记一次因 Redis 使用不当导致应用卡死 bug 的排查及解决！

小鱼儿 2022-11-09 12:45 227阅读 0赞 
  1. 点击上方蓝色“石杉的架构笔记”，选择“设为星标”
  3. 回复“PDF”获取独家整理的学习资料！

1d14ecccd83c778ac88f1f42b2115d41.png

edd4df44d4d0736daf3d6caa2e9ae9f1.png

98da37e19e945f867803810eb270cbfe.png

长按扫描上方二维码了解

ddd666119546de96325b18f0a734207e.png来源：https://my.oschina.net/xiaomu0082/blog/2990388

首先说下问题现象：内网sandbox环境API持续1周出现应用卡死，所有api无响应现象

刚开始当测试抱怨环境响应慢的时候 ，我们重启一下应用，应用恢复正常，于是没做处理。

但是后来问题出现频率越来越频繁，越来越多的同事开始抱怨，于是感觉代码可能有问题，开始排查。

首先发现开发的本地ide没有发现问题，应用卡死时候数据库，redis都正常，并且无特殊错误日志。开始怀疑是sandbox环境机器问题（测试环境本身就很脆!_!）

于是ssh上了服务器 执行以下命令

top

5c9c3e875a23a385b411df7f0e17cb71.png

这时发现机器还算正常，于是打算看下jvm 堆栈信息

先看下问题应用比较耗资源的线程

执行 top -H -p 12798

bac22bbfcd2f1b3f9194a913479cacc4.png

找到前3个相对比较耗资源的线程

jstack 查看堆内存

  1. jstack 12798 |grep 12799的16进制 31ff

cae1a75b853d52e243194c679739cae6.png

没看出什么问题，上下10行也看看，于是执行

a0458c5ef615a1ce11347d09cce071bb.png

看到一些线程都是处于lock状态。但没有出现业务相关的代码，忽略了。这时候没有什么头绪。思考一番。决定放弃这次卡死状态的机器

为了保护事故现场 先 dump了问题进程所有堆内存，然后debug模式重启测试环境应用，打算问题再显时直接远程debug问题机器

第二天问题再现，于是通知运维nginx转发拿掉这台问题应用，自己远程debug tomcat。

自己随意找了一个接口，断点在接口入口地方，悲剧开始，什么也没有发生！API等待服务响应，没进断点。

这时候有点懵逼，冷静了一会,在入口之前的aop地方下了个断点，再debug一次，这次进了断点，f8 N次后发现在执行redis命令的时候卡主了。

继续跟，最后在到jedis的一个地方发现问题：

  1. /**
  2.  * Returns a Jedis instance to be used as a Redis connection. The instance can be newly created or retrieved from a
  3.  * pool.
  4.  * 
  5.  * @return Jedis instance ready for wrapping into a {@link RedisConnection}.
  6.  */
  7. protected Jedis fetchJedisConnector() {
  8.    try {
  9.       if (usePool && pool != null) {
  10.          return pool.getResource();
  11.       }
  12.       Jedis jedis = new Jedis(getShardInfo());
  13.       // force initialization (see Jedis issue #82)
  14.       jedis.connect();
  15.       return jedis;
  16.    } catch (Exception ex) {
  17.       throw new RedisConnectionFailureException("Cannot get Jedis connection", ex);
  18.    }
  19. }

上面pool.getResource()后线程开始wait

  1. public T getResource() {
  2.   try {
  3.     return internalPool.borrowObject();
  4.   } catch (Exception e) {
  5.     throw new JedisConnectionException("Could not get a resource from the pool", e);
  6.   }
  7. }

return internalPool.borrowObject(); 这个代码应该是一个租赁的代码，接着跟

  1. public T borrowObject(long borrowMaxWaitMillis) throws Exception {
  2.     this.assertOpen();
  3.     AbandonedConfig ac = this.abandonedConfig;
  4.     if (ac != null && ac.getRemoveAbandonedOnBorrow() && this.getNumIdle() < 2 && this.getNumActive() > this.getMaxTotal() - 3) {
  5.         this.removeAbandoned(ac);
  6.     }
  8.     PooledObject p = null;
  9.     boolean blockWhenExhausted = this.getBlockWhenExhausted();
  10.     long waitTime = 0L;
  12.     while(p == null) {
  13.         boolean create = false;
  14.         if (blockWhenExhausted) {
  15.             p = (PooledObject)this.idleObjects.pollFirst();
  16.             if (p == null) {
  17.                 create = true;
  18.                 p = this.create();
  19.             }
  21.             if (p == null) {
  22.                 if (borrowMaxWaitMillis < 0L) {
  23.                     p = (PooledObject)this.idleObjects.takeFirst();
  24.                 } else {
  25.                     waitTime = System.currentTimeMillis();
  26.                     p = (PooledObject)this.idleObjects.pollFirst(borrowMaxWaitMillis, TimeUnit.MILLISECONDS);
  27.                     waitTime = System.currentTimeMillis() - waitTime;
  28.                 }
  29.             }
  31.             if (p == null) {
  32.                 throw new NoSuchElementException("Timeout waiting for idle object");
  33.             }

其中有段代码

  1. if (p == null) {
  2.     if (borrowMaxWaitMillis < 0L) {
  3.         p = (PooledObject)this.idleObjects.takeFirst();
  4.     } else {
  5.         waitTime = System.currentTimeMillis();
  6.         p = (PooledObject)this.idleObjects.pollFirst(borrowMaxWaitMillis, TimeUnit.MILLISECONDS);
  7.         waitTime = System.currentTimeMillis() - waitTime;
  8.     }
  9. }

borrowMaxWaitMillis<0会一直执行，然后一直循环了 开始怀疑这个值没有配置

找到redis pool配置，发现确实没有配置MaxWaitMillis，配置后else代码也是一个Exception 并不能解决问题

继续F8

  1. public E takeFirst() throws InterruptedException {
  2.     this.lock.lock();
  4.     Object var2;
  5.     try {
  6.         Object x;
  7.         while((x = this.unlinkFirst()) == null) {
  8.             this.notEmpty.await();
  9.         }
  11.         var2 = x;
  12.     } finally {
  13.         this.lock.unlock();
  14.     }
  16.     return var2;
  17. }

到这边 发现lock字眼，开始怀疑所有请求api都被阻塞了

于是再次ssh 服务器 安装 arthas ,(Arthas 是Alibaba开源的Java诊断工具)

执行thread命令

09cd71bfec85f6c5e7c06ab64efbcae5.png

发现大量http-nio的线程waiting状态,http-nio-8083-exec-这个线程其实就是出来http请求的tomcat线程

随意找一个线程查看堆内存

thread -428

c80fab6e469a112d5b489f96318e4dd4.png

这是能确认就是api一直转圈的问题,就是这个redis获取连接的代码导致的，

解读这段内存代码 所有线程都在等 @53e5504e这个对象释放锁。于是jstack 全局搜了一把53e5504e ，没有找到这个对象所在线程。

自此。问题原因能确定是 redis连接获取的问题。但是什么原因造成获取不到连接的还不能确定

再次执行 arthas 的thread -b (thread -b, 找出当前阻塞其他线程的线程)

bd9545f0737f77d26aefacd418f57155.png

没有结果。这边和想的不一样，应该是能找到一个阻塞线程的，于是看了下这个命令的文档，发现有下面的一句话

5756ec66fa1feefea7096e1656a9d9ed.png

好吧，我们刚好是后者。。。。

再次整理下思路。这次修改redis pool 配置，将获取连接超时时间设置为2s,然后等问题再次复现时观察应用最后正常时干过什么。

添加一下配置

  1. JedisConnectionFactory jedisConnectionFactory = new JedisConnectionFactory();
  2. .......
  3. JedisPoolConfig config = new JedisPoolConfig();
  4. config.setMaxWaitMillis(2000);
  5. .......
  6. jedisConnectionFactory.afterPropertiesSet();

重启服务，等待。。。。

又过一天，再次复现

ssh 服务器，检查tomcat accesslog ,发现大量api 请求出现500，

  1. org.springframework.data.redis.RedisConnectionFailureException: Cannot get Jedis connection; nested exception is redis.clients.jedis.exceptions.JedisConnectionException: Could not get a resource fr
  2. om the pool
  3.     at org.springframework.data.redis.connection.jedis.JedisConnectionFactory.fetchJedisConnector(JedisConnectionFactory.java:140)
  4.     at org.springframework.data.redis.connection.jedis.JedisConnectionFactory.getConnection(JedisConnectionFactory.java:229)
  5.     at org.springframework.data.redis.connection.jedis.JedisConnectionFactory.getConnection(JedisConnectionFactory.java:57)
  6.     at org.springframework.data.redis.core.RedisConnectionUtils.doGetConnection(RedisConnectionUtils.java:128)
  7.     at org.springframework.data.redis.core.RedisConnectionUtils.getConnection(RedisConnectionUtils.java:91)
  8.     at org.springframework.data.redis.core.RedisConnectionUtils.getConnection(RedisConnectionUtils.java:78)
  9.     at org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:177)
  10.     at org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:152)
  11.     at org.springframework.data.redis.core.AbstractOperations.execute(AbstractOperations.java:85)
  12.     at org.springframework.data.redis.core.DefaultHashOperations.get(DefaultHashOperations.java:48)

找到源头第一次出现500地方，

发现以下代码

  1. .......
  2. Cursor c = stringRedisTemplate.getConnectionFactory().getConnection().scan(options);
  3. while (c.hasNext()) {
  4. .....,,
  5.    }

分析这个代码，stringRedisTemplate.getConnectionFactory().getConnection()获取pool中的redisConnection后，并没有后续操作

也就是说此时redis 连接池中的链接被租赁后并没有释放或者退还到链接池中，虽然业务已处理完毕 redisConnection 已经空闲，但是pool中的redisConnection的状态还没有回到idle状态

9d3cab06c0c5210b09b0e85cd484d4ed.png

正常应为

12a441cf2b6bd64afd9e75d91990fdb7.png

自此问题已经找到。

总结：spring stringRedisTemplate 对redis常规操作做了一些封装，但还不支持像 Scan SetNx等命令，这时需要拿到jedis Connection进行一些特殊的Commands

使用

  1. stringRedisTemplate.getConnectionFactory().getConnection()

是不被推荐的

我们可以使用

  1. stringRedisTemplate.execute(new RedisCallback() {
  3.      @Override
  4.      public Cursor doInRedis(RedisConnection connection) throws DataAccessException {
  6.        return connection.scan(options);
  7.      }
  8.    });

来执行，或者使用完connection后 ，用

  1. RedisConnectionUtils.releaseConnection(conn, factory);

来释放connection.

同时，redis中也不建议使用keys命令，redis pool的配置应该合理配上，否则出现问题无错误日志，无报错，定位相当困难。

End

ce1128266551718733e12bf413cf2d7b.png

发表评论

表情：
评论列表 （有 0 条评论，227人围观）

还没有评论，来说两句吧...

相关阅读