原标题：记一次找因 redis 使用不当导致应用卡死 bug 的过程

作者：小木

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

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

找到前3个相对比较耗资源的线程

jstack 查看堆内存

jstack12798|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.

*

* @returnJedis instance ready for wrapping into a {@linkRedisConnection}.

*/

protectedJedis fetchJedisConnector{

try{

if(usePool && pool != null) {

returnpool.getResource;

}

Jedis jedis = newJedis(getShardInfo);

// force initialization (see Jedis issue #82)

jedis.connect;

returnjedis;

} catch(Exception ex) {

thrownewRedisConnectionFailureException( "Cannot get Jedis connection", ex);

}

}

上面pool.getResource后线程开始wait

publicT getResource{

try{

returninternalPool.borrowObject;

} catch(Exception e) {

thrownewJedisConnectionException( "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

publicT borrowObject(longborrowMaxWaitMillis)throwsException{

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;

booleanblockWhenExhausted = this.getBlockWhenExhausted;

longwaitTime = 0L;

while(p == null) {

booleancreate = 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) {

thrownewNoSuchElementException( "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

publicE takeFirstthrowsInterruptedException{

this.lock.lock;

Object var2;

try{

Object x;

while((x = this.unlinkFirst) == null) {

this.notEmpty.await;

}

var2 = x;

} finally{

this.lock.unlock;

}

returnvar2;

}

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

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

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 = 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

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

使用

stringRedisTemplate.getConnectionFactory.getConnection

是不被推荐的

我们可以使用

stringRedisTemplate.execute( newRedisCallback {

@Override

publicCursor doInRedis(RedisConnection connection)throwsDataAccessException{

returnconnection.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。返回搜狐，查看更多

责任编辑：