Redis

¿Por qué da timeouts mi cliente Redis si el servidor parece sano?

Scott Sternloff

Por Scott Sternloff, Arquitecto empresarial sénior

LinkedIn · Actualizado el

CLIENTappSERVERhealthy10s TIMEOUTClient Timeout, Server Fine
En esta página

Su equipo consulta INFO server, INFO clients, INFO memory y todo parece normal. La CPU está baja. La memoria, dentro de los límites. No hay entradas en el slow log. Y aun así su aplicación sigue lanzando excepciones de timeout de Redis, y los servicios que dependen de Redis se degradan o fallan.

Es un modo de fallo muy habitual y muy desconcertante, porque el instinto lleva a mirar primero el servidor. En los casos en los que hemos trabajado, el problema casi nunca está en el servidor.

¿Dónde hay que buscar si hay timeouts de Redis pero el servidor está bien?

En tres sitios, por orden de probabilidad:

  1. La configuración del cliente: en concreto, los valores de timeout, el tamaño del pool de conexiones y el comportamiento de los reintentos.
  2. La ruta de red: firewalls, balanceadores de carga o dispositivos NAT situados entre su aplicación y Redis que cortan en silencio las conexiones inactivas.
  3. Claves grandes o comandos bloqueantes: operaciones que bloquean el bucle de eventos 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 íntegramente en torno a un timeout de cliente de 10 segundos que interrumpía varios microservicios. La investigación confirmó que los errores se producían en el lado del cliente, no en los servidores Redis: el servidor no había registrado ningún error ni ralentización equivalente. Encontrar la causa raíz exigió un análisis más profundo de los patrones de agotamiento de recursos en el cliente y en la aplicación, no en la instancia de Redis.

Mis conexiones se caen siempre durante una ventana de mantenimiento concreta: ¿qué ocurre?

Es un síntoma de la capa de red, y es más frecuente de lo que los equipos esperan en entornos cloud y redes corporativas con mantenimiento programado de firewalls.

En un caso, las tareas de mantenimiento del firewall hacían caer a la vez todas las conexiones TCP con el clúster de Redis; la ventana de mantenimiento duraba entre tres y cinco minutos y provocaba una caída total de la red que obligaba a reiniciar las aplicaciones a mano. No era en absoluto un problema de Redis: era la infraestructura situada en la ruta de red entre la aplicación y Redis, que cerraba en silencio las conexiones establecidas durante una actualización rutinaria del firewall.

Cómo confirmar que este es su problema:

  • Compruebe si las incidencias de timeout coinciden con un calendario recurrente (cada noche, cada semana) 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 una caída silenciosa de la conexión sin ninguna entrada equivalente en los logs del servidor Redis confirma que el responsable es la capa de red, no Redis

¿Qué ajustes del cliente resuelven de verdad los timeouts de Redis?

Hay dos ajustes que importan más que el resto, y fueron precisamente la solución aplicada en una remediación real: el TCP keepalive y el ajuste de reintentos y timeouts en el cliente.

TCP keepalive. Sin keepalive, las conexiones inactivas que hay detrás de un firewall o un dispositivo NAT son candidatas idóneas a un cierre silencioso: la pila TCP del sistema operativo no sabe que la conexión se ha cortado hasta que intenta usarla, y en ese momento lo que obtiene es un timeout en lugar de una reconexión limpia. Activar el TCP keepalive con un intervalo razonablemente agresivo (bastante por debajo del timeout de conexiones inactivas del firewall o del NAT) mantiene viva la conexión mediante paquetes periódicos sin carga útil, o la hace fallar lo bastante rápido como para que el pool de conexiones recicle la conexión muerta antes de que la aplicación intente usarla.

Configuración de reintentos y timeouts en la librería cliente. En aplicaciones Java que usan el cliente Redis Lettuce (habitual con Spring Data Redis), esto significa configurar de forma explícita:

  • El timeout de comandos (cuánto esperar una respuesta de Redis antes de abandonar)
  • Las opciones de keepalive a nivel de socket en la propia librería cliente, no solo en el sistema operativo
  • La política de reintentos ante fallos de conexión transitorios, distinguiendo entre «connection refused» (fallar rápido) y «connection reset» (se puede reintentar sin riesgo)

Un proyecto de remediación en producción produjo un informe resumen con los ajustes recomendados de TCP keepalive y de reintentos tanto en el servidor como en el cliente, seguido de pautas concretas de configuración para el clúster de Redis del cliente y para los parámetros de timeout y reintentos de Lettuce.

¿Y si la causa de los timeouts fueran las claves grandes?

Puede serlo, y conviene descartarlo aunque ya haya encontrado un factor de red o del 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 de gran tamaño) puede bloquear el bucle de eventos el tiempo suficiente para que los comandos de otros clientes se acumulen en cola y acaben agotando su timeout, aunque el servidor «parezca» sano según las métricas agregadas de CPU y memoria.

La investigación de este patrón exploró, junto con las correcciones en la capa de red, técnicas de compresión para claves grandes de Redis como posible optimización del rendimiento, porque en los despliegues reales la causa raíz de los timeouts no suele ser un único factor, sino la combinación de una red de fiabilidad justa y operaciones ocasionales sobre claves grandes que empujan la latencia por encima del umbral de timeout del cliente.

Cómo comprobarlo: ejecute redis-cli --bigkeys durante un periodo de tráfico representativo, o use MEMORY USAGE <key> sobre las claves sospechosas. Si encuentra claves de varios megabytes a las que se accede con comandos como HGETALL, SMEMBERS o LRANGE sin límites, tiene un posible factor contribuyente.

¿Cómo se diagnostica de forma sistemática en lugar de a ciegas?

Siga este orden:

  1. Confirme que está en el cliente. Revise los logs del servidor Redis y la salida de INFO en busca de algo que coincida con la ventana del timeout. Si el servidor no muestra nada, ha confirmado que el problema está antes de Redis.
  2. Busque correlación con un calendario. ¿Ocurre a una hora concreta del día o un día concreto de la semana? Eso apunta al mantenimiento de la infraestructura de red.
  3. Revise la configuración del cliente. Timeout de comandos, tamaño del pool de conexiones, ajustes de TCP keepalive: compárelos con la tolerancia real de su ruta de red a las conexiones inactivas.
  4. Descarte claves grandes y comandos bloqueantes. Ejecute --bigkeys y revise sus patrones de comandos en busca de operaciones sobre colecciones sin límite.
  5. Capture evidencias a nivel de paquete si lo anterior no lo resuelve. Una captura de tráfico durante una ventana de reproducción le mostrará de forma definitiva si la conexión la resetea un dispositivo de red o si agota el timeout en el cliente.

Objetivos de respuesta desde 15 minutos, según el plan. Ingenieros sénior asignados.

Contacto

¿Puede diagnosticarlo un equipo de infraestructura generalista o hace falta experiencia en Redis?

La experiencia específica en Redis ayuda de verdad, sobre todo porque el síntoma (un timeout) es idéntico 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, normalmente el servidor, porque es el componente que lleva «Redis» en el nombre.

Los dos casos de producción citados en este artículo exigieron coordinación entre equipos (los equipos de aplicaciones y DevOps junto a expertos en Redis y, en el caso del firewall, directamente con el equipo de redes y seguridad) para aislar la capa realmente responsable. Ese tipo de diagnóstico transversal es justo donde un assessment estructurado de Redis demuestra su valor: no da por hecho que la respuesta sea «ajustar Redis», sino que rastrea el fallo hasta donde realmente se encuentra.

Diagnóstico de timeouts de Redis en diez minutos

Este es el orden en que ejecutamos los comandos y lo que cada respuesta confirma o descarta. Todo es aplicable también a Valkey.

  1. redis-cli --latency desde el host del cliente y después desde el host del servidor. Ejecute --latency-history en ambos durante unos minutos. Si los picos aparecen solo en el host del cliente, la causa es la ruta de red o la máquina cliente, y nada que haga en Redis lo arreglará. Si aparecen en ambos, el servidor se está bloqueando: siga con esta lista.
  1. SLOWLOG GET 25 e INFO commandstats. El slowlog muestra los comandos individuales que superaron slowlog-log-slower-than (10 ms por defecto). Commandstats muestra usec_per_call por tipo de comando, lo que detecta un KEYS con una media de 40 ms aunque ninguna llamada aislada haya llegado al slowlog. Los culpables habituales son KEYS, SMEMBERS sobre un set grande, HGETALL sobre un hash ancho, operaciones de conjuntos al estilo de SUNION y scripts Lua con bucles. Cada uno bloquea a todos los demás clientes durante toda su ejecución.
  1. INFO clients. Un blocked_clients mayor que cero es normal con BLPOP o con streams; en otro caso, algo está esperando una clave que nunca llega. Compare client_recent_max_output_buffer con CONFIG GET client-output-buffer-limit: un suscriptor o una réplica lentos llenan su buffer, se alcanza el límite y el servidor cierra la conexión, que el cliente notifica como un timeout.
  1. INFO persistence. Compare rdb_bgsave_in_progress, aof_rewrite_in_progress y latest_fork_usec con las marcas de tiempo de los timeouts. Un fork sobre un conjunto de datos grande detiene el hilo principal durante cientos de milisegundos, y el copy-on-write posterior ralentiza todas las escrituras. Los timeouts que se repiten en el mismo minuto de cada hora son casi siempre un BGSAVE programado.
  1. INFO stats. Un salto en evicted_keys significa que ha alcanzado maxmemory y el servidor dedica su tiempo a elegir víctimas; un salto en expired_keys indica un precipicio de TTL en el que muchas claves caducan en el mismo segundo. Cualquiera de los dos paraliza el bucle de eventos. Nuestra guía de memoria de Redis y la pregunta frecuente sobre memoria que crece sin que aumenten las claves explican cómo solucionarlo.
  1. CLIENT LIST. Cuente las conexiones por addr y name. Un pool clavado en su máximo mientras las peticiones se acumulan significa que el «timeout» es tiempo de espera por una conexión libre, no una respuesta lenta. Un qbuf u omem elevado en una entrada señala a un único cliente que se comporta mal.
  1. El host. En una VM, vmstat 1 con la columna steal distinta de cero significa que el hipervisor se está quedando con su CPU. cat /sys/kernel/mm/transparent_hugepage/enabled debería devolver never; Redis y Valkey avisan de ello al arrancar porque THP alarga las pausas del fork. Cualquier uso de swap en un host de Redis es un hallazgo.
  1. 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, subirá el timeout, ocultará el síntoma y volverá a estar en el mismo punto dentro de 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 habituales de lo que se suele pensar, y por eso el paso 1 zanja esa cuestión en dos minutos. Para un runbook más completo, consulte resolución de problemas de Redis.

Errores de timeout de cada cliente y lo que suelen significar

  • Jedis. JedisConnectionException: Could not get a resource from the pool indica agotamiento del pool: conexiones que no se devuelven (falta un close() o un try-with-resources) o un maxTotal demasiado bajo para el número de hilos. Una JedisConnectionException que envuelve SocketTimeoutException: Read timed out es un timeout de lectura, a menudo el valor por defecto de 2000 ms alcanzado por un único comando lento del paso 2.
  • Lettuce. RedisCommandTimeoutException: Command timed out after 1 minute(s) es el valor por defecto de 60 segundos, y por eso las peticiones de Lettuce se quedan colgadas en lugar de fallar rápido. Lettuce multiplexa los comandos sobre una sola conexión, de modo que un único comando lento retiene la cola para todos los que vienen detrás. Durante una reconexión, los comandos se encolan en memoria y luego agotan su timeout de golpe.
  • StackExchange.Redis. RedisTimeoutException: Timeout performing GET (5000ms), inst: 0, qu: 0, qs: 12, aw: False, in: 65536, ... se lee así: qs son los comandos enviados que esperan respuesta, qu los comandos aún no escritos, in los bytes ya recibidos pero todavía sin procesar, y mgr muestra el estado del gestor de sockets. Un in alto con un qs alto significa que la respuesta llegó y el cliente no pudo leerla: es inanición del thread pool, normalmente por bloquear con .Result o .Wait() en el código de las peticiones web. Revise la línea WORKER del 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, commandTimeout y maxRetriesPerRequest (20 por defecto), así que MaxRetriesPerRequestError significa que el bucle de reconexión se rindió, no que Redis fuera lento. Una retryStrategy que devuelve siempre un retardo corto genera una avalancha de logs y nunca deja aflorar el error real. node-redis usa reconnectStrategy y, en versiones antiguas, no tiene timeout por comando, así que un servidor bloqueado produce promesas que se quedan colgadas en lugar de errores.
  • redis-py. socket_connect_timeout limita el handshake TCP; socket_timeout limita cada lectura y por defecto no tiene valor, así que una llamada bloqueada espera indefinidamente. TimeoutError: Timeout reading from socket corresponde a este último. health_check_interval envía un PING antes de reutilizar una conexión inactiva, lo que evita el ConnectionError: Connection closed by server cuando un firewall corta los sockets inactivos.
  • Clientes de Go. context deadline exceeded es el contexto del llamante, no el timeout propio del cliente, así que revise ambos. redis: connection pool timeout significa que hay más goroutines que PoolSize y que esperaron más de PoolTimeout por una conexión libre; amplíe el pool o localice la fuga de goroutines.

Si prefiere dejarlo en manos de quienes lo hacen a diario, nuestro equipo de soporte de Redis está de guardia 24/7 con objetivos de respuesta desde 15 minutos, según el plan, y nuestra consultoría de Redis corrige el diseño de fondo.

Ayuda con los timeouts del cliente Redis y los problemas de conexión

¿Sufre timeouts de Redis que no coinciden con nada visible en las métricas del servidor? Es exactamente el tipo de problema por capas (cliente, red o servidor) que un assessment estructurado de Redis está pensado para aislar en lugar de adivinar. AceMQ ofrece soporte empresarial de Redis para entornos de producción. Hable con un ingeniero de AceMQ.

Este es el paso cuatro de siete de la guía de fiabilidad de Redis, que aborda los problemas en el orden en que aparecen en un entorno de producción.

Preguntas frecuentes

¿Dónde busco si hay timeouts de Redis pero las métricas del servidor están bien?

En tres sitios, por orden de probabilidad: la configuración del cliente (valores de timeout, tamaño del pool de conexiones, comportamiento de los 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 paralizan el bucle de eventos de un solo hilo. En un caso real de producción, un timeout de cliente de 10 segundos se debía por completo al agotamiento de recursos en el lado del cliente, sin ningún error ni ralentización equivalente en el servidor.

¿Por qué se caen mis conexiones a Redis durante una ventana de mantenimiento concreta?

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 cerrar en silencio las conexiones TCP establecidas con su clúster de Redis. Para confirmarlo, compruebe si las incidencias 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 cliente resuelven de verdad los timeouts de Redis?

Los dos ajustes que más importan son el TCP keepalive y el ajuste de reintentos y timeouts en el cliente. Activar el TCP keepalive con un intervalo inferior al timeout de conexiones inactivas del firewall o del NAT evita los cierres silenciosos, y configurar el timeout de comandos, el keepalive a nivel de socket y la política de reintentos en la librería cliente (por ejemplo, Lettuce en Java/Spring) cubre el resto.

¿Pueden las claves grandes provocar 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 grandes puede bloquear el bucle de eventos el tiempo suficiente para que los comandos de otros clientes se acumulen en cola y agoten su timeout. Ejecute redis-cli --bigkeys o MEMORY USAGE <key> para comprobarlo, y vigile el uso de HGETALL, SMEMBERS o LRANGE sin límites sobre claves de varios megabytes.

¿Cómo se diagnostica de forma sistemática un timeout del cliente Redis?

Confirme que el problema está en el cliente revisando los logs del servidor Redis y la salida de INFO en busca de algo que coincida con la ventana del timeout. Después compruebe si hay correlación con un calendario, contraste la configuración del cliente con la tolerancia a conexiones inactivas de su ruta de red, descarte claves grandes y comandos bloqueantes y, si el problema persiste, capture evidencias a nivel de paquete.

¿Hace falta experiencia específica en Redis para diagnosticar sus timeouts?

Ayuda de verdad, porque un timeout tiene el mismo aspecto 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 citados en este artículo exigieron coordinar a los equipos de aplicaciones, DevOps y redes para aislar la capa realmente responsable.

Consulta gratuita

Que un experto revise su despliegue de Redis

Tanto si está resolviendo un incidente en producción como si planifica una migración o quiere una segunda opinión sobre su arquitectura, nuestro equipo está preparado. Sin discursos comerciales, solo respuestas.

Escríbanos