Sur cette page
La haute disponibilité de Redis repose sur la réplication et sur un mécanisme qui automatise le basculement. Redis Sentinel apporte le basculement automatique pour un jeu de données unique ; Redis Cluster apporte le basculement plus le sharding horizontal entre plusieurs primaires. La plupart des équipes ont besoin de Sentinel. Cluster devient nécessaire lorsqu'un seul nœud ne peut plus contenir vos données ou absorber votre débit. Pour comprendre comment Redis Cluster répartit les données en shards, redirige les clients et tombe en panne en production, consultez Redis Cluster : hash slots, sharding et exploitation.
La réplication seule n'est pas de la haute disponibilité. Un primaire doté de réplicas a toujours besoin d'un processus qui décide que le primaire est hors service, promeut un réplica et indique aux clients où se connecter. C'est cette couche de décision qui distingue réellement les architectures présentées ci-dessous.
La réplication Redis, fondement de tout
Toute architecture de haute disponibilité part de la même brique de base : un master Redis qui accepte les écritures, et un ou plusieurs réplicas qui répliquent ses données.
La réplication Redis est asynchrone. C'est cette réplication asynchrone qui garantit la rapidité du stockage en mémoire. Une écriture est acquittée auprès du client avant que les réplicas ne la confirment, ce qui maintient une latence faible mais signifie qu'une panne du primaire peut faire perdre les dernières écritures. Ce compromis est délibéré et inévitable : aucune option de haute disponibilité ne le fait disparaître, alors concevez en en tenant compte plutôt qu'en cherchant à le contourner.
Les réplicas servent les lectures, mais ils ne suppriment pas le point de défaillance unique. Si le primaire tombe et que rien ne promeut un réplica, le cluster n'accepte plus d'écritures.
Comment fonctionne Redis Sentinel
Sentinel est un processus distinct qui surveille vos instances Redis et effectue la promotion automatiquement.
Exécutez trois instances Sentinel au minimum. Les décisions requièrent une majorité : avec trois instances, vous tolérez une panne tout en parvenant à un accord. Avec deux, aucune majorité n'est possible dès que l'une disparaît.
Lorsqu'un basculement se produit, le processus se déroule ainsi :
- Un Sentinel ne reçoit plus de réponse du primaire et le marque subjectivement hors service
- Il interroge ses pairs ; dès que suffisamment d'entre eux sont d'accord, le primaire est objectivement hors service
- Ils élisent un leader parmi eux, qui sélectionne le meilleur réplica
- Ce réplica est promu master, et les réplicas restants sont reconfigurés pour le suivre
- Les clients découvrent le nouveau primaire en interrogeant Sentinel
Cette dernière étape compte plus que les équipes ne le pensent. Votre client Redis doit être compatible Sentinel : il interroge Sentinel pour obtenir l'adresse du primaire actuel au lieu de conserver une adresse IP codée en dur. Les applications configurées avec une IP fixe continuent d'écrire sur un nœud rétrogradé et échouent silencieusement.
Déployez ces processus sur des hôtes distincts de ceux des serveurs Redis lorsque c'est possible. La colocalisation est courante, car le processus est léger, mais une panne d'hôte supprime alors en même temps un nœud Redis et une voix, précisément au moment où vous avez besoin de cette voix.
Comment fonctionne Redis Cluster
Redis Cluster répartit les données entre plusieurs instances Redis, chacune dotée de ses propres réplicas. Les clés sont associées à 16 384 hash slots répartis entre les shards.
Cluster assure la haute disponibilité et la tolérance aux pannes de la même manière, par promotion de réplicas, mais sans couche de surveillance distincte : les nœuds s'accordent entre eux. Il permet aussi la montée en charge des écritures, ce dont Sentinel est incapable : avec cette approche, un seul primaire traite toutes les écritures, quel que soit le nombre de réplicas.
Le prix à payer est une complexité accrue, côté exploitation comme côté application. Les opérations multi-clés doivent rester dans un même hash slot, certains clients gèrent mal les redirections, et redistribuer un shard sur plusieurs nœuds est une véritable procédure, pas un simple changement de configuration.
Sentinel ou Cluster
| Redis Sentinel | Redis Cluster | |
|---|---|---|
| Données | Un jeu de données, répliqué | Réparties entre plusieurs primaires |
| Montée en charge des écritures | Non, un seul primaire | Oui |
| Promotion automatique | Oui | Oui |
| Processus supplémentaires | Nœuds Sentinel requis | Aucun |
| Exigences côté client | Compatible Sentinel | Compatible Cluster |
| Opérations multi-clés | Sans restriction | Dans un même hash slot uniquement |
| Adapté à | La HA sans sharding | La HA plus la montée en charge horizontale |
En pratique, le partage entre Redis Cluster et Redis Sentinel est simple : choisissez Sentinel lorsque vos données tiennent confortablement sur un nœud et que vous avez besoin de disponibilité sans sharding. Choisissez l'option shardée dans le cas contraire. Opter pour Cluster uniquement pour la redondance ajoute une complexité que vous paierez à chaque incident.
Les offres managées (Redis Enterprise, Azure Cache for Redis et les offres des fournisseurs cloud) masquent ce choix derrière leur propre architecture, en répartissant généralement les réplicas entre zones de disponibilité. C'est pratique, mais vous héritez de leur logique de promotion au lieu de choisir la vôtre.
Pourquoi Redis Sentinel tombe-t-il en split-brain sans se rétablir automatiquement ?
Dans un déploiement Redis géré par Sentinel, le split-brain se produit lorsqu'une partition réseau (ou une série de redémarrages en cascade) laisse deux groupes de nœuds persuadés chacun d'avoir le quorum et de devoir agir, ou d'agir déjà, en tant que primaire. Contrairement au comportement pause_minority de RabbitMQ, qui arrête délibérément la partition minoritaire pour éviter toute divergence, le modèle de basculement et de reprise de Redis Sentinel dépend de l'accord des Sentinels, par quorum, sur le nœud réellement hors service, et c'est dans ce processus d'accord que de vrais incidents de production se sont retrouvés bloqués.
Les causes en pratique. Une véritable évaluation de Redis en production a fait du split-brain et des échecs de reprise automatique de Redis Sentinel un chantier d'investigation à part entière, lié spécifiquement à des problèmes de fiabilité de l'amorçage de Sentinel lors du redémarrage du cluster : le problème ne venait pas d'une unique partition réseau spectaculaire, mais de Sentinels incapables de rétablir correctement le quorum et de s'accorder sur les rôles de primaire et de réplica lorsque le cluster redémarrait après un redémarrage planifié ou une reprise après crash.
Pourquoi cela ne se répare pas tout seul. La logique de basculement de Sentinel exige qu'un quorum configuré de processus Sentinel s'accorde sur le fait que le primaire est réellement injoignable avant de promouvoir un réplica. Si les Sentinels eux-mêmes redémarrent dans un ordre incohérent, ou si l'événement d'infrastructure à l'origine du problème a également perturbé la communication entre Sentinels, vous pouvez vous retrouver dans un état où aucun groupe de Sentinels ne dispose d'un quorum net, et le mécanisme de basculement automatique censé résoudre précisément ce type d'événement ne se déclenche pas proprement, ce qui impose une intervention manuelle.
Ce qu'il faut vérifier si cela vous arrive :
- Vérifiez que tous les processus Sentinel peuvent se joindre entre eux et joindre les nœuds Redis surveillés sur les ports requis : un problème réseau partiel, résolu pour le trafic de données mais pas pour le trafic gossip de Sentinel, peut laisser le quorum Sentinel cassé alors même que la connectivité applicative semble rétablie
- Comparez la configuration du
quorumSentinel au nombre réel de processus Sentinel : une exigence de quorum sous-dimensionnée par rapport à votre topologie de déploiement augmente le risque de tomber précisément dans ce type d'état ambigu - Examinez spécifiquement les logs Sentinel (pas seulement ceux du serveur Redis) à la recherche de tentatives de basculement répétées et infructueuses, ou de désaccords entre Sentinels sur le primaire actuel : c'est la signature directe d'un problème de quorum ou d'amorçage, et non d'une simple panne de nœud
- Si l'amorçage de Sentinel fait partie d'un déploiement automatisé (redémarrage de conteneur, redéploiement piloté par un orchestrateur), vérifiez que la séquence d'amorçage n'est pas sujette à une situation de concurrence : des Sentinels qui démarrent avant de pouvoir se joindre entre eux ou joindre les nœuds surveillés sont un déclencheur courant de ce mode de défaillance
La mesure d'atténuation pratique : si vous observez des split-brains Sentinel récurrents, corrélés spécifiquement aux redémarrages (plutôt qu'à de véritables partitions réseau), le correctif ne se limite généralement pas à un changement de configuration de Sentinel : il consiste à corriger la séquence d'amorçage et de redémarrage pour que les Sentinels disposent d'une connectivité fiable entre eux et avec les nœuds Redis avant que la logique de basculement n'entre en jeu. Le mode Redis Cluster (plutôt qu'un déploiement autonome ou primaire-réplica géré par Sentinel) traite certains de ces problèmes de coordination différemment et mérite d'être évalué si la fiabilité de l'amorçage de Sentinel est un point douloureux récurrent de votre déploiement.
Comment configurer Redis pour la haute disponibilité
Une base de départ fonctionnelle pour une configuration 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 60000Le 2 final correspond au quorum : le nombre d'instances qui doivent être d'accord avant le lancement de la promotion. Avec trois instances Sentinel, deux est la bonne valeur.
Sentinel se configure séparément, et min-replicas-to-write est le paramètre que la plupart des équipes négligent. Il amène le primaire à refuser les écritures lorsque le nombre de réplicas connectés est inférieur à la valeur configurée, ce qui transforme une perte de données silencieuse en erreur visible. Ajustez down-after-milliseconds à votre réseau : trop agressif, la latence normale déclenche des promotions intempestives.
Pourquoi un Redis hautement disponible tombe malgré tout
Une configuration correcte ne suffit pas. Voici trois modes de défaillance sur lesquels nous sommes intervenus récemment, et qu'aucune revue de configuration ne détecte.
L'épuisement de la mémoire pendant les sauvegardes en arrière-plan. Redis forke pour écrire un snapshot, et le fork utilise le copy-on-write. Si votre charge de travail écrit beaucoup pendant la sauvegarde, le parent et l'enfant divergent et l'utilisation mémoire grimpe vers le double du jeu de données. Nous avons enquêté chez un client qui subissait des plantages répétés autour de 60 % d'utilisation mémoire, bien en dessous de tous les seuils sur lesquels il alertait, causés précisément par le comportement du fork pendant les sauvegardes. Le correctif a consisté à régler l'overcommit mémoire au niveau du noyau, pas un paramètre Redis.
Planifiez la capacité de sorte que l'utilisation au pic, surcoût du fork compris, tienne dans la RAM. La moitié de la RAM en régime établi est un plafond raisonnable pour une instance très sollicitée en écriture qui prend des snapshots.
Le split-brain pendant l'amorçage. Dans le même environnement, un retard de propagation DNS au démarrage provoquait un split-brain : des nœuds qui résolvaient des adresses périmées se forgeaient des visions incohérentes de l'identité du primaire. C'est un problème d'ordre d'amorçage, pas de régime établi, et il n'apparaît que lorsque tout le cluster redémarre en même temps, ce qui est exactement ce qui se passe sur Kubernetes lors du drain d'un nœud ou d'une mise à jour progressive.
Un amorçage scripté et dépendant du DNS est suffisamment fragile pour que nous développions un plugin qui automatise l'amorçage de Sentinel en s'appuyant plutôt sur un consensus basé sur Raft, supprimant entièrement cette dépendance externe.
Les blocages de réplicas. Un réplica qui prend beaucoup de retard et a besoin d'une resynchronisation complète oblige le primaire à forker à nouveau, souvent au pire moment. Supervisez le retard des réplicas comme une métrique de premier plan, pas comme un détail secondaire.
Des plantages de Redis que la configuration n'explique pas ? Ces défaillances se situent généralement sous Redis : dans le comportement mémoire du noyau, le DNS ou l'orchestration. AceMQ réalise des évaluations Redis structurées qui les mettent au jour. Parlez à un ingénieur AceMQ.
Redis sur Kubernetes
Kubernetes change le modèle de défaillance. Les pods se déplacent, les adresses IP changent, et l'ensemble du système distribué peut redémarrer d'un coup lors d'une mise à jour progressive.
Trois règles qui évitent la plupart des incidents :
- Utilisez des StatefulSets avec des identités réseau stables, pour qu'une instance Redis redémarrée conserve un nom prévisible au lieu d'obtenir une nouvelle adresse
- Répartissez les réplicas entre nœuds et zones de disponibilité grâce à l'anti-affinité : des réplicas sur le même nœud physique n'offrent aucune protection
- Définissez des PodDisruptionBudgets pour qu'un drain ne puisse pas évincer en même temps le primaire et une majorité des nœuds Sentinel
Redis et Sentinel ont tous deux besoin de ce traitement. Protéger les nœuds de données tout en laissant les pods Sentinel librement évinçables revient à supprimer la majorité qui rend la promotion possible.
Bonnes pratiques
- Trois instances Sentinel, dans des domaines de défaillance distincts de ceux des hôtes des serveurs Redis
- Plusieurs réplicas : au moins deux par nœud primaire, pour qu'une panne laisse encore un candidat à la promotion
- Des clients compatibles Sentinel ou Cluster : ne codez jamais en dur l'adresse IP d'un primaire
min-replicas-to-write, pour que le primaire échoue bruyamment plutôt que de perdre des écritures en silence- De la capacité pour le surcoût du fork, pas seulement pour le working set
- Des alertes sur le retard des réplicas, la fragmentation mémoire et la santé de Sentinel, pas seulement sur le fait que le processus tourne
- Des tests délibérés. Un chemin de promotion jamais testé est une hypothèse, pas une garantie
Si vous voulez appliquer la même démarche à votre couche de messagerie, notre guide de dépannage RabbitMQ couvre les modes de défaillance équivalents. Pour une aide concrète sur un environnement de production, consultez support Redis et intervention sur incident.
Sur une infrastructure virtualisée, le placement compte autant que la topologie : voir l'anti-affinité Redis sur VMware.
Choisir entre Sentinel et Cluster : la règle de décision et l'erreur la plus courante
La décision se résume à une question : le jeu de données, et le débit d'écriture qu'il subit, tiennent-ils sur un seul nœud ? Si oui, Sentinel ; si non, Cluster.
Sentinel, c'est le basculement pour un jeu de données unique répliqué. Un seul primaire détient toutes les clés, les réplicas le copient, et les Sentinels surveillent, constatent par quorum que le primaire a disparu, promeuvent un réplica et indiquent le nouveau primaire aux clients qui le demandent. Vous conservez la sémantique de Redis en mode autonome : MULTI/EXEC et Lua sur n'importe quelles clés. Le seul changement côté client est une requête à Sentinel à la connexion et en cas d'erreur.
Cluster, c'est du sharding avec basculement intégré. L'espace de clés est découpé en 16384 hash slots répartis entre plusieurs primaires, chacun avec ses propres réplicas. Un client qui s'adresse au mauvais nœud reçoit une redirection MOVED (permanente) ou ASK (pendant une migration) et doit la suivre : il lui faut donc une bibliothèque compatible Cluster qui maintient une carte des slots à jour. Les commandes multi-clés, les transactions et Lua exigent que toutes les clés soient dans le même slot, si bien que les noms de clés portent des hash tags comme {user:42}:profile.
Choisissez Sentinel lorsque le jeu de données tient sur un nœud avec de la marge, qu'un seul primaire peut absorber le débit d'écriture, que vous dépendez de transactions ou de Lua sur des clés arbitraires, ou que vos clients sont simples. Choisissez Cluster lorsque le jeu de données ou le débit d'écriture dépasse un nœud et qu'une croissance horizontale est prévue.
L'erreur que nous voyons le plus souvent : Cluster pour un jeu de données de 4 Go, parce que cela semble plus disponible. Ce n'est pas le cas : le basculement de Cluster repose sur la même promotion de réplica, avec une condition plus stricte (une majorité de primaires joignables) et une empreinte deux fois plus grande. Vous payez la complexité côté client et la conception des clés pour un sharding dont vous n'avez pas besoin. Nous avons ramené plus d'une équipe vers Sentinel sans perte de disponibilité.
Ce qui se passe réellement lors d'un basculement Redis, et où se perdent les écritures
Avec Sentinel, la séquence est immuable. Un Sentinel qui ne reçoit aucune réponse valide dans le délai down-after-milliseconds marque le primaire SDOWN (subjectivement hors service). Il interroge les autres Sentinels, et dès que le quorum est d'accord, le primaire passe ODOWN. Les Sentinels élisent un leader par un vote numéroté par epoch ; le leader a besoin d'une majorité de l'ensemble des Sentinels, pas seulement du quorum, ce qui explique pourquoi deux Sentinels ne peuvent pas basculer lorsque l'un est hors service. Le leader choisit le réplica dont la replica-priority est la plus basse, puis celui dont l'offset de réplication est le plus élevé, lui envoie REPLICAOF NO ONE, fait pointer les autres réplicas vers lui et publie +switch-master. Les clients demandent le primaire actuel à n'importe quel Sentinel et se reconnectent. failover-timeout plafonne chaque étape et l'intervalle entre deux tentatives.
Avec Cluster, ce sont les primaires qui font office de jury. Un nœud silencieux pendant cluster-node-timeout est marqué PFAIL ; les signalements de panne se propagent par gossip, et dès qu'une majorité de primaires est d'accord, il passe FAIL. Chaque réplica du primaire défaillant attend un délai fonction de son offset de réplication, de sorte que celui qui a le plus de données sollicite les votes en premier. Il demande les votes avec une nouvelle epoch et a besoin d'une majorité de primaires, chaque primaire ne votant qu'une fois par epoch. Le gagnant récupère les slots, incrémente son epoch de configuration et la diffuse. Les clients l'apprennent par les redirections MOVED et rafraîchissent leur carte des slots.
Dans les deux modes, la réplication est asynchrone : le primaire acquitte auprès du client avant que le réplica n'ait reçu l'écriture. Tout ce qui se trouve dans cette fenêtre au moment où le primaire tombe est perdu, car l'offset du réplica promu devient la référence. Cette fenêtre se mesure normalement en millisecondes ; avec un réplica en retard, en secondes.
min-replicas-to-write et min-replicas-max-lag bornent cette fenêtre. Avec 1 et 10, un primaire refuse les écritures à moins qu'au moins un réplica soit connecté et se soit manifesté dans les dix dernières secondes. Cela ne rend pas la réplication synchrone ; pour une écriture précise qui doit survivre, utilisez WAIT.
Ces mêmes paramètres constituent la réponse de Sentinel au split-brain. Un ancien primaire coupé des Sentinels mais encore joignable par certains clients continue d'accepter des écritures jusqu'à sa reconfiguration, et toutes sont abandonnées lorsqu'il réintègre le cluster. Dès que ses réplicas suivent le nouveau primaire, il échoue au contrôle min-replicas et rejette les écritures. Cluster est plus tranché : un primaire situé du côté minoritaire d'une partition cesse de servir après cluster-node-timeout et renvoie CLUSTERDOWN.
Réglez down-after-milliseconds et cluster-node-timeout suffisamment haut pour qu'une pause GC ou un gel de VM ne déclenche pas de basculement inutile (voir l'anti-affinité sur VMware). Réglez les timeouts des clients au-delà du temps de basculement mesuré, réessayez avec backoff en cas d'erreur de connexion et de READONLY, et vérifiez que la bibliothèque interroge à nouveau les Sentinels ou la carte des slots au lieu de mettre une adresse en cache. Répétez ensuite à la fois l'arrêt brutal d'un processus et une partition par pare-feu, car la plupart des surprises de basculement n'apparaissent que lors d'une partition. Effectifs minimaux raisonnables : trois Sentinels sur trois domaines de défaillance ; pour Cluster, trois primaires avec un réplica chacun. Les erreurs que nous voyons chez nos clients, par ordre de fréquence : deux Sentinels, des Sentinels sur le même hôte que le Redis qu'ils surveillent, une adresse de primaire codée en dur dans l'application et des timeouts clients plus courts que le basculement. Nos missions de conseil Redis commencent généralement par corriger l'une d'entre elles.
Cet article constitue l'étape un sur sept du guide de fiabilité Redis, qui aborde les problèmes dans l'ordre où ils surviennent sur un environnement de production.
FAQ
Qu'est-ce que la haute disponibilité Redis ?
Une architecture qui permet à Redis de continuer à servir malgré la panne d'un nœud, en combinant la réplication et le basculement automatique. La réplication seule ne suffit pas : il faut un mécanisme qui détecte la panne, promeut un réplica et redirige les clients.
Quelle est la différence entre Redis Sentinel et Redis Cluster ?
Sentinel ajoute la promotion automatique à un jeu de données unique répliqué. Cluster répartit les données entre plusieurs primaires et gère les pannes en interne. L'un apporte la disponibilité ; l'autre, la disponibilité plus la montée en charge des écritures.
Combien d'instances Sentinel me faut-il ?
Trois au minimum. Le basculement exige un accord du quorum, et trois instances tolèrent la panne de l'une d'elles tout en atteignant une majorité. Deux n'y parviennent pas.
Redis perd-il des données lors d'un basculement ?
Cela peut arriver. La réplication Redis est asynchrone : les écritures acquittées par le primaire mais pas encore répliquées sont perdues lorsqu'il tombe. min-replicas-to-write limite l'exposition en refusant les écritures lorsque trop peu de réplicas sont connectés.
Comment Sentinel décide-t-il qu'un primaire est hors service ?
Un processus le marque subjectivement hors service en l'absence de réponse dans le délai down-after-milliseconds. Lorsque suffisamment de processus sont d'accord pour atteindre le quorum configuré, il passe objectivement hors service et le basculement commence.
Pourquoi Redis plante-t-il alors que la mémoire semble normale ?
Généralement à cause du fork de la sauvegarde en arrière-plan. Avec le copy-on-write, la mémoire peut approcher le double du jeu de données pendant un snapshot sous charge d'écriture : un nœud à 60 % d'utilisation peut donc épuiser la RAM en pleine sauvegarde. Dimensionnez pour le pic plus le surcoût du fork.
Peut-on exploiter un Redis hautement disponible sur Kubernetes ?
Oui, avec des StatefulSets, de l'anti-affinité entre nœuds et zones de disponibilité, et des PodDisruptionBudgets couvrant à la fois Redis et Sentinel. La défaillance classique : une mise à jour progressive qui évince en même temps le primaire et le quorum Sentinel.
Combien de nœuds faut-il à Redis Cluster pour la haute disponibilité ?
Six : trois primaires, chacun avec un réplica. Trois primaires, c'est le plus petit ensemble capable de former une majorité pour la détection des pannes et l'élection d'un réplica lorsque l'un d'eux est hors service, et c'est le réplica de chaque primaire qui rend le basculement tout simplement possible. Répartissez les six sur au moins trois domaines de défaillance, et veillez à ce qu'aucun primaire ne partage un hôte ou un hyperviseur avec son propre réplica. Les clusters plus grands suivent la même règle : gardez un nombre impair de primaires lorsque c'est possible, et n'exploitez jamais un primaire sans réplica. Le support Redis d'AceMQ couvre les tests de basculement et la revue de topologie, avec des objectifs de réponse à partir de 15 minutes, selon le plan, 24 heures sur 24.
Sources
Guides, comparatifs et études

