redis使用不當導致應用卡死bug的過程解析

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

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，於是沒做處理。但是後來問題出現頻率越來越頻繁，越來越多的同事開始抱怨，於是感覺代碼可能有問題，開始排查。

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，並且無特殊錯誤日志。開始懷疑是sandbox環境機器問題（測試環境本身就很脆!_!）

於是ssh上瞭服務器 執行以下命令

top

這時發現 機器還算正常，但是內心還是😖，於是打算看下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

沒看出什麼問題，上下10行也看看 於是執行

看到一些線程都是處於lock狀態。但沒有出現業務相關的代碼，忽略瞭。這時候沒有什麼頭緒。思考一番。決定放棄這次卡死狀態的機器

為瞭保護事故現場 先 dump瞭問題進程所有堆內存，然後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，於是通知運維nginx轉發拿掉這臺問題應用，自己遠程debug tomcat。

自己隨意找瞭一個接口，斷點在接口入口地方，悲劇開始，什麼也沒有發生！API等待服務響應，沒進斷點。這時候有點懵逼，冷靜瞭一會,在入口之前的aop地方下瞭個斷點，再debug一次，這次進瞭斷點，f8 N次後發現在執行redis命令的時候卡主瞭。繼續跟，最後在到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()後線程開始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，然後一直循環瞭 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，配置後else代碼也是一個Exception 並不能解決問題

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都被阻塞瞭

於是再次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。於是jstack 全局搜瞭一把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。但是什麼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，於是看瞭下這個命令的文檔，發現有下面的一句話

好吧，我們剛好是後者。。。。

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,然後等問題再次復現時觀察應用最後正常時幹過什麼。

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後，並沒有後續操作，也就是說此時redis 連接池中的鏈接被租賃後並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常規操作做瞭一些封裝，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後 ，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。

 到此這篇關於redis使用不當導致應用卡死bug的過程解析的文章就介紹到這瞭,更多相關redis導致應用卡死內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：

• spring-data-redis連接操作redis的實現
• SpringBoot集成Redis的思路詳解
• 關於Springboot2.x集成lettuce連接redis集群報超時異常Command timed out after 6 second(s)
• java如何使用redis加鎖
• SpringBoot整合RedisTemplate實現緩存信息監控