麒麟v10 上部署 TiDB v5.1.2 生产环境优化实践
584
2023-05-31
Redis使用不当，把应用搞挂了！
Redis使用不当，把应用搞挂了！
图片来自包图网
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，如下图：
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
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：
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 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
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。
作者：小木-_-
编辑：陶家龙
出处：my.oschina.net/xiaomu0082/blog/2990388
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。
相关文章
