记一次新来的同事因Redis使用不当导致的应用卡死的Bug

业余草

共 7171字,需浏览 15分钟

 ·

2021-03-31 14:35

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:


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



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 from 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。

浏览 19
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报