記一次找因Redis使用不當導致應用卡死bug的過程
- 2019 年 12 月 31 日
- 筆記
作者：小木
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，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 |grep 的進位 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() < && this.getNumActive() > this.getMaxTotal() - ) { 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(); ....... 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，
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:) at org.springframework.data.redis.connection.jedis.JedisConnectionFactory.getConnection(JedisConnectionFactory.java:) at org.springframework.data.redis.connection.jedis.JedisConnectionFactory.getConnection(JedisConnectionFactory.java:) at org.springframework.data.redis.core.RedisConnectionUtils.doGetConnection(RedisConnectionUtils.java:) at org.springframework.data.redis.core.RedisConnectionUtils.getConnection(RedisConnectionUtils.java:) at org.springframework.data.redis.core.RedisConnectionUtils.getConnection(RedisConnectionUtils.java:) at org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:) at org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:) at org.springframework.data.redis.core.AbstractOperations.execute(AbstractOperations.java:) at org.springframework.data.redis.core.DefaultHashOperations.get(DefaultHashOperations.java:)
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。
來源：https://my.oschina.net/xiaomu0082
