redis服务又出现卡死，又是一次不当使用，这个锅你背定了

灰太狼 2023-10-01 22:19 4阅读 0赞

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。**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

![d4f61f697e5ba53c6a11e411489a5401.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

![361435feaa0b940f5b1da3b78e2356fd.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

![bb230f2f726031c6d1b5f23ba9fe82b0.png][]

没看出什么问题，上下10行也看看，于是执行

![9dc0c52a16ad60c6e06aebc6ee3a4422.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，打算问题再出现时直接远程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，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<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

![2974857a332e8ed3dd9ac11984a4b27a.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

![49ec73be2db2a21fbede9c3b29890830.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)

![a0d3a6ae32db1ccba209b6f71f33000c.png][]

没有结果。这边和想得不一样，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

![e0e026db23e0f791a6d0f0e5af81ab09.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.

![90cb05756a20a41138bc4ade193af6ef.png][]

正常应该为

![7968517075aa5fe7b9f86109965395cb.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。

stringRedisTemplate.getConnectionFactory().getConnection()是不被推荐的，我们可以使用下面的：

stringRedisTemplate.execute(new RedisCallback<Cursor>() {
    
         @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。

![d8b3c4e77c214cb384efc6fce464079d.jpeg][]

[d4f61f697e5ba53c6a11e411489a5401.png]: https://img-blog.csdnimg.cn/img_convert/d4f61f697e5ba53c6a11e411489a5401.png
[361435feaa0b940f5b1da3b78e2356fd.png]: https://img-blog.csdnimg.cn/img_convert/361435feaa0b940f5b1da3b78e2356fd.png
[bb230f2f726031c6d1b5f23ba9fe82b0.png]: https://img-blog.csdnimg.cn/img_convert/bb230f2f726031c6d1b5f23ba9fe82b0.png
[9dc0c52a16ad60c6e06aebc6ee3a4422.png]: https://img-blog.csdnimg.cn/img_convert/9dc0c52a16ad60c6e06aebc6ee3a4422.png
[2974857a332e8ed3dd9ac11984a4b27a.png]: https://img-blog.csdnimg.cn/img_convert/2974857a332e8ed3dd9ac11984a4b27a.png
[49ec73be2db2a21fbede9c3b29890830.png]: https://img-blog.csdnimg.cn/img_convert/49ec73be2db2a21fbede9c3b29890830.png
[a0d3a6ae32db1ccba209b6f71f33000c.png]: https://img-blog.csdnimg.cn/img_convert/a0d3a6ae32db1ccba209b6f71f33000c.png
[e0e026db23e0f791a6d0f0e5af81ab09.png]: https://img-blog.csdnimg.cn/img_convert/e0e026db23e0f791a6d0f0e5af81ab09.png
[90cb05756a20a41138bc4ade193af6ef.png]: https://img-blog.csdnimg.cn/img_convert/90cb05756a20a41138bc4ade193af6ef.png
[7968517075aa5fe7b9f86109965395cb.png]: https://img-blog.csdnimg.cn/img_convert/7968517075aa5fe7b9f86109965395cb.png
[d8b3c4e77c214cb384efc6fce464079d.jpeg]: https://img-blog.csdnimg.cn/d8b3c4e77c214cb384efc6fce464079d.jpeg