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!_!）
这时发现 机器还算正常，但是内心还是难受，，于是打算看下jvm 堆栈信息
jstack 12798 |grep 12799的16进制 31ff
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：
上面pool.getResource()后线程开始wait
return internalPool.borrowObject(); 这个代码应该是一个租赁的代码 接着跟
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
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)
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
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
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。
ssh 服务器，检查tomcat accesslog ,发现大量api 请求出现500，
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
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
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。
本文转载自微信公众号朱小厮的博客
原文链接：https://mp.weixin.qq.com/s/zAwETYIg4RGd7pHXBFukvA
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
评论（0）