记一次新来的同事因Redis使用不当导致的应用卡死的Bug

一时失言乱红尘 2022-11-14 13:14 189阅读 0赞

## 你知道的越多，不知道的就越多，业余的像一棵小草！ ##

你来，我们一起精进！你不来，我和你的竞争对手一起精进！

## 编辑：业余草 ##

my.oschina.net/xiaomu0082/blog/2990388

## 推荐：https://www.xttblog.com/?p=5167 ##

今年以来，运气都不太好。公司在大力发展，招了不少新同事。新来的同事在使用 Redis 时，写了一个 bug，导致应用卡死。老板直接批评了我，说我也有连带责任，怎么带的团队，质量不过关，造成重量级生产事故，好在未造成财产损失！

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弱）。

于是 ssh 登陆服务器 ，执行以下命令：

![c28f3b52d545e2b134ee850c97fde6c0.png][]

这时发现 机器还算正常，但是内心还是????，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**

![8d414df1d9471c1f5774ae7878c5f6f9.png][]

找到前 3 个相对比较耗资源的线程：

*  jstack 查看堆内存；
 *  **jstack 12798 |grep 12799** 的16进制 **31ff**。

![4bc8493518a7b8cde902d158871c8d1a.png][]

没看出什么问题，上下 10 行也看看。于是执行：

![a6bfbfa037ffb0e23804a04d2a1707ae.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 命令的时候卡住了。

继续跟踪，最后在到 jedis 的一个地方发现问题：

/**
     * 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() 后线程开始 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(); 这个代码应该是一个租赁的代码。接着跟踪：

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");
                }

其中有段代码：

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 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。

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：

![672c179fd3b47ed9a587f628464ec51b.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：

![4c7b4dd5103eeea7ba195b63226f7bca.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 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）。

![86b7eac886b12066bb0069bf19b8c20c.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，发现有下面这句话：

![8b9f552ff05c959efdeed5d45a987bb8.png][]

好吧，我们刚好是后者... 再次整理思路。

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。

添加以下配置：

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

重启服务，等待... 又过一天，再次复现。

ssh 登陆服务器，检查 Tomcat accesslog，发现大量API 请求出现 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)

找到源头第一次出现 500 地方，发现以下代码：

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

分析这段代码：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。

![88b022ac74265879f4ebe8d1815b8250.png][]

正常应为：

![40f960bdf5076964d2b8a4812c869340.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。

不推荐使用 stringRedisTemplate.getConnectionFactory().getConnection()。

我们可以使用下面代码来执行：

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

或者使用完 connection 后执行：

RedisConnectionUtils.releaseConnection(conn, factory);

来释放 Connection。

同时，Redis 中也不建议使用 keys 命令。Redis Pool 的配置应该合理设置，否则出现问题无错误日志无报错，定位相当困难。

![3017dd2265f15979f7cbb8426b7e7000.png][]

[c28f3b52d545e2b134ee850c97fde6c0.png]: /images/20221022/77460e3fd3b049f5b0fadd06cba4b476.png
[8d414df1d9471c1f5774ae7878c5f6f9.png]: /images/20221022/52b7a10d1b5d44e1a9ce7141cff7f68f.png
[4bc8493518a7b8cde902d158871c8d1a.png]: /images/20221022/d8ae48727fba439bb49533ebd111f7d1.png
[a6bfbfa037ffb0e23804a04d2a1707ae.png]: /images/20221022/2c43c36cbdcf4f4ea16eda029e1c1a31.png
[672c179fd3b47ed9a587f628464ec51b.png]: /images/20221022/a0042a640eff4928a3543ada2eb359de.png
[4c7b4dd5103eeea7ba195b63226f7bca.png]: /images/20221022/cd4c673da39f4682bf44dfa80e6dd8a0.png
[86b7eac886b12066bb0069bf19b8c20c.png]: /images/20221022/f1319384b98e489491b751199ec8eb02.png
[8b9f552ff05c959efdeed5d45a987bb8.png]: /images/20221022/f3018546fad84b94b0f7c1c615d91968.png
[88b022ac74265879f4ebe8d1815b8250.png]: /images/20221022/c59a380d420442e387d93ab1ff01b148.png
[40f960bdf5076964d2b8a4812c869340.png]: /images/20221022/1fd921351f6e4c91a120137ff621e77c.png
[3017dd2265f15979f7cbb8426b7e7000.png]: /images/20221022/19abc07ad4c445fba1dbd322c528b249.png