Auf dieser Seite
Die meisten Redis-Incidents in Produktion lassen sich auf fünf Dinge zurückführen: Der Speicher erreicht maxmemory, ein einzelner O(N)-Befehl blockiert den Single-Threaded-Event-Loop, die Eviction löscht unbemerkt Keys, die die Anwendung noch braucht, die Replikation fällt zurück und erzwingt einen vollständigen Resync, oder Verbindungen schöpfen das Client-Limit aus. Prüfen Sie sie in dieser Reihenfolge, bevor Sie eine Logdatei lesen.
Wirksames Redis-Troubleshooting heißt vor allem, zuerst das Richtige zu prüfen. Im Folgenden finden Sie die Fehler, die wir in Unternehmensumgebungen am häufigsten sehen – jeweils mit dem Befehl, der sie bestätigt, statt einer Beschreibung, die Sie erst in einen Befehl übersetzen müssen.
Redis-Troubleshooting beginnt mit drei Befehlen
Redis-Troubleshooting geht schief, wenn man zuerst zu den Logs greift. Die Logs von Redis sind bewusst spärlich – die meisten der unten beschriebenen Fehler hinterlassen überhaupt keine Logzeile. Der Zustand des Servers dagegen schon.
INFO # role, uptime, clients, persistence, replication
INFO memory # used_memory, maxmemory, fragmentation
SLOWLOG GET 25 # commands that exceeded the slow-log thresholdDrei Fragen, in dieser Reihenfolge:
- Geht der Speicher aus? Ein
used_memoryauf oder nahemaxmemoryerklärt abgelehnte Schreibzugriffe, Evictions und einen guten Teil der Meldungen „Redis ist langsam“. - Hat ein einzelner Befehl den Server blockiert? Redis führt Befehle auf einem einzigen Thread aus. Ein langsamer Befehl hält jeden Client auf, und das Slow Log ist der einzige Ort, an dem das festgehalten wird.
- Ist dieser Knoten in dem Zustand, den Sie annehmen? Eine Replica, die befördert wurde, oder ein Primary, der nach einem Failover unbemerkt zur Replica wurde, erzeugt Fehler, die ihrer Ursache in keiner Weise ähneln.
Widerstehen Sie dem Neustart. Ein Neustart leert das Slow Log, setzt die INFO-Zähler zurück und verwirft die Latenz-Zeitreihen – aus einem diagnostizierbaren Problem wird eine Anekdote.
1. Warum liefert Redis „OOM command not allowed“?
Problem. Schreibzugriffe scheitern mit OOM command not allowed when used memory > 'maxmemory'. Lesezugriffe funktionieren weiterhin, sodass das Monitoring den Service als verfügbar meldet, während die Anwendung halb kaputt ist.
CONFIG GET maxmemory
CONFIG GET maxmemory-policySteht maxmemory-policy auf noeviction, tut Redis genau das, was ihm aufgetragen wurde: Schreibzugriffe ablehnen, statt Daten zu löschen. Richtig für einen Datenspeicher, falsch für einen Cache.
Lösung. Entscheiden Sie, was Sie betreiben. Für einen Cache legen Sie eine Eviction Policy fest und lassen Redis Platz zurückgewinnen – die acht Optionen erläutern wir im Beitrag zur Redis Eviction Policy. Für einen Datenspeicher ist der Fehler ein Kapazitätssignal. Wer maxmemory auf einem Host erhöht, der das nicht hergibt, verwandelt einen sauberen Fehler in einen OOM-Kill durch den Kernel.
Eine Falle beendet mehr Troubleshooting-Sitzungen bei Redis, als sie sollte: maxmemory auf 0 bedeutet gar kein Limit. Ein unbegrenztes Redis wächst, bis der Kernel es beendet – und der Kernel schickt vorher keine höfliche Fehlermeldung.
2. Warum ist Redis langsam, obwohl CPU und Speicher unauffällig sind?
Problem. Latenzspitzen ohne Speicherdruck, ohne Swap und bei weitgehend untätiger CPU. Die Ursache ist fast immer dieselbe: Redis verarbeitet Befehle auf einem einzigen Thread. Ein O(N)-Befehl über eine große Collection belegt diesen Thread also, während alle anderen Clients warten.
SLOWLOG GET 25
CONFIG GET slowlog-log-slower-than # microsecondsDas Slow Log erfasst nur die Ausführungszeit – die Zeit für die Kommunikation mit dem Client ist ausgenommen. Ein Eintrag bedeutet also, dass der Server tatsächlich so lange blockiert war. Jeder Eintrag enthält die Dauer in Mikrosekunden, die Argumente des Befehls sowie Adresse und Port des Clients. Das reicht meist, um den verursachenden Service zu identifizieren, ohne ihn instrumentieren zu müssen.
Die üblichen Verdächtigen: KEYS *, SMEMBERS auf einem großen Set, HGETALL auf einem übergroßen Hash, unbegrenztes LRANGE key 0 -1 und lange Lua-Skripte, die atomar laufen und für ihre gesamte Dauer blockieren.
Lösung. Ersetzen Sie Lesezugriffe auf ganze Collections durch cursorbasierte Iteration – SCAN, SSCAN, HSCAN, ZSCAN –, die begrenzte Teilmengen liefert statt eines einzigen blockierenden Aufrufs. Finden Sie danach heraus, wie die Collection so groß werden konnte:
redis-cli --bigkeys # biggest keys by element count
redis-cli --memkeys # biggest keys by bytesBeide durchlaufen den Keyspace mit SCAN statt mit KEYS und sind daher in Produktion sicher. Auf einer stark belasteten Instanz drosseln Sie sie mit -i 0.01.
Bevor Sie weitermachen: Schalten Sie das Latenz-Monitoring ein. latency-monitor-threshold steht standardmäßig auf 0 und deaktiviert das Subsystem damit vollständig – LATENCY DOCTOR meldet dann nichts, und man schließt daraus, das Tool sei kaputt. Das ist die häufigste Sackgasse beim Redis-Troubleshooting.
CONFIG SET latency-monitor-threshold 100 # millisecondsRedis erfasst Spitzen dann zu benannten Ereignissen: command, fork, expire-cycle, eviction-cycle, die aof-*-Familie und active-defrag-cycle. Tritt der Incident erneut auf, sagen Ihnen LATENCY LATEST und LATENCY DOCTOR, welches davon es war. Nennt LATENCY LATEST fork statt command, ist das der nützlichste Befund in diesem ganzen Artikel – denn dann liegt das Problem bei der Persistenz, nicht bei Ihren Abfragen.
3. Warum stockt Redis während der Backups?
Problem. Regelmäßige, rhythmische Latenzspitzen, oft zeitgleich mit einem Backup-Fenster.
INFO persistence # rdb_bgsave_in_progress, latest_fork_usec, rdb_last_bgsave_status
LATENCY HISTORY forkRedis erstellt Snapshots, indem es einen Kindprozess forkt. Genau dieser Fork ist das Stocken – fork(2) muss die Page Tables des Prozesses kopieren, und die Redis-Dokumentation sagt ausdrücklich, dass dies „bei großem Datenbestand zeitaufwendig sein kann und dazu führen kann, dass Redis für einige Millisekunden oder bei sehr großem Datenbestand und schwacher CPU-Leistung sogar für eine Sekunde keine Clients mehr bedient“. latest_fork_usec liefert die Dauer des letzten Forks. Stehen dort Hunderttausende Mikrosekunden, haben Sie Ihre Latenz gefunden.
Lösung, sortiert danach, wie oft sie die richtige ist: Verlegen Sie die Snapshots auf eine Replica, damit der Fork auf einem Knoten stattfindet, den niemand abfragt; prüfen Sie den Host, denn die Kosten des Forks hängen vor allem von der Größe der Page Tables und vom Hypervisor ab; oder verzichten Sie auf einer Instanz, deren Daten sich neu aufbauen lassen, ganz auf RDB. Die Persistenz ist bei mehr Troubleshooting-Tickets zu Redis die Antwort als das Query-Tuning.
Der Fork hat außerdem eine Folge für den Speicher, die Instanzen schlicht zum Absturz bringt. Copy-on-Write dupliziert jede Page, die während des Speicherns verändert wird. Unter Schreiblast steigt der Prozessspeicher deshalb in Richtung des doppelten Datenbestands. Wir haben wiederholte Abstürze im Cluster eines Kunden untersucht, bei dem die gemeldete Auslastung nie über etwa 60 Prozent lag – der Fork war die ganze Erklärung, und die Lösung war ein Tuning des Memory Overcommit im Kernel, keine Redis-Einstellung. Derselbe Mechanismus steckt hinter den Ausfällen, die im Beitrag zur Hochverfügbarkeit mit Redis beschrieben sind.
Unterstützung bei Latenz und Abstürzen in Redis
Sehen Sie Latenzen oder Abstürze in Redis, die Ihre Metriken nicht erklären? Die Ursache liegt dann meist unterhalb von Redis – im Fork-Verhalten, in der Fragmentierung des Allocators oder im Hypervisor, also dort, wo Redis-Troubleshooting keine reine Redis-Übung mehr ist. AceMQ führt strukturierte Bewertungen durch, die solche Ursachen finden, und bietet Enterprise-Redis-Support für Produktionsumgebungen. Sprechen Sie mit einem Engineer von AceMQ.
4. Warum verschwinden Keys vor Ablauf ihrer TTL?
Problem. Keys verschwinden zu früh, und die Anwendung beginnt, defensiven Code um einen vermeintlichen Fehler in der Datenintegrität herum zu schreiben.
INFO stats # evicted_keys, expired_keys, keyspace_hits, keyspace_missesSteigt evicted_keys, ist die Instanz an ihrem Limit und gewinnt nach der konfigurierten Policy Platz zurück. Steigt expired_keys, ist das normales TTL-Verhalten und etwas anderes.
Lösung. Steigende Evictions bedeuten: Die Instanz ist zu klein, die Policy passt nicht zum Zugriffsmuster, oder eine volatile-*-Policy ist auf einem Keyspace gesetzt, in dem kein Key eine TTL hat. Dann gibt es keine Kandidaten für die Eviction, und die Instanz verhält sich wie bei noeviction, während Ihre Konfiguration etwas anderes behauptet.
Vor dem Tuning: redis-cli --hotkeys identifiziert häufig abgerufene Keys, funktioniert aber nur, wenn maxmemory-policy eine *-lfu-Policy ist, weil es die LFU-Zähler ausliest. Auf einer LRU-Instanz liefert es Ihnen nicht das, was Sie suchen.
5. Warum hinkt meine Replica hinterher oder synchronisiert neu?
Problem. Replicas fallen zurück und führen dann eine vollständige Neusynchronisation durch – die den Primary forkt und im ungünstigsten Moment eine Latenzspitze erzeugt. Führen Sie auf beiden Knoten aus:
INFO replication # role, master_link_status, master_repl_offset, connected_slavesVergleichen Sie den Offset der Replica mit master_repl_offset auf dem Primary und prüfen Sie, ob master_link_status auf up steht.
Lösung. Redis-Replicas verbinden sich neu und versuchen einen partiellen Resync, bei dem nur der verpasste Stream nachgespielt wird – allerdings nur, solange diese Daten noch im Replication Backlog des Primary liegen. Ist der Backlog durch eine lange Verbindungsunterbrechung oder eine Replica, die nicht mithalten kann, erschöpft, fällt Redis auf einen vollständigen Resync zurück: Background Save, Übertragung des gesamten Datenbestands, Neuladen.
Der Hebel ist also der Backlog. Dimensionieren Sie repl-backlog-size für die schlimmste Unterbrechung, die Sie überstehen wollen, nicht für die durchschnittliche. Auf einer WAN- oder AZ-übergreifenden Verbindung ist der Standardwert häufig um eine Größenordnung zu klein, und das Symptom ist ein Resync-Sturm, der wie ein Netzwerkfehler aussieht.
Zwei Details erwischen Teams immer wieder. Replicas ignorieren maxmemory standardmäßig – der Primary steuert die Eviction über replizierte DEL-Befehle, sodass eine Replica das Limit des Primary überschreiten und in einen echten Out-of-Memory-Zustand geraten kann. Und eine Replica, die mit SHUTDOWN beendet wurde, kann partiell neu synchronisieren; eine, die gekillt wurde, nicht.
6. Warum bekommen Clients Verbindungsfehler?
Problem. ERR max number of clients reached oder Verbindungs-Timeouts gegen einen Server, der gesund aussieht.
INFO clients # connected_clients, blocked_clients
CONFIG GET maxclients # read it — do not assume the default
CLIENT LIST # per-connection age, idle time, last commandVerlassen Sie sich nicht auf einen Standardwert für maxclients, den Sie im Kopf haben. Redis senkt ihn beim Start, wenn das File-Descriptor-Limit des Betriebssystems den konfigurierten Wert nicht trägt. Auf einem containerisierten Deployment liegt der tatsächlich wirksame Wert deshalb oft weit unter dem, was in der Konfigurationsdatei steht.
Lösung. CLIENT LIST unterscheidet zwei Muster. Tausende Verbindungen mit niedrigem age und hohem idle bedeuten, dass die Anwendung pro Request eine Verbindung öffnet und einen Pool braucht – ein Fix in der Anwendung, nicht in Redis. Wenige Verbindungen mit riesigem age, von denen eine blockiert ist, bedeuten, dass etwas eine Verbindung über BLPOP oder Ähnliches festhält und nie wieder freigibt.
Steht Redis vor einem Queue-Workload und sehen Sie unter Last ein ständiges Auf- und Abbauen von Verbindungen, lautet die eigentliche Frage, ob Redis überhaupt auf diesen Pfad gehört. Die Abwägung beschreiben wir im Beitrag zum gemeinsamen Betrieb von Redis und RabbitMQ.
7. Warum fällt mein Redis Cluster nach einem Resharding aus?
Problem. CLUSTERDOWN Hash slot not served, oder Clients springen nach einer Slot-Migration zwischen MOVED- und ASK-Redirects hin und her.
CLUSTER INFO # cluster_state, cluster_slots_assigned
CLUSTER SHARDS # slot ranges per shard
redis-cli --cluster check <host>:<port>cluster_state:ok setzt voraus, dass jeder einzelne der 16.384 Hash Slots zugewiesen ist. Ein unterbrochenes Resharding hinterlässt Slots im Zustand „migrating“ oder „importing“, und der Cluster verweigert dann lieber den Dienst, als inkonsistent zu antworten.
Lösung. Lassen Sie sich von --cluster check die offenen Slots melden, bevor Sie irgendetwas anfassen, und schließen Sie die Migration mit redis-cli --cluster fix ab, statt Slots von Hand zuzuweisen. Ein manuelles CLUSTER SETSLOT auf einem Cluster, den Sie nicht vollständig verstehen, ist der Weg, auf dem aus einem hängenden Resharding Datenverlust wird.
Prüfen Sie außerdem, ob die Clients im Cluster-Modus arbeiten (-c bei redis-cli). Ein Client ohne Cluster-Unterstützung funktioniert gegen einen Cluster-Knoten tadellos, bis das erste Resharding einen Slot verschiebt – dann scheitert er genau an den verschobenen Keys. Ein Redis-Troubleshooting-Fall, der wie Datenverlust aussieht und keiner ist.
8. Warum läuft die Anwendung in Timeouts, obwohl Redis schnell ist?
Weil der Timeout nicht von Redis kommt. Messen Sie die beiden Hälften getrennt:
redis-cli --latency # round-trip PING latency
redis-cli --intrinsic-latency 5 # host scheduler latency — run ON the Redis server--intrinsic-latency berührt Redis gar nicht. Es misst, was Kernel und Hypervisor leisten können, und muss auf dem Rechner laufen, auf dem Redis läuft. Liegt die intrinsische Latenz bereits im Millisekundenbereich, bringt Sie kein Redis-Tuning darunter – das Problem ist der Host, und bei einem virtualisierten Deployment bedeutet das meist CPU Steal.
Liegt die Round-Trip-Latenz unter einer Millisekunde und läuft die Anwendung trotzdem in Timeouts, staut es sich auf Client-Seite: ein erschöpfter Pool, ein synchroner Aufruf in einem Event Loop oder ein Client-Timeout, der unter der tatsächlichen Dauer des Befehls liegt.
Wann Sie einen Troubleshooting-Fall bei Redis eskalieren sollten
Das meiste Redis-Troubleshooting lässt sich intern erledigen: Eviction-Tuning, die Jagd nach langsamen Befehlen, Connection Pooling, die Dimensionierung des Backlogs, die Planung der Snapshots.
Eskalieren Sie, wenn ein falscher Schritt mehr kostet als eine zweite Meinung:
- Wiederholte Abstürze, die sich weder mit
INFOnoch mit den Logs erklären lassen - Ein Cluster mit nicht zugewiesenen Slots nach einem fehlgeschlagenen Resharding
- Replicas, die ihre Synchronisation nicht abschließen, ganz gleich, wie oft sie es erneut versuchen
- Speicher, der nach
FLUSHALLweiter wächst – ein Problem mit Puffern oder dem Allocator, nicht mit dem Keyspace - Jeder Incident, bei dem Sie kurz davor sind, eine Zustandsänderung zu erzwingen, ohne zu wissen, welcher Knoten die maßgeblichen Daten hält
Alle diese Fälle haben eines gemeinsam: Der naheliegende nächste Schritt vernichtet die Beweise. AceMQ bietet Enterprise-Redis-Support für Produktionsumgebungen – Incident-Response, Cluster-Bewertungen, Forensik zu Speicher und Latenz sowie Upgrade-Planung für Open-Source-Redis, Redis Enterprise und Managed Services in der Cloud.
Was nach einer Eskalation passiert, beschreibt der Beitrag zur 24/7-Incident-Response für Redis, und was eine Eskalation vertraglich abdecken muss, lesen Sie unter was Redis-Support tatsächlich abdeckt.
Zwei vertiefende Beiträge zu den Ursachen hinter den meisten dieser Fälle: wie Sie den Redis-Speicher richtig dimensionieren und Redis als Message Queue.
Dies ist Schritt sechs von sieben im Redis-Leitfaden zur Zuverlässigkeit, der die Probleme in der Reihenfolge behandelt, in der sie in einer Produktionsumgebung auftreten.
FAQ
Wie fange ich mit dem Troubleshooting von Redis an?
Redis-Troubleshooting beginnt mit INFO, danach INFO memory und SLOWLOG GET 25. Diese drei beantworten, ob der Instanz der Speicher ausgeht, ob sie Keys verdrängt und ob ein einzelner Befehl den Event Loop blockiert hat. Die meisten Incidents lassen sich damit bereits klären.
Warum liefert Redis „OOM command not allowed“?
Das maxmemory-Limit ist erreicht und maxmemory-policy steht auf noeviction. Redis lehnt deshalb Schreibzugriffe ab, statt Daten zu löschen. Lesezugriffe funktionieren weiter – darum wirkt die Anwendung halb lebendig. Prüfen Sie das mit CONFIG GET maxmemory und CONFIG GET maxmemory-policy.
Warum ist Redis langsam, obwohl CPU und Speicher unauffällig sind?
Fast immer belegt ein einzelner O(N)-Befehl die Single-Threaded-Befehlsschleife. KEYS *, SMEMBERS auf einem großen Set, HGETALL auf einem riesigen Hash und unbegrenztes LRANGE blockieren alle anderen Clients, bis sie fertig sind. SLOWLOG GET nennt den Verursacher.
Warum ist LATENCY DOCTOR leer?
Weil das Latenz-Monitoring standardmäßig deaktiviert ist – latency-monitor-threshold steht auf 0. Führen Sie zuerst CONFIG SET latency-monitor-threshold 100 aus, warten Sie, bis das Problem erneut auftritt, und starten Sie dann LATENCY DOCTOR. Das ist die häufigste Sackgasse beim Redis-Troubleshooting.
Wie finde ich große Keys in Redis gefahrlos?
redis-cli --bigkeys für die Anzahl der Elemente und redis-cli --memkeys für die Größe in Bytes. Beide nutzen SCAN statt KEYS und sind damit auch auf einer stark ausgelasteten Produktivinstanz sicher. Mit -i 0.01 drosseln Sie den Scan zusätzlich.
Wie prüfe ich den Replication Lag bei Redis?
Mit INFO replication auf beiden Knoten. Vergleichen Sie master_repl_offset auf dem Primary mit dem Offset der Replica und prüfen Sie, ob master_link_status auf up steht. Fällt eine Replica so weit zurück, dass der Replication Backlog erschöpft ist, erzwingt das einen vollständigen Resync – und der forkt den Primary.
Warum bekommen Clients Verbindungsfehler, obwohl Redis läuft?
Entweder ist das Client-Limit erreicht – INFO clients im Vergleich zu CONFIG GET maxclients –, oder es gibt ein Verbindungsleck, weil die Anwendung pro Request einen Client öffnet, statt einen Pool zu nutzen. CLIENT LIST zeigt Alter, Leerlaufzeit und den letzten Befehl jeder Verbindung.
Wann sollte ich eskalieren, statt neu zu starten?
Wenn ein Neustart die Beweise vernichten würde: wiederholte Abstürze ohne erkennbare Ursache in den Metriken, ein Cluster mit nicht zugewiesenen Slots, Replicas, die sich nicht synchronisieren, oder unerklärlicher Datenverlust. Wer zuerst neu startet, macht aus einem behebbaren Incident einen dauerhaften.
Redis-Troubleshooting ist vor allem Disziplin: Bestätigen Sie den Fehler mit einem Befehl, bevor Sie etwas ändern, und ändern Sie immer nur eine Sache auf einmal.
Quellen
Mit einem Engineer sprechen
Brauchen Sie Unterstützung bei Redis?
Senior Engineers, die es selbst in Produktion betreiben. Fordern Sie ein Angebot oder ein kostenloses Erstgespräch an – ganz ohne Verkaufsgespräch.
Leitfäden, Vergleiche und Studien

