解决Redis同步超时死循环重启：延长repl-timeout

首先给出核心结论：repl-timeout 配置过短，是导致 Redis 主从同步中断并触发死循环重启的根本原因。这绝不仅仅是“可以酌情优化”的范畴，而是必须立即调整、认真对待的关键参数。

repl-timeout 数值设置过短是引发主从同步中断并造成死循环重启的直接原因，不是“可以考虑优化”，而是必须调整的核心参数。

repl-timeout 默认值的隐藏陷阱：为何 60 秒远远不够

Redis 6.0 及以上版本中，repl-timeout 的默认值为 60 秒。初看似乎够用，但只要网络延迟稍有升高、大 key 同步变得频繁，或者主库负载明显上升，这个默认值就会迅速崩溃。一旦从节点在 60 秒内未能收到主节点发来的 REPLCONF ACK 心跳，主节点会直接强制断开连接——从节点重连后发现同步位点已丢失，只能发起全量同步。而全量同步过程本身又可能再次超时，最终陷入“断开 → 全量同步 → 再次超时 → 再次断开”的恶性循环，无论重启多少次都无法解决。

• 典型现象：日志中反复出现 Connection with slave xxx lost, waiting for it to reconnect，随后紧跟大量 Failed to bind to port 6379（实质是重连风暴导致端口队列被占满）
• 快速验证：在主节点执行 redis-cli config get repl-timeout，若返回值为 60，同时网络 RTT 超过 15ms，说明已经处于风险边缘
• 特别注意：repl-timeout 仅负责主节点等待从节点心跳的超时判断，与客户端 timeout 和 client-output-buffer-limit 是完全不同的参数，切勿混淆

repl-timeout 正确配置方法：这样设置才能真正避免超时

很多人的习惯是直接翻倍设置为 120 秒或 180 秒，认为“翻倍肯定够了”——但实际线上测试证明，这样依然可能失败。关键是要基于最差的同步场景来进行计算。推荐按照以下步骤操作：

• 基础值 = 网络 P99 RTT × 3（例如实测最大延迟为 40ms，则至少设为 120ms）
• 在此基础上叠加全量同步所需的缓冲时间：假设 repl-backlog-size 设置为 1GB，bgsave 加传输耗时约 3~5 分钟，那么 repl-timeout 最低应设为 300 秒
• 生产环境保守推荐直接设为 600 秒（10 分钟），通过 config set repl-timeout 600 热生效，无需重启实例
• 切忌为了省事设为 0（禁用超时），这会导致异常连接长期滞留，最终耗尽 maxclients，引发更严重的连锁问题

仅调整 repl-timeout 远远不够：必须同步优化 client-output-buffer-limit

单纯延长 repl-timeout 后，如果从节点因某种原因停滞不处理数据，主节点的输出缓冲区（client-output-buffer-limit slave）会持续堆积数据，直至缓冲区被撑爆并强制断连，此前所有的调整都将付诸东流。

• 必须同步执行：config set client-output-buffer-limit "slave 1024mb 512mb 60"（硬限 1GB，软限 512MB 持续 60 秒）
• 软限值（512MB）需要 ≥ 主节点每秒写入量 × repl-timeout，否则缓冲区会在超时到来之前提前爆满
• 检查是否生效：运行 redis-cli config get client-output-buffer-limit，确认返回值中已包含 slave 对应的配置项

调整后仍然重启？三个极易被忽视的隐藏问题排查指南

即便 repl-timeout 和缓冲区都已调整到位，死循环依然可能卷土重来——问题往往集中在以下三个容易被忽略的环节：

• 云厂商的 Redis 服务（例如阿里云、腾讯云）可能屏蔽了 config set 命令，你在命令行修改后实际并未生效，必须前往控制台配置页面进行操作
• 从节点自身的 repl-ping-replica-period 默认值为 10 秒，如果心跳发送频率过低，主节点等不到 ACK 照样会断开连接；建议同步调整为 30 秒
• 主节点的 tcp-keepalive 默认值为 0，内核可能提前回收空闲连接；设置为 300 秒可以有效保持连接存活

这三个参数如果不联动调整，repl-timeout 的延长就只是纸面功夫，遇到真实负载场景依然会崩溃。一次性将全套参数补齐，才能彻底摆脱断连→重启的死循环。