同事沒正確使用redis，把我害苦了...

  • 2019 年 11 月 7 日
  • 筆記

作者：小木 來源：http://1t.click/atsQ

首先說下問題現象：內網sandbox環境API持續1周出現應用卡死，所有api無響應現象

剛開始當測試抱怨環境響應慢的時候 ，我們重啟一下應用，應用恢復正常，於是沒做處理。但是後來問題出現頻率越來越頻繁，越來越多的同事開始抱怨，於是感覺程式碼可能有問題，開始排查。

首先發現開發的本地ide沒有發現問題，應用卡死時候資料庫，redis都正常，並且無特殊錯誤日誌。開始懷疑是sandbox環境機器問題（測試環境本身就很脆!_!）

於是ssh上了伺服器 執行以下命令

top

這時發現 機器還算正常，但是內心還是?，於是打算看下jvm 堆棧資訊

先看下問題應用比較耗資源的執行緒

執行 top -H -p 12798

找到前3個相對比較耗資源的執行緒

jstack 查看堆記憶體

jstack 12798 |grep 12799的16進位 31ff

沒看出什麼問題，上下10行也看看 於是執行

看到一些執行緒都是處於lock狀態，但沒有出現業務相關的程式碼，忽略了。這時候沒有什麼頭緒，思考一番，決定放棄這次卡死狀態的機器。

為了保護事故現場 先 dump了問題進程所有堆記憶體，然後debug模式重啟測試環境應用，打算問題再顯時直接遠程debug問題機器。

第二天問題再現，於是通知運維nginx轉發拿掉這台問題應用，自己遠程debug tomcat。

自己隨意找了一個介面，斷點在介面入口地方，悲劇開始，什麼也沒有發生！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次後發現在執行redis命令的時候卡主了。

繼續跟，最後在到jedis的一個地方發現問題：

/**   * 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()後執行緒開始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();

這個程式碼應該是一個租賃的程式碼，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<T> 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");              }

其中有段程式碼

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會一直執行，然後一直循環了 開始懷疑這個值沒有配置。

找到redis pool配置，發現確實沒有配置MaxWaitMillis，配置後else程式碼也是一個Exception 並不能解決問題。

繼續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 發現lock字眼，開始懷疑所有請求api都被阻塞了，於是再次ssh 伺服器 安裝 arthas ,(Arthas 是Alibaba開源的Java診斷工具)。

執行thread命令

發現大量http-nio的執行緒waiting狀態,http-nio-8083-exec-這個執行緒其實就是出來http請求的tomcat執行緒。

隨意找一個執行緒查看堆記憶體：

thread -428

這是能確認就是api一直轉圈的問題，就是這個redis獲取連接的程式碼導致的，解讀這段記憶體程式碼 所有執行緒都在等 @53e5504e這個對象釋放鎖。

於是 jstack 全局搜了一把53e5504e ，沒有找到這個對象所在執行緒。

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

再次執行 arthas 的thread -b (thread -b, 找出當前阻塞其他執行緒的執行緒)

沒有結果。這邊和想的不一樣，應該是能找到一個阻塞執行緒的，於是看了下這個命令的文檔，發現有下面的一句話。

好吧，我們剛好是後者。。。。

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,然後等問題再次復現時觀察應用最後正常時干過什麼。

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。

ssh 伺服器，檢查tomcat accesslog ，發現大量api 請求出現500，

找到源頭第一次出現500地方，發現以下程式碼：

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

分析這個程式碼，stringRedisTemplate.getConnectionFactory().getConnection()獲取pool中的redisConnection後，並沒有後續操作，也就是說此時redis 連接池中的鏈接被租賃後並沒有釋放或者退還到鏈接池中，雖然業務已處理完畢 redisConnection 已經空閑，但是pool中的redisConnection的狀態還沒有回到idle狀態

正常應為

自此問題已經找到。

總結：spring stringRedisTemplate 對redis常規操作做了一些封裝，但還不支援像 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<Cursor>() {         @Override       public Cursor doInRedis(RedisConnection connection) throws DataAccessException {           return connection.scan(options);       }     });

來執行，或者使用完connection後 ，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，否則出現問題無錯誤日誌，無報錯，定位相當困難。

Tags:

VirMach 便宜 VPS