On this page
La alta disponibilidad en Redis surge de la replicación más algo que automatice el failover. Redis Sentinel le da failover automático para un único dataset; Redis Cluster le da failover más sharding horizontal entre varios primarios. La mayoría de los equipos necesita Sentinel. Necesita Cluster cuando un solo nodo ya no puede contener sus datos ni sostener su throughput. Para ver cómo Redis Cluster distribuye los datos en shards, redirige a los clientes y falla en producción, consulte Redis Cluster: hash slots, sharding y operación.
La replicación por sí sola no es alta disponibilidad. Un primario con réplicas sigue necesitando un proceso que decida que el primario está caído, promueva una réplica e indique a los clientes adónde ir. Esa capa de decisión es lo que realmente distingue las arquitecturas que se describen a continuación.
La replicación de Redis es la base
Toda arquitectura de alta disponibilidad parte de la misma primitiva: un master de Redis que acepta escrituras y una o más réplicas que replican desde él.
La replicación de Redis es asíncrona. Esta replicación asíncrona es lo que mantiene rápido el almacén en memoria. Una escritura se confirma al cliente antes de que las réplicas la confirmen, lo que mantiene baja la latencia y significa que la falla del primario puede perder las últimas escrituras. Esa concesión es deliberada e inevitable: ninguna opción de alta disponibilidad la hace desaparecer, así que diseñe contando con ella en lugar de intentar esquivarla.
Las réplicas atienden lecturas, pero no eliminan el punto único de falla. Si el primario cae y nada promueve una réplica, el clúster queda sin escrituras.
Cómo funciona Redis Sentinel
Sentinel es un proceso separado que vigila las instancias de Redis monitoreadas y realiza la promoción automáticamente.
Ejecute como mínimo tres instancias de Sentinel. Las decisiones necesitan mayoría, así que con tres puede tolerar una falla y aun así llegar a un acuerdo. Con dos no se puede formar mayoría en cuanto falta una.
Cuando ocurre un failover, el proceso es el siguiente:
- Un Sentinel deja de recibir respuestas del primario y lo marca como caído subjetivamente
- Consulta a sus pares; cuando suficientes coinciden, el primario queda caído objetivamente
- Eligen un líder entre ellos, que selecciona la mejor réplica
- Esa réplica se promueve a master y las réplicas restantes se reconfiguran para seguirla
- Los clientes descubren el nuevo primario consultando al monitor
Ese último paso importa más de lo que los equipos suponen. Su cliente de Redis tiene que ser compatible con Sentinel: consulta al monitor la dirección del primario actual en lugar de mantener una dirección IP fija en el código. Las aplicaciones configuradas con una IP fija siguen escribiendo en un nodo degradado y fallan en silencio.
Siempre que pueda, despliegue estos procesos en hosts distintos de los del servidor de Redis. Ubicarlos juntos es habitual porque el proceso es liviano, pero entonces la falla de un host elimina al mismo tiempo un nodo de Redis y un voto, justo cuando necesita ese voto.
Cómo funciona Redis Cluster
Redis Cluster distribuye los datos en shards entre varias instancias de Redis, cada una con sus propias réplicas. Las claves se asignan a 16,384 hash slots distribuidos entre los shards.
Cluster ofrece alta disponibilidad y tolerancia a fallas de la misma manera, con promoción de réplicas, pero sin una capa de monitoreo separada. Los nodos se ponen de acuerdo entre ellos. Además, escala las escrituras, algo que Sentinel no puede hacer: con ese enfoque, un solo primario atiende todas las escrituras, sin importar cuántas réplicas haya.
El costo es la complejidad operativa y de la aplicación. Las operaciones con varias claves deben quedar dentro de un mismo hash slot, algunos clientes manejan mal la redirección y redistribuir un shard entre varios nodos es un procedimiento de verdad, no un cambio de configuración.
Sentinel vs. Cluster
| Redis Sentinel | Redis Cluster | |
|---|---|---|
| Datos | Un dataset, replicado | En shards entre varios primarios |
| Escalamiento de escrituras | No: un solo primario | Sí |
| Promoción automática | Sí | Sí |
| Procesos adicionales | Requiere nodos Sentinel | Ninguno |
| Requisitos del cliente | Compatible con Sentinel | Compatible con Cluster |
| Operaciones con varias claves | Sin restricciones | Solo en el mismo hash slot |
| Ideal para | HA sin sharding | HA más escalamiento horizontal |
La división práctica entre Redis Cluster y Redis Sentinel: elija Sentinel cuando sus datos caben cómodamente en un nodo y necesita disponibilidad sin sharding. Elija la opción con shards cuando no caben. Elegir Cluster solo por redundancia agrega una complejidad que pagará en cada incidente.
Las opciones administradas (Redis Enterprise, Azure Cache for Redis y las ofertas de los proveedores de nube) ocultan esta elección detrás de su propia arquitectura y, por lo general, distribuyen las réplicas entre zonas de disponibilidad. Es cómodo, pero hereda la semántica de promoción del proveedor en lugar de elegir la suya.
¿Por qué Redis Sentinel cae en split-brain y no se recupera automáticamente?
El split-brain en un despliegue de Redis administrado por Sentinel ocurre cuando una partición de red (o una cadena de reinicios) deja dos grupos de nodos que creen tener quórum y que deberían estar actuando como primario, o que ya lo están haciendo. A diferencia del comportamiento pause_minority de RabbitMQ, que detiene deliberadamente la partición minoritaria para evitar divergencias, el modelo de failover y recuperación de Redis Sentinel depende de que los Sentinels lleguen a un acuerdo por quórum sobre qué nodo está realmente caído, y es en ese proceso de acuerdo donde se han atascado incidentes reales de producción.
Qué lo provoca en la práctica. Una evaluación real de Redis en producción identificó el split-brain y las fallas de recuperación automática en Redis Sentinel como una línea de investigación propia, originada concretamente en problemas de confiabilidad del bootstrap de Sentinel durante el reinicio del clúster. Es decir, el problema no fue una única partición de red espectacular, sino Sentinels que no lograban restablecer correctamente el quórum ni ponerse de acuerdo sobre los roles de primario y réplica cuando el clúster volvía a estar en línea después de un reinicio o de la recuperación tras una caída.
Por qué no se repara solo. La lógica de failover de Sentinel exige que un quórum configurado de procesos Sentinel coincida en que el primario es realmente inalcanzable antes de promover una réplica. Si los propios Sentinels se reinician en un orden inconsistente, o si el evento de infraestructura que causó el problema original también interrumpió la comunicación entre Sentinels, puede terminar en un estado en el que ningún grupo de Sentinels tiene un quórum limpio, y el mecanismo de failover automático que debería resolver exactamente este tipo de evento no se activa como corresponde, lo que exige intervención manual.
Qué revisar si le pasa esto:
- Confirme que todos los procesos Sentinel pueden comunicarse entre sí y con los nodos de Redis monitoreados en los puertos necesarios: un problema de red parcial que se resolvió para el tráfico de datos, pero no para el tráfico de gossip de Sentinel, puede dejar roto el quórum de Sentinel incluso cuando la conectividad de la aplicación parece estar bien
- Revise la configuración de
quorumde Sentinel en relación con la cantidad real de procesos Sentinel: un requisito de quórum demasiado bajo para la topología de su despliegue aumenta la probabilidad de caer justamente en este tipo de estado ambiguo - Revise específicamente los logs de Sentinel (no solo los del servidor de Redis) en busca de intentos de failover repetidos y fallidos o de desacuerdos entre Sentinels sobre cuál es el primario actual: esa es la firma directa de un problema de quórum o de bootstrap, y no de una simple falla de nodo
- Si ejecuta el bootstrap de Sentinel como parte de un despliegue automatizado (reinicio de contenedores, redespliegue gestionado por un orquestador), valide que la secuencia de bootstrap no tenga condiciones de carrera: que los Sentinels se pongan en línea antes de poder comunicarse entre sí o con los nodos monitoreados es un desencadenante habitual de este modo de falla
La mitigación práctica: si ve un split-brain de Sentinel recurrente que se correlaciona específicamente con reinicios (y no con particiones de red reales), la solución no suele ser solo un cambio en la configuración de Sentinel, sino corregir la secuencia de bootstrap y reinicio para que los Sentinels tengan conectividad confiable entre sí y con los nodos de Redis antes de que se active la lógica de failover. El modo Redis Cluster (en lugar de una configuración standalone o primario-réplica administrada por Sentinel) maneja algunos de estos problemas de coordinación de otra manera, y vale la pena evaluarlo si la confiabilidad del bootstrap de Sentinel es un dolor de cabeza operativo recurrente en su despliegue.
Cómo configurar Redis para alta disponibilidad
Una base funcional para una configuración con Sentinel:
# redis.conf on each replica
replicaof <primary-ip> 6379
min-replicas-to-write 1
min-replicas-max-lag 10# sentinel.conf — three sentinel processes
sentinel monitor mymaster <primary-ip> 6379 2
sentinel down-after-milliseconds mymaster 5000
sentinel failover-timeout mymaster 60000El 2 final es el quórum: cuántos deben coincidir antes de que empiece la promoción. Con tres instancias de Sentinel, dos es lo correcto.
Sentinel se configura por separado, y min-replicas-to-write es el parámetro que la mayoría de los equipos omite. Hace que el primario rechace escrituras cuando hay menos réplicas conectadas que las configuradas, lo que convierte una pérdida de datos silenciosa en un error visible. Ajuste down-after-milliseconds a su red: si es demasiado agresivo, la latencia normal provoca promociones innecesarias.
Por qué Redis con alta disponibilidad igual se cae
Una configuración correcta no basta. Estos son tres modos de falla en los que trabajamos recientemente, y ninguno se detecta con una revisión de configuración.
Agotamiento de memoria durante los guardados en segundo plano. Redis hace un fork para escribir un snapshot, y el fork usa copy-on-write. Si su carga de trabajo escribe mucho durante el guardado, el padre y el hijo divergen y el uso de memoria se acerca al doble del dataset. Investigamos el caso de un cliente con caídas repetidas alrededor del 60 % de utilización de memoria, muy por debajo de cualquier umbral de alerta que tuviera, causadas precisamente por el comportamiento del fork durante los respaldos. La solución fue ajustar el comportamiento del memory overcommit a nivel del kernel, no un parámetro de Redis.
Planifique la capacidad para que el uso pico más el overhead del fork quepan en la RAM. Un 50 % en estado estable es un techo razonable para una instancia con mucha escritura que genera snapshots.
Split-brain durante el bootstrap. En el mismo entorno, la demora del DNS durante el arranque provocó split-brain: los nodos que resolvían direcciones desactualizadas formaron visiones inconsistentes de quién era el primario. Es un problema del orden de arranque, no del estado estable, y solo aparece cuando todo el clúster se reinicia a la vez, que es exactamente lo que pasa en Kubernetes durante el drenado de un nodo o una actualización progresiva.
El bootstrap mediante scripts y dependiente del DNS es tan frágil que estamos desarrollando un plugin para automatizar el bootstrap de Sentinel con consenso basado en Raft, eliminando por completo esa dependencia externa.
Réplicas estancadas. Una réplica que se atrasa mucho y necesita una resincronización completa obliga al primario a hacer otro fork, a menudo en el peor momento. Monitoree el lag de las réplicas como una métrica de primer nivel, no como algo secundario.
¿Ve caídas de Redis que no puede explicar a partir de la configuración? Estas fallas suelen estar por debajo de Redis: en el comportamiento de memoria del kernel, en el DNS o en la orquestación. AceMQ realiza evaluaciones estructuradas de Redis que las detectan. Hable con un ingeniero de AceMQ.
Redis en Kubernetes
Kubernetes cambia el modelo de fallas. Los pods se mueven, las direcciones IP cambian y todo el sistema distribuido puede reiniciarse a la vez durante una actualización progresiva.
Tres reglas que evitan la mayoría de los incidentes:
- Use StatefulSets con identidades de red estables, para que una instancia de Redis reiniciada conserve un nombre predecible en lugar de recibir una dirección nueva
- Distribuya las réplicas entre nodos y zonas de disponibilidad con anti-affinity: las réplicas en el mismo nodo físico no ofrecen ninguna protección
- Configure PodDisruptionBudgets para que un drenado no pueda desalojar al mismo tiempo al primario y a la mayoría de los nodos Sentinel
Tanto Redis como Sentinel necesitan este tratamiento. Proteger los nodos de datos y dejar que los pods del monitor se puedan desalojar libremente elimina la mayoría que hace posible la promoción.
Buenas prácticas
- Tres instancias de Sentinel, en dominios de falla separados de los hosts del servidor de Redis
- Varias réplicas: al menos dos por cada nodo primario, para que una falla todavía deje una candidata a promoción
- Clientes compatibles con Sentinel o con Cluster: nunca fije en el código la dirección IP de un primario
min-replicas-to-writepara que el primario falle de forma visible en lugar de perder escrituras en silencio- Capacidad para el overhead del fork, no solo para el working set
- Alertas sobre el lag de las réplicas, la fragmentación de memoria y la salud del monitor, no solo sobre si el proceso está activo
- Pruébelo de forma deliberada. Una ruta de promoción sin probar es una hipótesis, no una garantía
Si quiere el mismo tratamiento para su capa de mensajería, nuestra guía de resolución de problemas de RabbitMQ cubre los modos de falla equivalentes. Para recibir ayuda práctica con un entorno de producción, consulte soporte y respuesta a incidentes de Redis.
En infraestructura virtualizada, la ubicación importa tanto como la topología: consulte anti-affinity de Redis en VMware.
Cómo elegir entre Sentinel y Cluster: la regla de decisión y el error más común
La decisión se reduce a una pregunta: ¿el dataset, y la tasa de escritura que recibe, caben en un nodo? Si la respuesta es sí, Sentinel; si es no, Cluster.
Sentinel es failover para un único dataset replicado. Un primario contiene todas las claves, las réplicas lo copian, y los sentinels vigilan, acuerdan por quórum que el primario cayó, promueven una réplica y responden a los clientes que preguntan por el nuevo primario. Usted conserva la semántica de Redis standalone: MULTI/EXEC y Lua sobre cualquier clave. El único cambio en el cliente es una consulta al sentinel al conectarse y ante un error.
Cluster es sharding con failover integrado. El keyspace se divide en 16384 hash slots repartidos entre varios primarios, cada uno con sus propias réplicas. Un cliente que consulta al nodo equivocado recibe una redirección MOVED (permanente) o ASK (durante una migración) y debe seguirla, así que necesita una biblioteca compatible con Cluster que mantenga actualizado el mapa de slots. Los comandos con varias claves, las transacciones y Lua necesitan que todas las claves estén en el mismo slot, por lo que los nombres de las claves llevan hash tags como {user:42}:profile.
Elija Sentinel cuando el dataset cabe en un nodo con margen, un solo primario puede absorber la tasa de escritura, depende de transacciones o de Lua sobre claves arbitrarias, o sus clientes son simples. Elija Cluster cuando el dataset o el throughput de escritura superan un nodo y está previsto crecer horizontalmente.
La elección equivocada que más vemos es Cluster para un dataset de 4 GB porque suena más disponible. No lo es: el failover de Cluster es la misma promoción de réplicas, con una condición más estricta (que la mayoría de los primarios sea alcanzable) y el doble de recursos. Paga en complejidad de los clientes y en diseño de claves por un sharding que no necesita. Hemos devuelto a más de un equipo a Sentinel sin perder disponibilidad.
Qué pasa realmente durante un failover de Redis y dónde se pierden escrituras
Con Sentinel, la secuencia es fija. Un sentinel que no recibe una respuesta válida dentro de down-after-milliseconds marca al primario como SDOWN (caído subjetivamente). Consulta a los demás sentinels y, cuando el quórum coincide, el primario pasa a ODOWN. Los sentinels eligen un líder mediante una votación numerada por epoch; el líder necesita la mayoría de todos los sentinels, no solo el quórum, y por eso dos sentinels no pueden hacer failover si uno está caído. El líder elige la réplica con el replica-priority más bajo y, luego, con el mayor offset de replicación, le envía REPLICAOF NO ONE, apunta las demás réplicas hacia ella y publica +switch-master. Los clientes consultan a cualquier sentinel cuál es el primario actual y se reconectan. failover-timeout limita cada paso y el intervalo entre reintentos.
Con Cluster, los primarios son el jurado. Un nodo que permanece en silencio durante cluster-node-timeout se marca como PFAIL; los reportes de falla se propagan por gossip y, cuando la mayoría de los primarios coincide, pasa a FAIL. Cada réplica del primario caído espera un tiempo que depende de su offset de replicación, de modo que la que tiene más datos pide votos primero. Solicita votos con un nuevo epoch, necesita la mayoría de los primarios, y cada primario vota una sola vez por epoch. La ganadora toma los slots, incrementa su config epoch y lo difunde. Los clientes se enteran mediante las redirecciones MOVED y actualizan su mapa de slots.
En ambos modos, la replicación es asíncrona: el primario confirma al cliente antes de que la réplica tenga la escritura. Todo lo que esté en esa ventana cuando el primario cae se pierde, porque el offset de la réplica promovida pasa a ser la verdad. Normalmente la ventana es de milisegundos; con una réplica atrasada, de segundos.
min-replicas-to-write y min-replicas-max-lag acotan esa ventana. Con 1 y 10, un primario rechaza escrituras a menos que haya al menos una réplica conectada que se haya reportado en los últimos diez segundos. Esto no vuelve síncrona la replicación; para una escritura puntual que debe sobrevivir, use WAIT.
Esos mismos parámetros son la respuesta de Sentinel al split-brain. Un primario antiguo aislado de los sentinels, pero todavía accesible para algunos clientes, sigue aceptando escrituras hasta que se lo reconfigura, y todas se descartan cuando se reincorpora. En cuanto sus réplicas siguen al nuevo primario, deja de cumplir la verificación de min-replicas y rechaza las escrituras. Cluster es más tajante: un primario del lado minoritario de una partición deja de dar servicio después de cluster-node-timeout y devuelve CLUSTERDOWN.
Configure down-after-milliseconds y cluster-node-timeout lo bastante altos como para que una pausa de GC o un bloqueo de la VM no provoquen un failover innecesario (consulte anti-affinity en VMware). Configure timeouts de cliente más largos que el tiempo de failover medido, reintente con backoff ante errores de conexión y ante READONLY, y confirme que la biblioteca vuelve a consultar a los sentinels o el mapa de slots en lugar de guardar una dirección en caché. Después, ensaye tanto un proceso eliminado como una partición por firewall, porque la mayoría de las sorpresas de failover solo aparecen con una partición. Cantidades mínimas razonables: tres sentinels en tres dominios de falla; para Cluster, tres primarios con una réplica cada uno. Lo que vemos que los clientes hacen mal, en orden: dos sentinels, sentinels en el mismo host que el Redis que vigilan, una dirección de primario fija en el código de la aplicación y timeouts de cliente más cortos que el failover. Nuestros proyectos de consultoría de Redis suelen empezar por corregir uno de esos puntos.
Este es el paso uno de siete de la guía de confiabilidad de Redis, que aborda los problemas en el orden en que aparecen en un entorno de producción.
Preguntas frecuentes
¿Qué es la alta disponibilidad en Redis?
Una arquitectura que mantiene Redis en servicio ante la falla de un nodo, combinando replicación con failover automático. La replicación por sí sola no alcanza: algo tiene que detectar la falla, promover una réplica y redirigir a los clientes.
¿Cuál es la diferencia entre Redis Sentinel y Redis Cluster?
Sentinel agrega promoción automática a un único dataset replicado. Cluster distribuye los datos en shards entre varios primarios y gestiona las fallas internamente. Uno ofrece disponibilidad; el otro, disponibilidad más escalamiento de escrituras.
¿Cuántos procesos de Sentinel necesito?
Tres como mínimo. El failover requiere acuerdo por quórum, y tres toleran la falla de un monitor y aun así alcanzan mayoría. Dos no pueden.
¿Redis pierde datos durante un failover?
Puede perderlos. La replicación de Redis es asíncrona, así que las escrituras que el primario confirmó pero que todavía no se replicaron se pierden cuando falla. min-replicas-to-write limita la exposición rechazando escrituras cuando hay muy pocas réplicas conectadas.
¿Cómo decide el monitor que un primario está caído?
Un proceso lo marca como caído subjetivamente cuando no recibe respuesta dentro de down-after-milliseconds. Cuando suficientes procesos coinciden y se alcanza el quórum configurado, pasa a estar caído objetivamente y empieza el failover.
¿Por qué Redis se cae si la memoria parece estar bien?
Normalmente por el fork del guardado en segundo plano. Por el copy-on-write, la memoria puede acercarse al doble del dataset durante un snapshot bajo carga de escritura, así que un nodo al 60 % de utilización puede agotar la RAM a mitad del guardado. Dimensione para el pico más el overhead del fork.
¿Puedo ejecutar Redis con alta disponibilidad en Kubernetes?
Sí, con StatefulSets, anti-affinity entre nodos y zonas de disponibilidad, y PodDisruptionBudgets que cubran tanto Redis como Sentinel. La falla típica es una actualización progresiva que desaloja al mismo tiempo al primario y al quórum de Sentinel.
¿Cuántos nodos necesita Redis Cluster para tener alta disponibilidad?
Seis: tres primarios, cada uno con una réplica. Tres primarios es el conjunto más pequeño que puede formar mayoría para detectar fallas y elegir réplicas mientras uno de ellos está caído, y una réplica por primario es lo que hace posible el failover. Distribuya los seis en al menos tres dominios de falla y asegúrese de que ningún primario comparta host o hipervisor con su propia réplica. Los clústeres más grandes siguen la misma regla: mantenga un número impar de primarios cuando pueda y nunca ejecute un primario sin réplica. El soporte de Redis de AceMQ cubre las pruebas de failover y la revisión de topología con objetivos de respuesta desde 15 minutos, según el plan, las 24 horas del día.
Fuentes
Guías, comparativas e investigación

