登录
推荐 文章 Go 技术 课程 下载 专题 AI
首页 >  数据库 >  Redis

Redis CLUSTER COUNT-FAILURE-REPORTS 怎样读取节点的有效故障报告数

来源:17golang原创

时间:2026-11-20 07:42:40 148浏览 收藏

Redis Cluster 出现节点不可达、PFAIL 或 FAIL 相关告警时,CLUSTER COUNT-FAILURE-REPORTS 可以读取“某个观察节点当前保留了多少条、仍未过期的故障报告”。最小用法只有一个参数:CLUSTER COUNT-FAILURE-REPORTS node-id。它返回整数,但这个整数是执行命令的节点所看到的局部报告数,不是整个集群已经达成的最终故障结论。

官方地址:https://redis.io/docs/latest/commands/cluster-count-failure-reports/

排查时最容易混淆的地方有三个:PFAIL 是单个节点视角下的不可达,FAIL 是多数主节点在时间窗口内形成的判断,而本命令只数当前节点收到的其他节点报告。下面把这条诊断链拆开。

先分清“报告数量”和“节点状态”

Redis Cluster 中,一个节点发现另一个节点在超过 node timeout 的时间内不可达,会先把对方标记为 PFAIL。其他节点会在心跳 gossip 中传播这类观察,接收者据此形成故障报告。只有当报告和集群判定条件满足时,PFAIL 才可能被提升为 FAIL。

Redis Cluster 中观察节点、目标节点、PFAIL、故障报告与 FAIL 的静态关系说明图
图1:结构说明图,展示观察节点收到故障报告后与 PFAIL、FAIL 的关系,不是截图或运行证据。

COUNT-FAILURE-REPORTS 位于这条链路的“报告观察”位置:它不主动探测网络,不触发故障转移,也不直接读取一个全局计票器。它回答的是“我这个节点目前还记着多少条关于目标 node-id 的有效报告”。

在指定节点读取目标 node-id

先准备目标节点的真实 node-id。这个 ID 不是 Redis 端口,也不是业务实例名;可以从集群节点列表中找到。下面的命令只展示读取路径,示例 ID 和地址需要替换成实际环境值:

# 查看集群节点列表,找到需要观察的目标 node-id
redis-cli -h 10.0.0.11 -p 6379 CLUSTER NODES

# 在一个指定的观察节点上读取目标 node-id 的有效故障报告数
redis-cli -h 10.0.0.11 -p 6379 CLUSTER COUNT-FAILURE-REPORTS \
  07c37dfeb2352e8473b1b2b7b315f7c5a6b8c9d0

# 只读查看目标节点在当前观察节点上的状态信息
redis-cli -h 10.0.0.11 -p 6379 CLUSTER INFO

命令格式可以压缩成一行:CLUSTER COUNT-FAILURE-REPORTS node-id。第一个参数必须是目标节点 ID,执行位置则决定了你从谁的视角读取报告。由于这是集群管理类只读诊断命令,连接账号仍需要拥有相应的管理权限。

如果 node-id 不完整、复制错误或连接到了不合适的节点,先修正输入和观察位置,再解释返回值。不要把“命令能返回整数”当作“目标节点已经被集群判定为故障”。

返回整数到底说明什么

命令返回一个整数,含义是目标节点当前仍有效的故障报告条数。报告不是永久记录:每条报告的存活时间是 node timeout 的两倍;如果在这个窗口内没有被相应的 gossip 刷新,报告就会过期,不再计入结果。

COUNT-FAILURE-REPORTS 返回整数、报告有效期与观察节点视角的静态边界说明图
图2:结果边界说明图,展示有效报告、过期报告、自身视角和返回整数的对应关系,不是运行结果截图。
返回结果更准确的解释下一步
0当前观察节点没有保留目标节点的有效外部故障报告对照执行节点、时间点和其他主节点的读数
大于 0当前节点收到了一条或多条仍未过期的外部报告结合 PFAIL/FAIL、node timeout 和 gossip 时间线判断
同一目标在不同节点数值不同各节点收到 gossip 的时间和来源不同,属于视角差异记录采样时间,做多节点对照,不直接取最大值下结论

有一个关键边界:结果不包含执行命令的节点自己对目标节点的判断,只统计它从其他节点收到的报告。因此,一个节点返回 0,并不等于集群中没有任何节点认为目标不可达;它只说明这个观察节点当前没有可计入的外部报告。

按故障时间线排查“为什么计数不对”

故障现场里,最有用的做法是把一次读数放回时间线,而不是只截取一个数字。可以按照“状态—报告—时间—多数判断”的顺序采样:

# 记录采样时间,避免把不同时间窗口的读数放在一起比较
sample_time=$(date -u '+%Y-%m-%dT%H:%M:%SZ')

# 从同一个观察节点读取目标 node-id 的报告计数
report_count=$(redis-cli -h 10.0.0.11 -p 6379 \
  CLUSTER COUNT-FAILURE-REPORTS 07c37dfeb2352e8473b1b2b7b315f7c5a6b8c9d0)

# 同时保存节点列表,供后续对照目标状态、角色和连接信息
node_view=$(redis-cli -h 10.0.0.11 -p 6379 CLUSTER NODES)
printf 'sample_time=%s report_count=%s\n' "$sample_time" "$report_count"
printf '%s\n' "$node_view"

这段示例没有执行故障切换,也没有修改集群配置。它的价值是把“某个观察节点在某个时刻看到的报告数”和节点列表放在同一份记录里,便于与其他主节点重复采样。

如果读数一直为 0,但业务侧仍有连接超时,可能是报告尚未通过 gossip 到达当前观察节点,也可能是问题发生在别的网络路径;如果读数大于 0,却还没有出现 FAIL,也不矛盾,因为报告数量只是集群判定过程中的一个输入。还要考虑报告是否会在两倍 node timeout 后过期。

建立安全的只读复查闭环

这个命令适合做故障取证和趋势采样,不适合单独作为自动化故障转移开关。建议至少保留以下四个字段:观察节点地址、目标 node-id、采样时间、返回整数;如果要做多节点对照,再记录每个观察节点的返回值和当时的节点状态。

# 以只读方式轮询多个观察节点,保留同一目标的局部视角
target_id='07c37dfeb2352e8473b1b2b7b315f7c5a6b8c9d0'
for observer in 10.0.0.11 10.0.0.12 10.0.0.13; do
  # 每次明确写出观察节点,避免把不同视角混成一个全局计数
  count=$(redis-cli -h "$observer" -p 6379 \
    CLUSTER COUNT-FAILURE-REPORTS "$target_id")
  printf 'observer=%s target=%s count=%s\n' "$observer" "$target_id" "$count"
done

如果要据此生成告警,告警条件应结合连续采样、节点状态和业务影响,并保留人工复核或更高层的集群判定。不要因为一次非零返回就执行下线、迁移或强制故障转移;本命令本身只提供诊断信息。

常见误区

  1. 把返回值当成全局票数。它只表示执行节点收到的外部、尚未过期报告数量,不是所有主节点的简单总和。
  2. 把 0 当成“没有故障”。0 只说明当前观察视角没有有效外部报告,还要检查其他节点和采样时刻。
  3. 忘记报告会过期。报告的有效窗口与两倍 node timeout 相关,隔了一段时间的读数不能直接和现场瞬时读数比较。
  4. 把命令当成修复动作。它用于读取诊断数据,不会清除报告、改变节点状态或触发故障转移。

总结

CLUSTER COUNT-FAILURE-REPORTS node-id 的核心是“在指定观察节点上读取目标节点的有效故障报告数”。先确认 node-id 和观察节点,再看返回整数;解释时同时考虑 PFAIL/FAIL 的阶段差异、报告两倍 node timeout 的有效期,以及当前节点不包含自身视角的限制。把单次读数放进带时间戳的多节点复查记录,才能避免把局部诊断误判成全局故障结论。

常见问题

返回 0 是否代表目标节点正常?

不能这样直接判断。它只代表执行命令的节点没有保留目标节点的有效外部报告,仍需结合节点列表、其他观察节点和业务连接情况。

为什么不同节点返回的数量不一样?

故障报告通过 gossip 传播,各节点收到报告的时间、来源和过期时刻可能不同;不同观察节点得到不同局部读数是可能的。

COUNT-FAILURE-REPORTS 会把 PFAIL 改成 FAIL 吗?

不会。它是读取命令,只返回报告计数,不修改拓扑,也不执行故障转移或强制状态转换。

声明:本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
相关阅读
更多>
最新阅读
更多>
课程推荐
更多>