同事乱用 Redis 卡爆，我真是醉了...

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。

01

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

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：

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。

02

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。

03

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。

thread

 

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。

04

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，发现有下面的一句话。

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 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。

05

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。