Redis 故障復盤

剛開始當測試抱怨環(huán)境響應慢的時候 ，我們重啟一下應用，應用恢復正常，于是沒做處理。但是后來問題出現(xiàn)頻率越來越頻繁，越來越多的同事開始抱怨，于是感覺代碼可能有問題，開始排查。

top 命令

首先發(fā)現(xiàn)開發(fā)的本地ide沒有發(fā)現(xiàn)問題，應用卡死時候數(shù)據(jù)庫，redis都正常，并且無特殊錯誤日志。開始懷疑是sandbox環(huán)境機器問題（測試環(huán)境本身就很脆!_!）

于是ssh上了服務器 執(zhí)行以下命令

top

這時發(fā)現(xiàn)機器還算正常，于是打算看下jvm 堆棧信息

先看下問題應用比較耗資源的線程

執(zhí)行 top -H -p 12798

找到前3個相對比較耗資源的線程

jstack 命令

jstack 查看堆內存

jstack?12798?|grep?12799的16進制?31ff

沒看出什么問題，上下10行也看看，于是執(zhí)行

看到一些線程都是處于lock狀態(tài)。但沒有出現(xiàn)業(yè)務相關的代碼，忽略了。這時候沒有什么頭緒。思考一番。決定放棄這次卡死狀態(tài)的機器

為了保護事故現(xiàn)場 先 dump了問題進程所有堆內存，然后debug模式重啟測試環(huán)境應用，打算問題再顯時直接遠程debug問題機器

Tomcat 遠程 debug

第二天問題再現(xiàn)，于是通知運維nginx轉發(fā)拿掉這臺問題應用，自己遠程debug tomcat。

自己隨意找了一個接口，斷點在接口入口地方，悲劇開始，什么也沒有發(fā)生！API等待服務響應，沒進斷點。這時候有點懵逼，冷靜了一會,在入口之前的aop地方下了個斷點，再debug一次，這次進了斷點，f8 N次后發(fā)現(xiàn)在執(zhí)行redis命令的時候卡主了。繼續(xù)跟，最后在到jedis的一個地方發(fā)現(xiàn)問題：

/**
?*?Returns?a?Jedis?instance?to?be?used?as?a?Redis?connection.?The?instance?can?be?newly?created?or?retrieved?from?a
?*?pool.
?*
?*?@return?Jedis?instance?ready?for?wrapping?into?a?{@link?RedisConnection}.
?*/
protected?Jedis?fetchJedisConnector()?{
???try?{
??????if?(usePool?&&?pool?!=?null)?{
?????????return?pool.getResource();
??????}
??????Jedis?jedis?=?new?Jedis(getShardInfo());
??????//?force?initialization?(see?Jedis?issue?#82)
??????jedis.connect();
??????return?jedis;
???}?catch?(Exception?ex)?{
??????throw?new?RedisConnectionFailureException("Cannot?get?Jedis?connection",?ex);
???}
}

上面pool.getResource()后線程開始wait

public?T?getResource()?{
??try?{
????return?internalPool.borrowObject();
??}?catch?(Exception?e)?{
????throw?new?JedisConnectionException("Could?not?get?a?resource?from?the?pool",?e);
??}
}

return internalPool.borrowObject(); 這個代碼應該是一個租賃的代碼，接著跟

public?T?borrowObject(long?borrowMaxWaitMillis)?throws?Exception?{
????this.assertOpen();
????AbandonedConfig?ac?=?this.abandonedConfig;
????if?(ac?!=?null?&&?ac.getRemoveAbandonedOnBorrow()?&&?this.getNumIdle()?2?&&?this.getNumActive()?>?this.getMaxTotal()?-?3)?{
????????this.removeAbandoned(ac);
????}

????PooledObject?p?=?null;
????boolean?blockWhenExhausted?=?this.getBlockWhenExhausted();
????long?waitTime?=?0L;

????while(p?==?null)?{
????????boolean?create?=?false;
????????if?(blockWhenExhausted)?{
????????????p?=?(PooledObject)this.idleObjects.pollFirst();
????????????if?(p?==?null)?{
????????????????create?=?true;
????????????????p?=?this.create();
????????????}

????????????if?(p?==?null)?{
????????????????if?(borrowMaxWaitMillis?0L)?{
????????????????????p?=?(PooledObject)this.idleObjects.takeFirst();
????????????????}?else?{
????????????????????waitTime?=?System.currentTimeMillis();
????????????????????p?=?(PooledObject)this.idleObjects.pollFirst(borrowMaxWaitMillis,?TimeUnit.MILLISECONDS);
????????????????????waitTime?=?System.currentTimeMillis()?-?waitTime;
????????????????}
????????????}

????????????if?(p?==?null)?{
????????????????throw?new?NoSuchElementException("Timeout?waiting?for?idle?object");
????????????}

其中有段代碼

if?(p?==?null)?{
????if?(borrowMaxWaitMillis?0L)?{
????????p?=?(PooledObject)this.idleObjects.takeFirst();
????}?else?{
????????waitTime?=?System.currentTimeMillis();
????????p?=?(PooledObject)this.idleObjects.pollFirst(borrowMaxWaitMillis,?TimeUnit.MILLISECONDS);
????????waitTime?=?System.currentTimeMillis()?-?waitTime;
????}
}

borrowMaxWaitMillis<0會一直執(zhí)行，然后一直循環(huán)了 開始懷疑這個值沒有配置

找到redis pool配置，發(fā)現(xiàn)確實沒有配置MaxWaitMillis，配置后else代碼也是一個Exception 并不能解決問題

繼續(xù)F8

public?E?takeFirst()?throws?InterruptedException?{
????this.lock.lock();

????Object?var2;
????try?{
????????Object?x;
????????while((x?=?this.unlinkFirst())?==?null)?{
????????????this.notEmpty.await();
????????}

????????var2?=?x;
????}?finally?{
????????this.lock.unlock();
????}

????return?var2;
}

到這邊 發(fā)現(xiàn)lock字眼，開始懷疑所有請求api都被阻塞了

于是再次ssh 服務器 安裝 arthas ,(Arthas 是Alibaba開源的Java診斷工具)

執(zhí)行thread命令

發(fā)現(xiàn)大量http-nio的線程waiting狀態(tài),http-nio-8083-exec-這個線程其實就是出來http請求的tomcat線程

arthas

隨意找一個線程查看堆內存

thread -428

這是能確認就是api一直轉圈的問題,就是這個redis獲取連接的代碼導致的，

解讀這段內存代碼 所有線程都在等 @53e5504e這個對象釋放鎖。于是jstack 全局搜了一把53e5504e ，沒有找到這個對象所在線程。

自此。問題原因能確定是 redis連接獲取的問題。但是什么原因造成獲取不到連接的還不能確定

再次執(zhí)行 arthas 的thread -b (thread -b, 找出當前阻塞其他線程的線程)

沒有結果。這邊和想的不一樣，應該是能找到一個阻塞線程的，于是看了下這個命令的文檔，發(fā)現(xiàn)有下面的一句話

好吧，我們剛好是后者。。。。

減短連接超時時間

再次整理下思路。這次修改redis pool 配置，將獲取連接超時時間設置為2s,然后等問題再次復現(xiàn)時觀察應用最后正常時干過什么。

添加一下配置

JedisConnectionFactory?jedisConnectionFactory?=?new?JedisConnectionFactory();
.......
JedisPoolConfig?config?=?new?JedisPoolConfig();
config.setMaxWaitMillis(2000);
.......
jedisConnectionFactory.afterPropertiesSet();

重啟服務，等待。。。。

又過一天，再次復現(xiàn)

ssh 服務器，檢查tomcat accesslog ,發(fā)現(xiàn)大量api 請求出現(xiàn)500，

org.springframework.data.redis.RedisConnectionFailureException:?Cannot?get?Jedis?connection;?nested?exception?is?redis.clients.jedis.exceptions.JedisConnectionException:?Could?not?get?a?resource?fr
om?the?pool
????at?org.springframework.data.redis.connection.jedis.JedisConnectionFactory.fetchJedisConnector(JedisConnectionFactory.java:140)
????at?org.springframework.data.redis.connection.jedis.JedisConnectionFactory.getConnection(JedisConnectionFactory.java:229)
????at?org.springframework.data.redis.connection.jedis.JedisConnectionFactory.getConnection(JedisConnectionFactory.java:57)
????at?org.springframework.data.redis.core.RedisConnectionUtils.doGetConnection(RedisConnectionUtils.java:128)
????at?org.springframework.data.redis.core.RedisConnectionUtils.getConnection(RedisConnectionUtils.java:91)
????at?org.springframework.data.redis.core.RedisConnectionUtils.getConnection(RedisConnectionUtils.java:78)
????at?org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:177)
????at?org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:152)
????at?org.springframework.data.redis.core.AbstractOperations.execute(AbstractOperations.java:85)
????at?org.springframework.data.redis.core.DefaultHashOperations.get(DefaultHashOperations.java:48)

找到源頭第一次出現(xiàn)500地方，

發(fā)現(xiàn)以下代碼

.......
Cursor?c?=?stringRedisTemplate.getConnectionFactory().getConnection().scan(options);
while?(c.hasNext())?{
.....,,
???}

分析這個代碼，stringRedisTemplate.getConnectionFactory().getConnection()獲取pool中的redisConnection后，并沒有后續(xù)操作，也就是說此時redis 連接池中的鏈接被租賃后并沒有釋放或者退還到鏈接池中，雖然業(yè)務已處理完畢 redisConnection 已經(jīng)空閑，但是pool中的redisConnection的狀態(tài)還沒有回到idle狀態(tài)

正常應為

自此問題已經(jīng)找到。

小小總結

總結：spring stringRedisTemplate 對redis常規(guī)操作做了一些封裝，但還不支持像 Scan SetNx等命令，這時需要拿到jedis Connection進行一些特殊的Commands

使用

stringRedisTemplate.getConnectionFactory().getConnection()

是不被推薦的

我們可以使用

stringRedisTemplate.execute(new?RedisCallback()?{

?????@Override
?????public?Cursor?doInRedis(RedisConnection?connection)?throws?DataAccessException?{

???????return?connection.scan(options);
?????}
???});

來執(zhí)行，

或者使用完connection后 ，用

RedisConnectionUtils.releaseConnection(conn,?factory);

來釋放connection.

同時，redis中也不建議使用keys命令，redis pool的配置應該合理配上，否則出現(xiàn)問題無錯誤日志，無報錯，定位相當困難。