記一次找因Redis使用不當導致應用卡死Bug的過程

作者：小木 2019-10-10 15:40:17

運維數據庫運維 Redis

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，于是沒做處理。但是后來問題出現頻率越來越頻繁，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。

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

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

于是ssh上了服務器執行以下命令

top

這時發現機器還算正常，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

執行 top -H -p 12798

找到前3個相對比較耗資源的線程

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，于是執行

看到一些線程都是處于lock狀態。但沒有出現業務相關的代碼，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的機器

為了保護事故現場先 dump了問題進程所有堆內存，然后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，于是通知運維nginx轉發拿掉這臺問題應用，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次后發現在執行redis命令的時候卡主了。繼續跟，最后在到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()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<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會一直執行，然后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，配置后else代碼也是一個Exception 并不能解決問題

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

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

執行thread命令

發現大量http-nio的線程waiting狀態,http-nio-8083-exec-這個線程其實就是出來http請求的tomcat線程

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，發現有下面的一句話

好吧，我們剛好是后者。。。。

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,然后等問題再次復現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

ssh 服務器，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: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500地方，

發現以下代碼..

.....  
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<Cursor>() {  
     @Override  
     public Cursor doInRedis(RedisConnection connection) throws DataAccessException {  
       return connection.scan(options);  
     }  
   });

來執行，

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，否則出現問題無錯誤日志，無報錯，定位相當困難。

責任編輯：龐桂玉來源：數據庫開發