En esta página
Su equipo revisa INFO server, INFO clients, INFO memory y todo se ve normal. La CPU está baja. La memoria está dentro de los límites. No hay entradas en el slow log. Y aun así su aplicación sigue arrojando excepciones de timeout de Redis, y los servicios que dependen de Redis se degradan o fallan.
Es un modo de falla realmente común y realmente confuso, porque el instinto lleva a mirar primero el servidor. En los casos en que hemos trabajado, el problema casi nunca está en el servidor.
¿Dónde debo buscar realmente si hay timeouts de Redis pero el servidor está bien?
En tres lugares, por orden de probabilidad:
- La configuración del cliente: concretamente, los valores de timeout, el tamaño del pool de conexiones y el comportamiento de los reintentos.
- La ruta de red: firewalls, balanceadores de carga o dispositivos NAT ubicados entre su aplicación y Redis que cortan en silencio las conexiones inactivas.
- Claves grandes o comandos bloqueantes: operaciones que bloquean el event loop de un solo hilo de Redis el tiempo suficiente para provocar timeouts en el cliente aunque el servidor nunca «se caiga».
Un caso real de producción lo ilustra: un proyecto con un cliente se definió por completo en torno a un timeout de 10 segundos en el cliente que interrumpía los microservicios. La investigación confirmó que los errores ocurrían del lado del cliente, no en los servidores Redis: el servidor no tenía registrado ningún error ni lentitud equivalente. Encontrar la causa raíz exigió un análisis más profundo de los patrones de agotamiento de recursos del lado del cliente y de la aplicación, no de la instancia de Redis en sí.
Mis conexiones se caen siempre durante una ventana de mantenimiento específica: ¿qué está pasando?
Es un síntoma de la capa de red, y es más común de lo que los equipos esperan en entornos de nube y redes empresariales con mantenimiento programado de firewalls.
En un caso, los mantenimientos del firewall hacían que todas las conexiones TCP con el clúster de Redis se cayeran a la vez; la ventana de mantenimiento duraba de tres a cinco minutos y provocaba una caída total de la red que obligaba a reiniciar las aplicaciones a mano. No era un problema de Redis en absoluto: era infraestructura ubicada en la ruta de red entre la aplicación y Redis que terminaba en silencio las conexiones establecidas durante una actualización rutinaria del firewall.
Cómo confirmar si este es su problema:
- Verifique si sus incidentes de timeout coinciden con un calendario recurrente (todas las noches, todas las semanas) y no con patrones de carga
- Pregunte directamente a su equipo de redes si hay ventanas de mantenimiento programadas de firewalls, balanceadores de carga o gateways NAT
- Si puede, capture el tráfico durante la ventana: un TCP RST limpio o un corte silencioso de la conexión sin ninguna entrada correspondiente en el log del servidor Redis confirma que el responsable es la capa de red, no Redis
¿Qué ajustes del lado del cliente resuelven realmente los timeouts de Redis?
Dos parámetros son los que más importan, y fueron la solución concreta aplicada en una remediación real: el TCP keepalive y el ajuste de reintentos y timeouts a nivel del cliente.
TCP keepalive. Sin keepalive, las conexiones inactivas detrás de un firewall o un dispositivo NAT son candidatas ideales a un corte silencioso: la pila TCP del sistema operativo no sabe que la conexión se cortó hasta que intenta usarla, y en ese momento usted recibe un timeout en lugar de una reconexión limpia. Habilitar el TCP keepalive con un intervalo razonablemente agresivo (bastante por debajo del timeout de conexiones inactivas de su firewall o NAT) mantiene viva la conexión mediante paquetes periódicos sin contenido, o falla lo bastante rápido como para que su pool de conexiones recicle la conexión muerta antes de que la aplicación intente usarla.
Configuración de reintentos y timeouts de la biblioteca cliente. En aplicaciones Java que usan el cliente Lettuce para Redis (habitual con Spring Data Redis), esto implica configurar explícitamente:
- El timeout de comandos (cuánto esperar una respuesta de Redis antes de abandonar)
- Las opciones de keepalive a nivel de socket en la biblioteca cliente, no solo en el sistema operativo
- La política de reintentos ante fallas transitorias de conexión, distinguiendo entre «connection refused» (fallar rápido) y «connection reset» (se puede reintentar)
Un proyecto de remediación en producción produjo específicamente un informe resumido con la configuración recomendada de TCP keepalive y reintentos para el servidor y el cliente, seguido de una guía de ajuste de configuración directa para el clúster de Redis del cliente y para los parámetros de timeout y reintentos de Lettuce.
¿Y si los timeouts se deben a claves grandes?
Es posible, y vale la pena descartarlo aunque ya haya encontrado un factor en la red o en el cliente, porque las claves grandes pueden agravar el problema.
Redis ejecuta los comandos en un solo hilo. Un comando que opera sobre una clave muy grande (un hash enorme, un sorted set gigantesco, un string grande) puede bloquear el event loop el tiempo suficiente para que los comandos de otros clientes se encolen y terminen dando timeout, aunque el servidor «se vea» sano en las métricas agregadas de CPU y memoria.
La investigación de este patrón exploró específicamente técnicas de compresión para claves grandes de Redis como posible optimización del rendimiento, junto con las correcciones de la capa de red, porque en los despliegues reales la causa raíz del timeout a menudo no es un solo factor, sino la combinación de una red apenas confiable con operaciones ocasionales sobre claves grandes que llevan la latencia por encima del umbral de timeout del cliente.
Cómo verificarlo: ejecute redis-cli --bigkeys durante un período de tráfico representativo, o use MEMORY USAGE <key> en las claves que sospeche que son grandes. Si encuentra claves de varios megabytes a las que se accede con comandos como HGETALL, SMEMBERS o LRANGE sin límites, ahí tiene un posible factor.
¿Cuál es la forma sistemática de diagnosticarlo en lugar de adivinar?
Avance en este orden:
- Confirme que es del lado del cliente. Revise los logs del servidor Redis y la salida de
INFOen busca de algo que coincida con la ventana del timeout. Si el servidor no muestra nada, queda confirmado que el problema está antes de Redis. - Busque una correlación con algún calendario. ¿Ocurre a una hora del día o un día de la semana específicos? Eso apunta al mantenimiento de la infraestructura de red.
- Revise la configuración del cliente. Timeout de comandos, tamaño del pool de conexiones, ajustes de TCP keepalive: compárelos con la tolerancia real a conexiones inactivas de su ruta de red.
- Descarte claves grandes y comandos bloqueantes. Ejecute
--bigkeysy revise sus patrones de comandos en busca de operaciones sobre colecciones sin límite. - Capture evidencia a nivel de paquetes si lo anterior no lo resuelve. Una captura de tráfico durante una ventana de reproducción le mostrará de forma definitiva si la conexión la reinicia un dispositivo de red o si da timeout del lado del cliente.
¿Puede diagnosticarlo un equipo de infraestructura general o hace falta experiencia específica en Redis?
Realmente se beneficia de la experiencia específica en Redis, sobre todo porque el síntoma (timeout) se ve igual tanto si la causa está en Redis como en el cliente o en la red, y los equipos sin una experiencia operativa profunda en Redis suelen empezar ajustando la capa equivocada, casi siempre el servidor, porque es el componente que lleva «Redis» en el nombre.
Los dos casos de producción mencionados en este artículo requirieron coordinación entre equipos (los de aplicaciones y DevOps junto con expertos en Redis y, en el caso del firewall, el equipo de redes y seguridad directamente) para aislar la capa realmente responsable. Ese tipo de diagnóstico multifuncional es exactamente donde una evaluación estructurada de Redis demuestra su valor: no da por sentado que la respuesta sea «ajustar Redis», sino que rastrea la falla hasta donde realmente está.
Un diagnóstico de diez minutos para los timeouts de Redis
Este es el orden en que ejecutamos los comandos y lo que cada respuesta confirma o descarta. Todo aplica también a Valkey.
redis-cli --latencydesde el host del cliente y luego desde el host del servidor. Ejecute--latency-historyen ambos durante unos minutos. Si los picos aparecen solo en el host del cliente, el problema está en la ruta de red o en la máquina cliente; nada en Redis lo va a resolver. Si aparecen en ambos, el servidor se está trabando, así que siga con esta lista.
SLOWLOG GET 25eINFO commandstats. El slowlog muestra los comandos individuales que superaronslowlog-log-slower-than(10 ms por defecto). Commandstats muestra elusec_per_callpor tipo de comando, lo que detecta unKEYScon un promedio de 40 ms aunque ninguna llamada individual haya llegado al slowlog. Los culpables habituales sonKEYS,SMEMBERSsobre un set grande,HGETALLsobre un hash ancho, las operaciones de conjuntos tipoSUNIONy los scripts Lua con bucles. Cada uno bloquea a todos los demás clientes durante toda su duración.
INFO clients. Unblocked_clientsmayor que cero es normal conBLPOPo con streams; de lo contrario, algo está esperando una clave que nunca llega. Compareclient_recent_max_output_bufferconCONFIG GET client-output-buffer-limit: un suscriptor o una réplica lentos llenan su búfer, se alcanza el límite y el servidor corta la conexión, lo que el cliente informa como un timeout.
INFO persistence. Comparerdb_bgsave_in_progress,aof_rewrite_in_progressylatest_fork_useccon las marcas de tiempo de sus timeouts. Un fork sobre un conjunto de datos grande pausa el hilo principal durante cientos de milisegundos, y el copy-on-write posterior ralentiza cada escritura. Los timeouts en el mismo minuto de cada hora casi siempre se deben a unBGSAVEprogramado.
INFO stats. Un salto enevicted_keyssignifica que alcanzómaxmemoryy el servidor pasa el tiempo eligiendo víctimas; un salto enexpired_keysindica un precipicio de TTL en el que muchas claves vencen en el mismo segundo. Cualquiera de los dos traba el event loop. Nuestra guía de memoria de Redis y la pregunta frecuente sobre memoria que crece sin más claves explican las soluciones.
CLIENT LIST. Cuente las conexiones poraddry porname. Un pool clavado en su límite mientras las solicitudes se encolan significa que el «timeout» es tiempo de espera por una conexión libre, no una respuesta lenta. Unqbufuomemalto en una sola entrada apunta a un único cliente que se comporta mal.
- El host. En una VM,
vmstat 1con la columna steal distinta de cero significa que el hipervisor le está quitando CPU.cat /sys/kernel/mm/transparent_hugepage/enableddebería mostrarnever; Redis y Valkey lo advierten al iniciar porque THP alarga las pausas de fork. Cualquier uso de swap en un host de Redis es un hallazgo.
- Los ajustes del cliente, al final. Solo ahora revise el tamaño del pool, el timeout de socket y la política de reintentos. Si empieza por aquí, va a subir el timeout, ocultar el síntoma y volver al mismo punto en un mes.
En nuestro trabajo de soporte, el paso 2 encuentra la causa más veces que todos los demás juntos, y el paso 4 queda claramente en segundo lugar. Las causas de red son menos comunes de lo que se suele creer, y por eso el paso 1 resuelve esa duda en dos minutos. Para un runbook más completo, consulte resolución de problemas de Redis.
Errores de timeout por cliente y lo que suelen significar
- Jedis.
JedisConnectionException: Could not get a resource from the pooles agotamiento del pool: conexiones que no se devuelven (faltaclose()o try-with-resources) o unmaxTotaldemasiado bajo para la cantidad de hilos.JedisConnectionExceptionenvolviendoSocketTimeoutException: Read timed outes un timeout de lectura, muchas veces el valor predeterminado de 2.000 ms alcanzado por un único comando lento del paso 2. - Lettuce.
RedisCommandTimeoutException: Command timed out after 1 minute(s)es el valor predeterminado de 60 segundos, y por eso las solicitudes de Lettuce se quedan colgadas en lugar de fallar rápido. Lettuce multiplexa los comandos en una sola conexión, así que un solo comando lento retiene la cola para todos los que vienen detrás. Durante una reconexión, los comandos se encolan en memoria y luego dan timeout todos juntos. - StackExchange.Redis.
RedisTimeoutException: Timeout performing GET (5000ms), inst: 0, qu: 0, qs: 12, aw: False, in: 65536, ...se lee así:qsson los comandos enviados que esperan respuesta,qulos comandos todavía no escritos,inlos bytes ya recibidos pero aún no procesados, ymgrmuestra el estado del administrador de sockets. Uninalto con unqsalto significa que la respuesta llegó y el cliente no pudo leerla, lo que indica falta de hilos en el thread pool, normalmente por bloquear con.Resulto.Wait()en el código de las solicitudes web. Revise la líneaWORKERdel mismo mensaje: un valor busy por encima de min lo confirma. - node-redis e ioredis. Ambos separan el timeout de conexión del comportamiento de los comandos. ioredis tiene
connectTimeout,commandTimeoutymaxRetriesPerRequest(20 por defecto), así queMaxRetriesPerRequestErrorsignifica que el bucle de reconexión se rindió, no que Redis estuviera lento. UnaretryStrategyque devuelve un retraso corto para siempre genera una avalancha de logs y nunca muestra el error real. node-redis usareconnectStrategyy, en versiones antiguas, no tiene timeout por comando, así que un servidor trabado produce promesas que quedan colgadas en lugar de errores. - redis-py.
socket_connect_timeoutlimita el handshake TCP;socket_timeoutlimita cada lectura y no tiene valor por defecto, así que una llamada trabada espera para siempre.TimeoutError: Timeout reading from socketcorresponde a este último.health_check_intervalenvía unPINGantes de reutilizar una conexión inactiva, lo que resuelveConnectionError: Connection closed by servercuando un firewall corta los sockets inactivos. - Clientes de Go.
context deadline exceededproviene del contexto de quien hace la llamada, no del timeout propio del cliente, así que revise ambos.redis: connection pool timeoutsignifica que hay más goroutines quePoolSizey que esperaron más allá dePoolTimeoutpor una conexión libre; aumente el pool o encuentre la fuga de goroutines.
Si prefiere dejarlo en manos de personas que hacen esto todos los días, nuestro equipo de soporte de Redis está de guardia 24/7 con objetivos de respuesta desde 15 minutos, según el plan, y la consultoría de Redis corrige el diseño de fondo.
Obtenga ayuda con timeouts de clientes y problemas de conexión en Redis
¿Tiene timeouts de Redis que no coinciden con nada visible en las métricas del servidor? Ese es exactamente el tipo de problema en capas (cliente, red o servidor) que una evaluación estructurada de Redis está diseñada para aislar en lugar de adivinar. AceMQ ofrece soporte empresarial de Redis para plataformas en producción. Hable con un ingeniero de AceMQ.
Este es el paso cuatro de siete de la guía de confiabilidad de Redis, que aborda los problemas en el orden en que aparecen en una plataforma en producción.
Preguntas frecuentes
¿Dónde debo buscar si hay timeouts de Redis pero las métricas del servidor se ven sanas?
En tres lugares, por orden de probabilidad: la configuración del cliente (valores de timeout, tamaño del pool de conexiones, comportamiento de reintentos), la ruta de red (firewalls, balanceadores de carga o dispositivos NAT que cortan en silencio las conexiones inactivas) y las claves grandes o los comandos bloqueantes que frenan el event loop de un solo hilo. En un caso real de producción, un timeout de 10 segundos en el cliente se debía por completo al agotamiento de recursos del lado del cliente, sin ningún error ni lentitud equivalente en el servidor.
¿Por qué se caen mis conexiones a Redis durante una ventana de mantenimiento específica?
Casi siempre es un síntoma de la capa de red, no un problema de Redis. El mantenimiento programado de firewalls, balanceadores de carga o gateways NAT puede terminar en silencio las conexiones TCP establecidas con su clúster de Redis. Para confirmarlo, verifique si los incidentes coinciden con un calendario recurrente y no con la carga, y pregunte directamente a su equipo de redes por las ventanas de mantenimiento.
¿Qué ajustes del lado del cliente resuelven realmente los timeouts de Redis?
El TCP keepalive y el ajuste de reintentos y timeouts a nivel del cliente son los dos parámetros que más importan. Habilitar el TCP keepalive con un intervalo inferior al timeout de conexiones inactivas de su firewall o NAT evita los cortes silenciosos, y configurar el timeout de comandos, el keepalive a nivel de socket y la política de reintentos en la biblioteca cliente (por ejemplo, Lettuce para Java/Spring) cierra el resto de la brecha.
¿Las claves grandes pueden causar timeouts en Redis?
Sí. Redis ejecuta los comandos en un solo hilo, así que un comando sobre un hash, un sorted set o un string muy grande puede bloquear el event loop el tiempo suficiente para que los comandos de otros clientes se encolen y den timeout. Para verificarlo, ejecute redis-cli --bigkeys o MEMORY USAGE <key>, y preste atención a HGETALL, SMEMBERS o LRANGE usados sin límites sobre claves de varios megabytes.
¿Cuál es la forma sistemática de diagnosticar un timeout del cliente de Redis?
Confirme que es del lado del cliente revisando los logs del servidor Redis y la salida de INFO en busca de algo que coincida con la ventana del timeout. Luego busque una correlación con algún calendario, revise la configuración del cliente frente a la tolerancia a conexiones inactivas de su ruta de red, descarte claves grandes y comandos bloqueantes, y capture evidencia a nivel de paquetes si el problema persiste.
¿Diagnosticar timeouts de Redis requiere experiencia específica en Redis?
Realmente se beneficia de ella, porque un timeout se ve igual tanto si la causa está en Redis como en el cliente o en la red, y los equipos sin experiencia en Redis suelen empezar ajustando el servidor. Los dos casos de producción mencionados en este artículo requirieron coordinación entre los equipos de aplicaciones, DevOps y redes para aislar la capa realmente responsable.