記一次找因Redis使用不當(dāng)導(dǎo)致應(yīng)用卡死Bug的過程
首先說下問題現(xiàn)象：內(nèi)網(wǎng)sandbox環(huán)境API持續(xù)1周出現(xiàn)應(yīng)用卡死，所有api無響應(yīng)現(xiàn)象
剛開始當(dāng)測試抱怨環(huán)境響應(yīng)慢的時(shí)候 ，我們重啟一下應(yīng)用，應(yīng)用恢復(fù)正常，于是沒做處理。但是后來問題出現(xiàn)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。
首先發(fā)現(xiàn)開發(fā)的本地ide沒有發(fā)現(xiàn)問題，應(yīng)用卡死時(shí)候數(shù)據(jù)庫，redis都正常，并且無特殊錯(cuò)誤日志。開始懷疑是sandbox環(huán)境機(jī)器問題（測試環(huán)境本身就很脆!_!）
于是ssh上了服務(wù)器 執(zhí)行以下命令
top
這時(shí)發(fā)現(xiàn)機(jī)器還算正常，于是打算看下jvm 堆棧信息
先看下問題應(yīng)用比較耗資源的線程
執(zhí)行 top -H -p 12798
找到前3個(gè)相對比較耗資源的線程
jstack 查看堆內(nèi)存
- jstack 12798 |grep 12799的16進(jìn)制 31ff
沒看出什么問題，上下10行也看看，于是執(zhí)行
看到一些線程都是處于lock狀態(tài)。但沒有出現(xiàn)業(yè)務(wù)相關(guān)的代碼，忽略了。這時(shí)候沒有什么頭緒。思考一番。決定放棄這次卡死狀態(tài)的機(jī)器
為了保護(hù)事故現(xiàn)場 先 dump了問題進(jìn)程所有堆內(nèi)存，然后debug模式重啟測試環(huán)境應(yīng)用，打算問題再顯時(shí)直接遠(yuǎn)程debug問題機(jī)器
第二天問題再現(xiàn)，于是通知運(yùn)維nginx轉(zhuǎn)發(fā)拿掉這臺問題應(yīng)用，自己遠(yuǎn)程debug tomcat。
自己隨意找了一個(gè)接口，斷點(diǎn)在接口入口地方，悲劇開始，什么也沒有發(fā)生！API等待服務(wù)響應(yīng)，沒進(jìn)斷點(diǎn)。這時(shí)候有點(diǎn)懵逼，冷靜了一會(huì),在入口之前的aop地方下了個(gè)斷點(diǎn)，再debug一次，這次進(jìn)了斷點(diǎn)，f8 N次后發(fā)現(xiàn)在執(zhí)行redis命令的時(shí)候卡主了。繼續(xù)跟，最后在到j(luò)edis的一個(gè)地方發(fā)現(xiàn)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(gè)代碼應(yīng)該是一個(gè)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(huì)一直執(zhí)行，然后一直循環(huán)了 開始懷疑這個(gè)值沒有配置
找到redis pool配置，發(fā)現(xiàn)確實(shí)沒有配置MaxWaitMillis，配置后else代碼也是一個(gè)Exception 并不能解決問題
繼續(xù)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(fā)現(xiàn)lock字眼，開始懷疑所有請求api都被阻塞了
于是再次ssh 服務(wù)器 安裝 arthas ,(Arthas 是Alibaba開源的Java診斷工具)
執(zhí)行thread命令
發(fā)現(xiàn)大量http-nio的線程waiting狀態(tài),http-nio-8083-exec-這個(gè)線程其實(shí)就是出來http請求的tomcat線程
隨意找一個(gè)線程查看堆內(nèi)存
- thread -428
這是能確認(rèn)就是api一直轉(zhuǎn)圈的問題,就是這個(gè)redis獲取連接的代碼導(dǎo)致的，
解讀這段內(nèi)存代碼 所有線程都在等 @53e5504e這個(gè)對象釋放鎖。于是jstack 全局搜了一把53e5504e ，沒有找到這個(gè)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(zhí)行 arthas 的thread -b (thread -b, 找出當(dāng)前阻塞其他線程的線程)
沒有結(jié)果。這邊和想的不一樣，應(yīng)該是能找到一個(gè)阻塞線程的，于是看了下這個(gè)命令的文檔，發(fā)現(xiàn)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(shí)時(shí)間設(shè)置為2s,然后等問題再次復(fù)現(xiàn)時(shí)觀察應(yīng)用最后正常時(shí)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(wù)，等待。。。。
又過一天，再次復(fù)現(xiàn)
ssh 服務(wù)器，檢查tomcat accesslog ,發(fā)現(xiàn)大量api 請求出現(xiàn)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(xiàn)500地方，
發(fā)現(xiàn)以下代碼..
- .....
- Cursor c = stringRedisTemplate.getConnectionFactory().getConnection().scan(options);
- while (c.hasNext()) {
- .....,,
- }
分析這個(gè)代碼，stringRedisTemplate.getConnectionFactory().getConnection()獲取pool中的redisConnection后，并沒有后續(xù)操作，也就是說此時(shí)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(yè)務(wù)已處理完畢 redisConnection 已經(jīng)空閑，但是pool中的redisConnection的狀態(tài)還沒有回到idle狀態(tài)
正常應(yīng)為
自此問題已經(jīng)找到。
總結(jié)：spring stringRedisTemplate 對redis常規(guī)操作做了一些封裝，但還不支持像 Scan SetNx等命令，這時(shí)需要拿到j(luò)edis Connection進(jìn)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(zhí)行，
或者使用完connection后 ，用
- RedisConnectionUtils.releaseConnection(conn, factory);
來釋放connection.
同時(shí)，redis中也不建議使用keys命令，redis pool的配置應(yīng)該合理配上，否則出現(xiàn)問題無錯(cuò)誤日志，無報(bào)錯(cuò)，定位相當(dāng)困難。
