记一次因 Redis 使用不当导致应用卡死 bug 的排查及解决！

小鱼儿 2022-11-09 12:45 115阅读 0赞

点击上方蓝色“石杉的架构笔记”，选择“设为星标”
    
    回复“PDF”获取独家整理的学习资料！

![1d14ecccd83c778ac88f1f42b2115d41.png][]

![edd4df44d4d0736daf3d6caa2e9ae9f1.png][]

![98da37e19e945f867803810eb270cbfe.png][]

长按扫描上方二维码了解

![ddd666119546de96325b18f0a734207e.png][]来源：https://my.oschina.net/xiaomu0082/blog/2990388

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

![5c9c3e875a23a385b411df7f0e17cb71.png][]

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`

![bac22bbfcd2f1b3f9194a913479cacc4.png][]

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

![cae1a75b853d52e243194c679739cae6.png][]

没看出什么问题，上下10行也看看，于是执行

![a0458c5ef615a1ce11347d09cce071bb.png][]

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 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

![09cd71bfec85f6c5e7c06ab64efbcae5.png][]

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

![c80fab6e469a112d5b489f96318e4dd4.png][]

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)

![bd9545f0737f77d26aefacd418f57155.png][]

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

![5756ec66fa1feefea7096e1656a9d9ed.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

![9d3cab06c0c5210b09b0e85cd484d4ed.png][]

正常应为

![12a441cf2b6bd64afd9e75d91990fdb7.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() {
    
         @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。

**End**

![ce1128266551718733e12bf413cf2d7b.png][]

[1d14ecccd83c778ac88f1f42b2115d41.png]: /images/20221023/1318de52c1d244288f8704f88dee16cf.png
[edd4df44d4d0736daf3d6caa2e9ae9f1.png]: /images/20221023/a140dbed059c47a38713c9eb01549345.png
[98da37e19e945f867803810eb270cbfe.png]: /images/20221023/b49a03c02703416aad17433f4cba1b2e.png
[ddd666119546de96325b18f0a734207e.png]: /images/20221023/29422726914c4447b2c73441d3ece461.png
[5c9c3e875a23a385b411df7f0e17cb71.png]: /images/20221023/1c12567d19b74d4cafb7a97fc7db6edd.png
[bac22bbfcd2f1b3f9194a913479cacc4.png]: /images/20221023/704978fc70f74a7d8d034fe3b380581c.png
[cae1a75b853d52e243194c679739cae6.png]: /images/20221023/b2ffbc1b9aff4ff3a6a56fa524ea8007.png
[a0458c5ef615a1ce11347d09cce071bb.png]: /images/20221023/923716adfdd940399cc3131c118d6ddd.png
[09cd71bfec85f6c5e7c06ab64efbcae5.png]: /images/20221023/3cbc36c7fe1b4dc09af3191da54e11a5.png
[c80fab6e469a112d5b489f96318e4dd4.png]: /images/20221023/e1f8c425a827431bba6dd0061509b187.png
[bd9545f0737f77d26aefacd418f57155.png]: /images/20221023/2908833321a94e62acad3d17acb692b9.png
[5756ec66fa1feefea7096e1656a9d9ed.png]: /images/20221023/8d6cb48ef77342d5b8ec3c32e866edf8.png
[9d3cab06c0c5210b09b0e85cd484d4ed.png]: /images/20221023/7df3b7266ca4450c96d6fb4c26477d0f.png
[12a441cf2b6bd64afd9e75d91990fdb7.png]: /images/20221023/43253e23e67b4be6808de30bd1711943.png
[ce1128266551718733e12bf413cf2d7b.png]: /images/20221023/8eda0b54b4624d918a1d38fa4c73a748.png