<< 返回文章列表

记一次找因Redis使用不当导致应用卡死bug的过程

2020年1月2日
小木
394

作者:小木

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


1577936791153039727.jpg

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


1577936806809076018.jpg

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


微信图片_20200102113754.png


没看出什么问题,上下10行也看看,于是执行

1577936863170086811.jpg

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:

/**

 * 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

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


1577937034839005606.jpg


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


1577937068653091469.jpg


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)



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


1577937109644036231.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


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 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



正常应为


1577937185740029095.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


stringRedisTemplate.getConnectionFactory().getConnection()

是不被推荐的


我们可以使用


stringRedisTemplate.execute(new RedisCallback<Cursor>() {


     @Override

     public Cursor doInRedis(RedisConnection connection) throws DataAccessException {


       return connection.scan(options);

     }

   });

来执行,


或者使用完connection后 ,用


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。


来源:https://my.oschina.net/xiaomu0082