一次线上故障：数据库连接池泄露后的思考

一次线上故障：数据库连接池泄露后的思考

一：初步排查

早上作为能效平台系统的使用高峰期，系统负载通常比其它时间段更大一些，某个时间段会有大量用户登录。当天系统开始有用户报障，发布系统线上无法构建发布，然后后续有用户不能登录系统，系统发生假死，当然系统不是真的宕机，而是所有和数据库有关的连接都被阻塞，随后查看日志发现有大量报错。

和数据库连接池相关：

Caused by: org.springframework.jdbc.CannotGetJdbcConnectionException: Failed to obtain JDBC Connection; nested exception is java.sql.SQLTransientConnectionException: HikariPool-1 - Connection is not available, request timed out after 30002ms.

可以看出上面的报错和数据库连接有关，大量超时。通过对线上debug日志的分析，也验证了数据库连接池被大量消耗。

[DEBUG] c.z.h.p.HikariPool: HikariPool-1 - Timeout failure stats (total=20, active=20, idle=0, waiting=13)

这是开始大量报错前的日志。我们可以看到此时HikariPool连接池已经无法获取连接了，active=20表示被获取正在被使用的数据库连接。waiting表示当前正在排队获取连接的请求数量。可以看出，已经有相当多的请求处于挂起状态。

所以当时我们的解决办法是调整数据库连接池大小，开始初步认为是，高峰时期，我们设置的连接池数量大小，不足以支撑早高峰的连接数量导致的。

jdbc.connection.timeout=30000 jdbc.max.lifetime=1800000 jdbc.maximum.poolsize=200 jdbc.minimum.idle=10 jdbc.idle.timeout=60000 jdbc.readonly=false

我们将将数据库连接池的数量调整到了200。

二：事务

2.1事务滥用的后果

在这里我简单说下构建代码处的逻辑

用户触发构建将job加入增量job缓存，用于更新job状态jenkinsClient调用jenkins的api，开始构建将构建信息写入数据库(jobname，version)

我开始观察自己写的代码，可是看了多遍，我也发现不了这段代码和数据库连接有啥关系，大多数人包括当时自己来说，数据库连接的泄露，大多数情况应该是服务和数据库连接的过程中发生了阻塞，导致连接泄露。但是现在来看，很容易能发现问题所在，看当时的代码：

@Transactional(rollbackFor = Exception.class)    public void build(BuildHistoryReq buildHistoryReq) {        //1.封装操作        //2.调用jenkins Api        //3.数据库更新写入    }

这就是当时的代码入口，当然代码处没有这么简单。可以看到我在方法入口就加上了Transactional注解，这里的意思其实就是发生错误，抛出异常时，数据库回滚。

2.2事务注解的正确用法

通常情况下作为非业务部门，没有涉及到核心的业务，像支付，订单，库存相关的操作时，事务在可读层面并没有特别高的要求。通常也只涉及到，多表操作同时更新时，保证数据一致性，要么同时成功要么同时失败。而使用

@Transactional(rollbackFor = Exception.class)

足以。

而上述代码该如何改进呢??

首先分析有没有需要使用事务的必要。在步骤3中，数据操作，看代码后发现只有对一张表的操作，同时和其它操作没有相关性。而且本身属于最后一个步骤。所以在此代码中完全没有必要使用，删除注解即可。

当然如果步骤3操作数据库是多表操作，具有强相关性，数据一致，我们可以这样做。将和步骤3无关的步骤分开,变成两个方法，那么在1,2处发生阻塞也不会影响到数据库连接。

public void build(BuildHistoryReq buildHistoryReq) {       //1.封装操作       //2.调用jenkins Api       update**(XX);   }    @Transactional(rollbackFor = Exception.class)   public void update**(XX xx) {       //3.数据库更新写入   }

这里需要注意，注解事务的用法，方法必须是公开调用的。

三：HttpClient 4.x连接池

当时找到数据连接池泄露的原因后，我第一步就是去掉了事务，然后加上了一些日志，这时我已经能确定代码在jenkinsclient处出现了问题，但是仍然不确定问题出在了哪，我只能加上一些日志，同时通过监控继续观察。

果然在hotfix的第二天还是出现了我预料中的事情，构建发布仍然有问题，当然此时其它功能是不受影响了。我观察日志发现构建开始并在该处阻塞

jenkinsClient.startBuild(jobName, params);

随后我跟进源码查看了AbstractConnPool类的379行

可以看到线程走到379行执行了this.condition.await()后进入无限期的等待，所以此时如果没有线程执行this.condition.signal()就会导致该线程一直处于waiting状态，而前端也会迟迟收不到相应，导致请求timeout。

我们再分析下源码，看看什么情况下会导致线程跑到该处：

从源码我们可以看出有几处必要条件才会导致线程会无限期等待：

timeout=0 也就是说没有给默认值，导致： deadline = nullpool.getAllocatedCount() < maxPerRoute 判断是否已经到达了该路由(host地址)的最大连接数。

其实整体逻辑就是，从池里获取连接，如果有就直接返回，没有，判断当前请求出去的路由有没有到达该路由的最大值，如果达到了，就进行等待。如果timeout为0就会进行无限期等待。

解决

1.jenkinsClient分配超时时间

2.构建JenkinsClient和更新使用的JenkinsClient分离

其实我已经尝试用池化的思想来解决该问题了。

诡异bug(同一个JenkinsClient，调用不同的api，有的api会阻塞，有的调用仍然正常)

但hotfix的第二天，又出现了一个诡异的bug：

构建可以，但是无法同步job的状态。这里出现这个问题的原因在于我将构建和更新两个过程使用的jenkinsClient分离成两个，所以这个过程相互独立，互不影响，所以，更新的client出了问题但是构建的client仍然能正常使用。

但是更新过程的JenkinsClient出现的问题让我百思不得其解。我们先看看更新状态过程会使用到的api(接口)

//获取对应的job 1 JobWithDetails job = client.get(UrlUtils.toJobBaseUrl(folder, jobName), JobWithDetails.class);  //获取job构建的pipeline流水 2 client.get("/job/" + EncodingUtils.encode(jobName) + "/" + version + "/wfapi/describe", PipelineStep.class);  //获取对应job某次build的详情 3  client.get(url, BuildWithDetails.class);

bug问题1：为什么全量更新job和增量更新job使用的是同一个JenkinsClient，但是全量更新仍然正常获取值，而增量更新job状态的线程确出现阻塞超时(超时是因为前面我设置了timeout，使得请求不会一直阻塞下去)。

要回答这个问题，就要回到线程的相关问题了，

this.condition.wait()会导致当前线程阻塞，并不会影响到另外线程。而更新使用了两个线程。所以这个问题也比较好回答。

bug问题2：为什么同一个线程(增量更新job线程)调用不同api，有的成功，而有的会阻塞：

解决这个问题，我们还是得回到AbstractConnPool中的方法getPoolEntryBlocking()来看：

if (pool.getAllocatedCount() < maxPerRoute) {                          }

当前请求的路由如果已经达到最大值了就会阻塞等待。那么同一个jenkinsclient，按理来说不可能会出现不同的路由。所以同一个client要么都能访问，要么都会阻塞，怎么会出现有的能访问有的会阻塞。为了寻求问题的答案，我翻阅了JenkinsClient的源码，结合日志，发现服务每次阻塞的方法是：

不管多少次，每次都会完美的在该地方阻塞：对应上面的api 3：

//获取对应job某次build的详情 3  client.get(url, BuildWithDetails.class);

这个url和其它两个api拿到的路由都有区别：可以跟随我一起看源码：

public class Build extends BaseModel {      private int number;     private int queueId;     private String url; }

我们可以看到url是属于Build的属性，并非client我们设置的值，当然有人会觉得该值可能是通过将配置的url设置过来的。我们可以接着看,哪些方法可能会给build设置url，三个构造函数，一个set方法都可以，如果我们继续只看源码仍然很难找到问题所在，所以这时候我开始启动服务debug;

发现了问题在哪：

可以看出调用jenkins的这个api出现了两个router，也可以看出这个url是jenkins返回的，查阅资料可以看到，jenkins系统设置时可以设置这个url。

JenkinsClient分配连接数：

给JenkinsClient添加健康检查，并手动更新不能用的Client

@Slf4j public class JenkinsClientManager implements Runnable {      private volatile boolean flag = true;     private final JenkinsClientProvider jenkinsClientProvider;      public JenkinsClientManager(JenkinsClientProvider jenkinsClientProvider) {         this.jenkinsClientProvider = jenkinsClientProvider;     }      @Override     public void run() {         while (flag) {             try {                 checkJenkinsHealth();                 //每30秒检查一次                 Thread.sleep(30_000);             } catch (Exception e) {                 log.warn("check health error:{}", e.getMessage());             }         }     }      public void checkJenkinsHealth() {         log.debug("check jenkins client health start");         //获取client是否可用         available = isAvailable(..)         if (!available || !queryAvailable) {             //更新client             jenkinsClientProvider.retrieveJenkinsClient();         }     }      private boolean isAvailable(Set> entries) {         boolean available = true;         for (Map.Entry entry : entries) {             boolean running = entry.getValue().isRunning();             if (!running) {                 log.debug("jenkins running error");                 available = false;             }         }         return available;     }       @PostConstruct     public void start() {         TaskSchedulerConfig.getExecutor().execute(this);     } }

四：JenkinsClient连接池

采用池化技术解决client高可用和重复利用问题

虽然我手动写了一个JenkinsClientManager每30秒来维护一次client，但是这种手工的方式并不好：

每30秒维护一次，若是在期间发生问题，那么只能干等无法动态的根据系统需要，动态构建新的client，也就是无法满足高并发下的使用问题无法配置

目前我们都知道各种池化技术:线程池、数据库连接池、redis连接池。

笔者在实现jenkinsClient pool之前，参考了线程池、数据库连接池的实现、发现其底层实现较为复杂、redis的连接池技术相对来说容易看懂和学习、所以采用了和jedis一样的实现方式来实现JenkinsClient的连接池

这是jedis的类结构目录，其实重点在我标记的这5个类。

JenkinsClient连接池应该要具备哪些功能??

动态创建JenkinsClient使用完的Client放回池中回收长期不用和不可用的Client能够根据需要配置一定数量的Client

PooledObjectFactory：该接口管理着bean的生命周期(An interface defining life-cycle methods for instances to be served by an)

makeObject 方法创建一个可以入池的实例，也就是我们需要用的Client由该方法创建destroyObject 方法可以销毁不可用或者过期的对象validateObject 方法对实例进行验证，在每次创建完实例后，都会调用该方法，同时也会以一定的频率进行健康检查(频率timeBetweenEvictionRunsMillis)

GenericObjectPool：实例都会放入该池中进行管理：

//所有的可用连接 private final Map, PooledObject> allObjects = new ConcurrentHashMap<>();  //空闲的可用连接 private final LinkedBlockingDeque> idleObjects;  //获取可用连接 T borrowObject() throws Exception, NoSuchElementException,             IllegalStateException;  //资源释放（将连接放回连接池） void returnObject(T obj) throws Exception;

配置(BaseObjectPoolConfig，但是我们继承GenericObjectPoolConfig，该类给出了大量的默认值)

链接池中最大连接数,默认为8 maxTotal #链接池中最大空闲的连接数,默认也为8 maxIdle #连接池中最少空闲的连接数,默认为0 minIdle #连接空闲的最小时间，达到此值后空闲连接将可能会被移除。默认为1000L*60L*30L minEvictableIdleTimeMillis #连接空闲的最小时间，达到此值后空闲链接将会被移除，且保留minIdle个空闲连接数。默认为-1 softMinEvictableIdleTimeMillis #当连接池资源耗尽时，等待时间，超出则抛异常，默认为-1即永不超时 maxWaitMillis #当这个值为true的时候，maxWaitMillis参数才能生效。为false的时候，当连接池没资源，则立马抛异常。默认为true blockWhenExhausted #空闲链接检测线程检测的周期，毫秒数。如果为负值，表示不运行检测线程。默认为-1. timeBetweenEvictionRunsMillis #在每次空闲连接回收器线程(如果有)运行时检查的连接数量，默认为3 numTestsPerEvictionRun #默认false，create的时候检测是有有效，如果无效则从连接池中移除，并尝试获取继续获取 testOnCreate #默认false，borrow的时候检测是有有效，如果无效则从连接池中移除，并尝试获取继续获取 testOnBorrow #默认false，return的时候检测是有有效，如果无效则从连接池中移除，并尝试获取继续获取 testOnReturn #默认false，在evictor线程里头，当evictionPolicy.evict方法返回false时，而且testWhileIdle为true的时候则检测是否有效，如果无效则移除 testWhileIdle

了解了这些我们对于需要开发的连接池就很轻松了：

实现PooledObjectFactory(JenkinsFactory)该工厂类就是负责JenkinsClient的生命周期自定义连接池Pool，通过组合的方式引入框架的连接池GenericObjectPool，当然我们也可以用继承的方式来实现(组合优先于继承)

五：反思

连接池写完，目前也只是在测试环境运行，还在观察阶段

有个特别的问题也需要指出来，该问题是笔者在开发时没有注意的问题，也是此次线上产生问题的原因

by陈朗：

本次事故整体来讲，还是笔者技术有限，解决问题时绕了很多弯，花了大量时间研究源码。我也总结了以下几点

对于连接、锁等这些可能会阻塞的场景，都需要给出超时设置资源消耗型，需要有池化的思想，提高资源利用率，保证系统稳定基础很重要，需要持续不断的学习，这样解决问题才能深入底层，找出问题所在，而不是浮于表面

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。