记一次新来的同事因Redis使用不当导致的应用卡死的Bug-技术圈

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。