同。

常用观测入口

INFO
CLIENT LIST
SLOWLOG
MEMORY
LATENCY
SCAN
DBSIZE

MONITOR 可以临时诊断，但不适合作为常驻生产观测方案。

关键指标的语义

used_memory / used_memory_rss
connected_clients
rejected_connections
blocked_clients
expired_keys
evicted_keys
keyspace_hits / keyspace_misses
instantaneous_ops_per_sec
persistence / AOF status
replication lag

[!important] 指标必须结合 Key 的业务角色解释。Cache miss 与 Session miss 不是同一种“miss”。

Failure Policy 由 State Ownership 决定

Authority

例如 Session / Refresh authority：

Redis unavailable
→ cannot prove current state
→ fail closed

Rebuildable Cache

Redis unavailable
→ fallback authoritative source
→ correct but slower

Best-effort Notification

Redis Pub/Sub unavailable
→ continue durable commit
→ fallback reconciliation

Wakeup Optimization

Redis job-ready signal lost
→ periodic durable recovery sweep

BodySense Failure Matrix

Capability	Redis 不可用时
Session authority	503 / fail closed
Refresh authority	503，不签发无法记录的新 credential
Auth rate limit	当前安全策略偏 fail closed
HealthWorkspace cache	fallback PostgreSQL
Knowledge/RAG cache	fallback normal retrieval
Runtime event notifier	fallback DB reconciliation
Job wakeup	fallback periodic DB sweep

内存与隔离

如果同一实例混放：

security-critical state
+
disposable cache
+
notification
+
queue-like data

它们会共享 maxmemory、eviction policy、process failure、CPU、restart 和 connection limit。

Redis logical DB 不能提供这些故障域隔离。真正需要隔离时，应使用独立实例 / deployment boundary。

Client Policy

显式考虑：

DialTimeout
ReadTimeout
WriteTimeout
PoolSize
MinIdleConns
MaxRetries
TLS
startup Ping timeout

对安全关键路径，bounded latency 通常比无界 retry 更重要。

排障顺序

用户错误 / 延迟
→ 应用 Redis operation latency / error
→ connection pool
→ SLOWLOG / LATENCY
→ memory / eviction
→ persistence / fork
→ network / replication

避免“PING 正常 = Redis 健康”的误判。