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

d82ba8eb844cd9ffde0ecdde4d4483c7.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

0260744b976d5cce64d89deeb3e22e7c.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

0d1cee73aa2dfb1b70ffddb2ba430f63.png

没看出什么问题,上下10行也看看,于是执行

2cc2b3edd04b5e30a6bac845a7ce6683.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=newJedis(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);

}

PooledObjectp=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

b7a2931f03fc4bb03c9a7befec81b47a.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

fbbcdcea240de9ba84e523df5ac57bb5.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)

3cadfedf9cb48206d230fc32aabda3c8.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

8c1d6be727215277d7b2c82654c84101.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

JedisConnectionFactoryjedisConnectionFactory=newJedisConnectionFactory();

…….

JedisPoolConfig config=newJedisPoolConfig();

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

a3061d495894ca9827d28c60345d49f1.png

正常应为

b322cdf7d57e262db458071333423bcc.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。

转自:
https://blog.csdn.net/weixin_29712031/article/details/114796055