Redis

Warum läuft mein Redis-Client in Timeouts, obwohl der Server gesund aussieht?

Scott Sternloff

Von Scott Sternloff, Senior Enterprise Architect

LinkedIn · Aktualisiert am

CLIENTappSERVERhealthy10s TIMEOUTClient Timeout, Server Fine
Auf dieser Seite

Ihr Team ruft INFO server, INFO clients und INFO memory auf – alles sieht normal aus. Die CPU-Last ist niedrig. Der Speicher liegt im Rahmen. Keine Einträge im Slow Log. Und trotzdem wirft Ihre Anwendung immer wieder Redis-Timeout-Exceptions, und Services, die von Redis abhängen, verschlechtern sich oder fallen aus.

Dieses Fehlerbild ist wirklich häufig und wirklich verwirrend, weil man instinktiv zuerst auf den Server schaut. In den Fällen, die wir bearbeitet haben, lag das Problem fast nie beim Server.

Wo sollte ich suchen, wenn Redis-Timeouts auftreten, der Server aber in Ordnung ist?

An drei Stellen, nach Wahrscheinlichkeit geordnet:

  1. In der Client-Konfiguration – konkret bei Timeout-Werten, der Größe des Connection Pools und dem Retry-Verhalten.
  2. Im Netzwerkpfad – Firewalls, Load Balancer oder NAT-Geräte zwischen Ihrer Anwendung und Redis, die inaktive Verbindungen stillschweigend kappen.
  3. Bei großen Keys oder blockierenden Befehlen – Operationen, die die Single-Threaded-Event-Loop von Redis so lange blockieren, dass auf Client-Seite Timeouts entstehen, obwohl der Server nie „ausfällt“.

Ein realer Produktionsfall macht das greifbar: Ein Kundenprojekt drehte sich ausschließlich um einen Client-Timeout von 10 Sekunden, der Störungen in Microservices verursachte. Die Untersuchung bestätigte, dass die Fehler auf Client-Seite auftraten, nicht auf den Redis-Servern – auf dem Server war weder ein entsprechender Fehler noch ein Leistungseinbruch verzeichnet. Für die Ursache war eine tiefere Analyse von Mustern der Ressourcenerschöpfung auf Client- und Anwendungsseite nötig, nicht der Redis-Instanz selbst.

Meine Verbindungen brechen immer in einem bestimmten Wartungsfenster ab – was passiert da?

Das ist ein Symptom auf Netzwerkebene, und es tritt in Cloud- und Unternehmensnetzen mit geplanter Firewall-Wartung häufiger auf, als Teams erwarten.

In einem Fall führten Wartungsarbeiten an der Firewall dazu, dass alle TCP-Verbindungen zum Redis-Cluster gleichzeitig abbrachen. Das Wartungsfenster selbst dauerte drei bis fünf Minuten und mündete in einen vollständigen Netzwerkausfall, nach dem die Anwendungen manuell neu gestartet werden mussten. Das war überhaupt kein Redis-Problem – es war Infrastruktur im Netzwerkpfad zwischen Anwendung und Redis, die während eines routinemäßigen Firewall-Upgrades bestehende Verbindungen stillschweigend beendete.

So prüfen Sie, ob das Ihr Problem ist:

  • Prüfen Sie, ob Ihre Timeout-Vorfälle mit einem wiederkehrenden Zeitplan (nächtlich, wöchentlich) korrelieren statt mit Lastmustern
  • Fragen Sie Ihr Netzwerkteam direkt, ob es geplante Wartungsfenster für Firewall, Load Balancer oder NAT-Gateway gibt
  • Zeichnen Sie den Traffic während des Fensters auf, wenn möglich – ein sauberer TCP-RST oder ein stiller Verbindungsabbruch ohne entsprechenden Logeintrag auf dem Redis-Server belegt, dass die Netzwerkebene verantwortlich ist und nicht Redis

Welche Client-Einstellungen beheben Redis-Timeouts tatsächlich?

Zwei Einstellungen sind am wichtigsten, und genau sie waren die Lösung in einem realen Remediation-Projekt: TCP Keepalive und das Tuning von Retry und Timeout auf Client-Ebene.

TCP Keepalive. Ohne aktiviertes Keepalive sind inaktive Verbindungen hinter einer Firewall oder einem NAT-Gerät erste Kandidaten für eine stille Beendigung: Der TCP-Stack des Betriebssystems merkt erst beim nächsten Nutzungsversuch, dass die Verbindung gekappt wurde – und dann erhalten Sie einen Timeout statt eines sauberen Reconnects. Ein TCP Keepalive mit einem recht aggressiven Intervall (deutlich unter dem Idle-Timeout Ihrer Firewall bzw. Ihres NAT) hält die Verbindung mit regelmäßigen Leerpaketen am Leben oder schlägt so schnell fehl, dass Ihr Connection Pool die tote Verbindung austauschen kann, bevor die Anwendung sie zu nutzen versucht.

Konfiguration von Retry und Timeout in der Client-Bibliothek. Für Java-Anwendungen mit dem Redis-Client Lettuce (häufig zusammen mit Spring Data Redis) bedeutet das, explizit Folgendes zu konfigurieren:

  • Command-Timeout (wie lange auf eine Antwort von Redis gewartet wird, bevor aufgegeben wird)
  • Keepalive-Optionen auf Socket-Ebene in der Client-Bibliothek, nicht nur auf Betriebssystemebene
  • Retry-Policy für vorübergehende Verbindungsfehler, die zwischen „connection refused“ (sofort fehlschlagen) und „connection reset“ (Wiederholung unbedenklich) unterscheidet

Ein Remediation-Projekt in Produktion lieferte konkret einen zusammenfassenden Bericht mit empfohlenen Einstellungen für TCP Keepalive und Retry auf Server- und Client-Seite, gefolgt von direkten Tuning-Empfehlungen für den Redis-Cluster des Kunden sowie die Timeout- und Retry-Parameter des Lettuce-Clients.

Können stattdessen große Keys die Timeouts verursachen?

Ja – und es lohnt sich, das auszuschließen, selbst wenn Sie bereits eine Ursache im Netzwerk oder auf Client-Seite gefunden haben, denn große Keys können das Problem verschärfen.

Redis führt Befehle single-threaded aus. Ein Befehl auf einem sehr großen Key (einem riesigen Hash, einem umfangreichen Sorted Set, einem großen String) kann die Event-Loop so lange blockieren, dass sich die Befehle anderer Clients stauen und schließlich in den Timeout laufen – obwohl der Server anhand der aggregierten CPU- und Speichermetriken „gesund aussieht“.

Die entsprechende Untersuchung dieses Musters befasste sich neben den Korrekturen auf Netzwerkebene gezielt mit Kompressionsverfahren für große Redis-Keys als mögliche Performance-Optimierung. Denn in realen Deployments ist die Ursache eines Timeouts oft kein einzelner Faktor, sondern eine Kombination: grenzwertige Netzwerkzuverlässigkeit plus gelegentliche Operationen auf großen Keys, die die Latenz über die Timeout-Schwelle des Clients treiben.

So prüfen Sie es: Führen Sie redis-cli --bigkeys während eines repräsentativen Traffic-Zeitraums aus oder verwenden Sie MEMORY USAGE <key> für verdächtig große Keys. Finden Sie Keys im Megabyte-Bereich, auf die mit Befehlen wie HGETALL, SMEMBERS oder LRANGE ohne Begrenzung zugegriffen wird, ist das ein möglicher Mitverursacher.

Wie diagnostiziert man das systematisch, statt zu raten?

Gehen Sie in dieser Reihenfolge vor:

  1. Bestätigen Sie, dass es am Client liegt. Prüfen Sie die Redis-Serverlogs und die INFO-Ausgabe auf Auffälligkeiten im Zeitfenster des Timeouts. Zeigt der Server nichts, ist bestätigt, dass das Problem vor Redis selbst liegt.
  2. Prüfen Sie den Zusammenhang mit einem Zeitplan. Tritt es zu einer bestimmten Tageszeit oder an einem bestimmten Wochentag auf? Das deutet auf Wartungsarbeiten an der Netzwerkinfrastruktur hin.
  3. Überprüfen Sie die Client-Konfiguration. Command-Timeout, Größe des Connection Pools, TCP-Keepalive-Einstellungen – gleichen Sie sie mit der Idle-Toleranz Ihres tatsächlichen Netzwerkpfads ab.
  4. Schließen Sie große Keys und blockierende Befehle aus. Führen Sie --bigkeys aus und prüfen Sie Ihre Befehlsmuster auf Operationen über unbegrenzte Collections.
  5. Sammeln Sie Belege auf Paketebene, wenn all das nicht hilft. Eine Traffic-Aufzeichnung während eines Reproduktionsfensters zeigt eindeutig, ob die Verbindung von einem Netzwerkgerät zurückgesetzt wird oder auf Client-Seite in den Timeout läuft.

Reaktionszeitziele ab 15 Minuten, je nach Plan. Namentlich zugeordnete Senior Engineers.

Kontakt

Kann ein allgemeines Infrastrukturteam das diagnostizieren, oder braucht es Redis-Spezialwissen?

Redis-Spezialwissen hilft hier tatsächlich sehr – vor allem, weil das Symptom (Timeout) immer gleich aussieht, ob die Ursache bei Redis, beim Client oder im Netzwerk liegt. Teams ohne tiefe operative Redis-Erfahrung tunen oft zuerst die falsche Ebene, meist den Server, weil das die Komponente mit „Redis“ im Namen ist.

Beide in diesem Beitrag genannten Produktionsfälle erforderten teamübergreifende Zusammenarbeit – Anwendungs- und DevOps-Teams gemeinsam mit Redis-Experten und, im Firewall-Fall, direkt mit dem Netzwerk- und Security-Team –, um die tatsächlich verantwortliche Ebene einzugrenzen. Genau bei solchen funktionsübergreifenden Diagnosen zahlt sich ein strukturiertes Redis-Assessment aus: Es geht nicht davon aus, dass die Antwort „Redis tunen“ lautet, sondern verfolgt den Fehler bis dorthin, wo er tatsächlich entsteht.

Redis-Timeouts in zehn Minuten diagnostizieren

In dieser Reihenfolge führen wir die Befehle aus, und das schließt jede Antwort ein oder aus. Alles gilt ebenso für Valkey.

  1. redis-cli --latency zuerst vom Client-Host, dann vom Server-Host. Lassen Sie --latency-history auf beiden einige Minuten laufen. Spitzen nur auf dem Client-Host bedeuten: Netzwerkpfad oder Client-Maschine – daran ändert nichts in Redis etwas. Spitzen auf beiden bedeuten, dass der Server ins Stocken gerät; gehen Sie dann diese Liste weiter durch.
  1. SLOWLOG GET 25 und INFO commandstats. Das Slowlog zeigt einzelne Befehle, die slowlog-log-slower-than überschritten haben (standardmäßig 10 ms). Commandstats zeigt usec_per_call pro Befehlstyp und erwischt so etwa ein KEYS mit durchschnittlich 40 ms, selbst wenn kein einzelner Aufruf im Slowlog gelandet ist. Die üblichen Verdächtigen sind KEYS, SMEMBERS auf einem großen Set, HGETALL auf einem breiten Hash, Mengenoperationen im Stil von SUNION sowie Lua-Skripte mit Schleifen. Jeder davon blockiert alle anderen Clients für seine gesamte Laufzeit.
  1. INFO clients. blocked_clients über null ist bei BLPOP oder Streams normal; andernfalls wartet etwas auf einen Key, der nie kommt. Vergleichen Sie client_recent_max_output_buffer mit CONFIG GET client-output-buffer-limit: Ein langsamer Subscriber oder ein Replica füllt seinen Puffer, das Limit greift, und der Server trennt die Verbindung – was der Client als Timeout meldet.
  1. INFO persistence. Gleichen Sie rdb_bgsave_in_progress, aof_rewrite_in_progress und latest_fork_usec mit den Zeitstempeln Ihrer Timeouts ab. Ein Fork auf einem großen Datenbestand hält den Hauptthread Hunderte von Millisekunden an, und das anschließende Copy-on-Write verlangsamt jeden Schreibvorgang. Timeouts jede Stunde zur selben Minute sind fast immer ein geplanter BGSAVE.
  1. INFO stats. Ein Sprung bei evicted_keys bedeutet, dass Sie maxmemory erreicht haben und der Server seine Zeit mit der Auswahl zu verdrängender Keys verbringt; ein Sprung bei expired_keys bedeutet eine TTL-Klippe, bei der viele Keys in derselben Sekunde ablaufen. Beides bringt die Event-Loop ins Stocken. Unser Leitfaden zum Redis-Speicher und die FAQ zu wachsendem Speicher ohne mehr Keys beschreiben die Lösungen.
  1. CLIENT LIST. Zählen Sie die Verbindungen pro addr und name. Ein Pool, der an seiner Obergrenze festhängt, während sich Anfragen stauen, bedeutet: Der „Timeout“ ist Wartezeit auf eine freie Verbindung, keine langsame Antwort. Hohe Werte für qbuf oder omem bei einem einzelnen Eintrag deuten auf einen einzelnen fehlerhaften Client hin.
  1. Der Host. Zeigt vmstat 1 auf einer VM einen Steal-Wert ungleich null, nimmt Ihnen der Hypervisor CPU weg. cat /sys/kernel/mm/transparent_hugepage/enabled sollte never ausgeben; Redis und Valkey warnen beim Start davor, weil THP die Fork-Pausen verlängert. Jede Swap-Nutzung auf einem Redis-Host ist ein Befund.
  1. Client-Einstellungen zuletzt. Erst jetzt sehen Sie sich Poolgröße, Socket-Timeout und Retry-Policy an. Wer hier beginnt, erhöht den Timeout, verdeckt das Symptom und sitzt einen Monat später wieder vor demselben Problem.

In unserer Support-Arbeit findet Schritt 2 die Ursache häufiger als alle anderen zusammen, mit Schritt 4 als klarem Zweiten. Netzwerkursachen sind seltener, als man erwartet – deshalb klärt Schritt 1 diese Frage in zwei Minuten. Ein ausführlicheres Runbook finden Sie unter Redis-Troubleshooting.

Client-spezifische Timeout-Fehler und was sie meist bedeuten

  • Jedis. JedisConnectionException: Could not get a resource from the pool bedeutet einen erschöpften Pool: Verbindungen werden nicht zurückgegeben (fehlendes close() oder try-with-resources), oder maxTotal ist für die Anzahl der Threads zu niedrig. Eine JedisConnectionException, die eine SocketTimeoutException: Read timed out umschließt, ist ein Lese-Timeout – oft der Standardwert von 2.000 ms, ausgelöst durch einen einzelnen langsamen Befehl aus Schritt 2.
  • Lettuce. RedisCommandTimeoutException: Command timed out after 1 minute(s) ist der Standardwert von 60 Sekunden – deshalb hängen Lettuce-Anfragen, statt schnell fehlzuschlagen. Lettuce multiplext Befehle über eine einzige Verbindung, sodass ein einzelner langsamer Befehl die Queue für alle dahinter blockiert. Während eines Reconnects stauen sich Befehle im Speicher und laufen dann gesammelt in den Timeout.
  • StackExchange.Redis. RedisTimeoutException: Timeout performing GET (5000ms), inst: 0, qu: 0, qs: 12, aw: False, in: 65536, ... liest sich so: qs sind gesendete Befehle, die auf eine Antwort warten, qu sind noch nicht geschriebene Befehle, in sind bereits empfangene, aber noch nicht verarbeitete Bytes, und mgr zeigt den Zustand des Socket-Managers. Ein hoher Wert bei in zusammen mit einem hohen qs bedeutet, dass die Antwort angekommen ist, der Client sie aber nicht lesen konnte – also Thread-Pool-Starvation, meist durch blockierendes .Result oder .Wait() im Code von Web-Requests. Prüfen Sie die WORKER-Zeile in derselben Meldung: Liegt „Busy“ über „Min“, ist das die Bestätigung.
  • node-redis und ioredis. Beide trennen den Connect-Timeout vom Verhalten einzelner Befehle. ioredis kennt connectTimeout, commandTimeout und maxRetriesPerRequest (standardmäßig 20); ein MaxRetriesPerRequestError bedeutet also, dass die Reconnect-Schleife aufgegeben hat, nicht dass Redis langsam war. Eine retryStrategy, die endlos eine kurze Verzögerung zurückgibt, erzeugt eine Flut von Logeinträgen und lässt den eigentlichen Fehler nie sichtbar werden. node-redis verwendet reconnectStrategy und hat in älteren Versionen keinen Timeout pro Befehl, sodass ein hängender Server zu hängenden Promises statt zu Fehlern führt.
  • redis-py. socket_connect_timeout begrenzt den TCP-Handshake; socket_timeout begrenzt jeden Lesevorgang und ist standardmäßig nicht gesetzt, sodass ein hängender Aufruf ewig wartet. TimeoutError: Timeout reading from socket ist Letzteres. health_check_interval sendet vor der Wiederverwendung einer inaktiven Verbindung ein PING und behebt damit ConnectionError: Connection closed by server, nachdem eine Firewall inaktive Sockets gekappt hat.
  • Go-Clients. context deadline exceeded stammt aus dem Context des Aufrufers, nicht aus dem eigenen Timeout des Clients – prüfen Sie also beides. redis: connection pool timeout bedeutet, dass mehr Goroutines als PoolSize existieren und länger als PoolTimeout auf eine freie Verbindung gewartet haben; vergrößern Sie den Pool oder suchen Sie das Goroutine-Leak.

Wenn Sie das lieber Leuten überlassen, die es täglich tun: Unser Redis-Support-Team ist 24/7 in Bereitschaft mit Reaktionszeitzielen ab 15 Minuten, je nach Plan, und unsere Redis-Beratung behebt das zugrunde liegende Design.

Hilfe bei Redis-Client-Timeouts und Verbindungsproblemen

Sie haben Redis-Timeouts, die mit nichts korrelieren, was die Redis-Server-Metriken zeigen? Genau für solche mehrschichtigen Probleme – Client, Netzwerk oder Server – ist ein strukturiertes Redis-Assessment gemacht: Es grenzt die Ursache ein, statt zu raten. AceMQ bietet Enterprise-Redis-Support für produktive Umgebungen. Sprechen Sie mit einem AceMQ-Engineer.

Dies ist Schritt vier von sieben im Leitfaden zur Redis-Zuverlässigkeit, der die Probleme in der Reihenfolge behandelt, in der sie in einer produktiven Umgebung auftreten.

Häufig gestellte Fragen

Wo suche ich, wenn Redis-Timeouts auftreten, die Server-Metriken aber unauffällig sind?

An drei Stellen, nach Wahrscheinlichkeit geordnet: in der Client-Konfiguration (Timeout-Werte, Größe des Connection Pools, Retry-Verhalten), im Netzwerkpfad (Firewalls, Load Balancer oder NAT-Geräte, die inaktive Verbindungen stillschweigend kappen) und bei großen Keys oder blockierenden Befehlen, die die Single-Threaded-Event-Loop ausbremsen. In einem realen Produktionsfall ließ sich ein Client-Timeout von 10 Sekunden vollständig auf erschöpfte Ressourcen auf Client-Seite zurückführen – ohne entsprechenden Fehler oder Leistungseinbruch auf dem Server.

Warum brechen meine Redis-Verbindungen in einem bestimmten Wartungsfenster ab?

Das ist fast immer ein Symptom auf Netzwerkebene, kein Redis-Problem. Geplante Wartungsarbeiten an Firewall, Load Balancer oder NAT-Gateway können bestehende TCP-Verbindungen zu Ihrem Redis-Cluster stillschweigend beenden. Prüfen Sie, ob die Vorfälle mit einem wiederkehrenden Zeitplan statt mit der Last korrelieren, und fragen Sie Ihr Netzwerkteam direkt nach Wartungsfenstern.

Welche Client-Einstellungen beheben Redis-Timeouts tatsächlich?

Am wichtigsten sind zwei Einstellungen: TCP Keepalive und das Tuning von Retry und Timeout auf Client-Ebene. Ein TCP Keepalive mit einem Intervall unterhalb des Idle-Timeouts Ihrer Firewall bzw. Ihres NAT verhindert, dass Verbindungen stillschweigend beendet werden. Den Rest erledigen Command-Timeout, Keepalive auf Socket-Ebene und eine Retry-Policy, die Sie in der Client-Bibliothek konfigurieren (etwa Lettuce für Java/Spring).

Können große Keys Redis-Timeouts verursachen?

Ja. Redis führt Befehle single-threaded aus, daher kann ein Befehl auf einem sehr großen Hash, Sorted Set oder String die Event-Loop so lange blockieren, dass sich die Befehle anderer Clients stauen und in den Timeout laufen. Prüfen Sie das mit redis-cli --bigkeys oder MEMORY USAGE <key> und achten Sie auf HGETALL, SMEMBERS oder LRANGE ohne Begrenzung auf Keys im Megabyte-Bereich.

Wie diagnostiziert man einen Redis-Client-Timeout systematisch?

Bestätigen Sie zuerst, dass das Problem auf Client-Seite liegt, indem Sie die Redis-Serverlogs und die INFO-Ausgabe auf Auffälligkeiten im Zeitfenster des Timeouts prüfen. Prüfen Sie dann, ob ein zeitlicher Zusammenhang mit einem Zeitplan besteht, gleichen Sie die Client-Konfiguration mit der Idle-Toleranz Ihres Netzwerkpfads ab, schließen Sie große Keys und blockierende Befehle aus und erfassen Sie Belege auf Paketebene, falls das Problem bestehen bleibt.

Braucht man für die Diagnose von Redis-Timeouts Redis-Spezialwissen?

Es hilft tatsächlich sehr, denn ein Timeout sieht immer gleich aus – ob die Ursache bei Redis, beim Client oder im Netzwerk liegt –, und Teams ohne Redis-Erfahrung tunen meist zuerst den Server. Beide in diesem Beitrag genannten Produktionsfälle erforderten die Zusammenarbeit von Anwendungs-, DevOps- und Netzwerkteams, um die tatsächlich verantwortliche Ebene einzugrenzen.

Kostenlose Beratung

Lassen Sie Experten auf Ihr Redis-Deployment schauen

Ob Sie einen Produktionsvorfall beheben, eine Migration planen oder eine zweite Meinung zu Ihrer Architektur wünschen – unser Team steht bereit. Kein Verkaufsgespräch, nur Antworten.

E-Mail schreiben