Redis使用不当，把应用搞挂了！-redis 应用

[[404845]]

图片来自包图网

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：

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，如下图：

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。

没看出什么问题，上下 10 行也看看。于是执行：

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：

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：

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)。

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：

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。

正常应为：

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。

作者：小木-_-

编辑：陶家龙

出处：my.oschina.net/xiaomu0082/blog/2990388