日常Bug排查-系統(tǒng)失去響應(yīng)-Redis使用不當(dāng)

前言

日常Bug排查系列都是一些簡單Bug排查，筆者將在這里介紹一些排查Bug的簡單技巧，同時順便積累素材^_。

Bug現(xiàn)場

開發(fā)反應(yīng)線上系統(tǒng)出現(xiàn)失去響應(yīng)的現(xiàn)象，收到業(yè)務(wù)告警已經(jīng)頻繁MarkAndSweep(Full GC)告警。于是找到筆者進行排查。

看基礎(chǔ)監(jiān)控

首先呢，當(dāng)然是看我們的監(jiān)控了，找到對應(yīng)失去響應(yīng)的系統(tǒng)的ip，看下我們的基礎(chǔ)監(jiān)控。

機器內(nèi)存持續(xù)上升。因為我們是java系統(tǒng)，堆的大小一開始已經(jīng)設(shè)置了最大值。

--XX:Xms2g -Xmx2g

所以看上去像堆外內(nèi)存泄露。而FullGC告警只是堆外內(nèi)存后一些關(guān)聯(lián)堆內(nèi)對象觸發(fā)。

看應(yīng)用監(jiān)控

第二步，當(dāng)然就是觀察我們的應(yīng)用監(jiān)控，這邊筆者用的是CAT。觀察Cat中對應(yīng)應(yīng)用的情況，很容易發(fā)現(xiàn)，其ActiveThread呈現(xiàn)不正常的現(xiàn)象，竟然達到了5000+多個，同時和內(nèi)存上升曲線保持一致。

jstack

java應(yīng)用中遇到線程數(shù)過多的現(xiàn)象，首先我們考慮的是jstack，jstack出來對應(yīng)的文件后。我們less一下，發(fā)現(xiàn)很多線程卡在下面的代碼棧上。

"Thread-1234
	java.lang.Thread.State: WAITING (parking)
		at sun.misc.Unsafe.park
		......
		at org.apache.commons.pool2.impl.LinkedBlockingQueue.takeFirst
		......
		at redis.clients.util.Pool.getResource

很明顯的，這個代碼棧值得是沒有獲取連接，從而卡住。至于為什么卡這么長時間而不釋放，肯定是由于沒設(shè)置超時時間。那么是否大部分線程都卡在這里呢，這里我們做一下統(tǒng)計。

cat jstack.txt | grep 'prio=' | wc -l 
======> 5648
cat jstack.txt | grep 'redis.clients.util.Pool.getResource' 
======> 5242

可以看到，一共5648個線程，有5242，也就是92%的線程卡在Redis getResource中。

看下redis情況

netstat -anp | grep 6379 
tcp 0 0 1.2.3.4:111 3.4.5.6:6379 ESTABLISHED
......

一共5個，而且連接狀態(tài)為ESTABLISHED，正常。由此可見他們配置的最大連接數(shù)是5(因為別的線程正在得到獲取Redis資源)。

Redis連接泄露

那么很自然的想到，Redis連接泄露了，即應(yīng)用獲得Redis連接后沒有還回去。這種泄露有下面幾種可能:
情況1:

情況2:

情況3：
調(diào)用Redis卡住，由于其它機器是好的，故排除這種情況。

如何區(qū)分

我們做個簡單的推理:
如果是情況1，那么這個RedisConn肯定可以通過內(nèi)存可達性分析和Thread關(guān)聯(lián)上，而且這個關(guān)聯(lián)關(guān)系肯定會關(guān)聯(lián)到某個業(yè)務(wù)操作實體(例如code stack or 業(yè)務(wù)bean)。那么我們只要觀察其在堆內(nèi)的關(guān)聯(lián)路線是否和業(yè)務(wù)相關(guān)即可,如果沒有任何關(guān)聯(lián)，那么基本斷定是情況2了。

可達性分析

我們可以通過jmap dump出應(yīng)用內(nèi)存，然后通過MAT(Memory Analysis Tool)來進行可達性分析。

首先找到RedisConn

將dump文件在MAT中打開，然后運行OQL:

select * from redis.clients.jedis.Jedis (RedisConn的實體類)

搜索到一堆Jedis類，然后我們執(zhí)行

Path To GCRoots->with all references

可以看到如下結(jié)果:

redis.clients.jedis.Jedis
	|->object 
		|->item
			|->first
				|->...
					|->java.util.TimerThread
				|->internalPool

由此可見，我們的連接僅僅被TimerThread和internalPool(Jedis本身的連接池)持有。所以我們可以判斷出大概率是情況2，即忘了歸還連接。翻看業(yè)務(wù)代碼:

偽代碼
void lock(){
	conn = jedis.getResource()
	conn.setNx()
	// 結(jié)束,此處應(yīng)該有finally{returnResource()}或者采用RedisTemplate
}

最后就是很簡單的，業(yè)務(wù)開發(fā)在執(zhí)行setNx操作后，忘了將連接還回去。導(dǎo)致連接泄露。

如果是情況1如何定位卡住的代碼

到此為止，這個問題時解決了。但是如果是情況1的話，我們又該如何分析下去呢？很簡單，我們?nèi)绻业搅薺edis被哪個業(yè)務(wù)線程擁有，直接從heap dump找到其線程號，然后取Jstack中搜索即可知道其卡住的代碼棧。

jmap:
redis.clients.jedis.Jedis
	|->Thread-123

jstack:

Thread-123 prio=...
	at xxx.xxx.xxx.blocked

總結(jié)

這是一個很簡單的問題，知道套路之后排查起來完全不費事。雖然最后排查出來是個很低級的代碼，但是這種分析方法值得借鑒。