線上Redis偶發性鏈接失敗排查記

来源:https://www.cnblogs.com/gaoxu387/archive/2018/12/20/10149211.html
-Advertisement-
Play Games

問題過程 輸入法業務於12月12日上線了詞庫接受業務，對部分用戶根據用戶uuid判斷進行回傳，在12月17日早上8點多開始出現大量的php報錯（Redis went away），報錯導致了大量的鏈接積累，瞬間伺服器的80埠堆積到了2w多導致了接受計費日誌的介面全部返回超時，丟失了1小時的結費數據。 ...


問題過程

輸入法業務於12月12日上線了詞庫接受業務，對部分用戶根據用戶uuid判斷進行回傳，在12月17日早上8點多開始出現大量的php報錯（Redis went away），報錯導致了大量的鏈接積累，瞬間伺服器的80埠堆積到了2w多導致了接受計費日誌的介面全部返回超時，丟失了1小時的結費數據。

報錯內容如下：

[17-Dec-2018 01:32:51 UTC] PHP Fatal error:  Uncaught exception 'RedisException' with message 'Redis server went away' in /opt/case/xxx/UuidForRedis.php:75
Stack trace:
#0 /opt/case/xxx/UuidForRedis.php(75): Redis->auth('KangDuiShiWei')
#1 /opt/case/xxx/UuidForRedis.php(59): UuidForRedis->connectRedis()
#2 /opt/case/xxx/pinyin/cloud_switch.php(160): UuidForRedis->__construct()
#3 /opt/case/xxx/cloud_config_new.php(187): include('/opt/case/updat...')
#4 {main}
  thrown in /opt/case/xxx/UuidForRedis.php on line 75

排查過程：

收到伺服器的80埠報警後，查看php錯誤是Redis鏈接超時，因Redis鏈接的時候設置的超時是10s，所以導致了大量的80埠堆積，造成了該機組的所有業務都其他介面全部都出現了5xx的超時錯誤。

線上解決：

鏈接Redis的時候增加超時設置，並設置為1秒，當Redis有鏈接問題的時候不會操作請求介面等待超時，上線後解決。

疑問：

那麼現在你可能就有疑問了，redis為什麼會時不時的就出現了Redis went away的錯誤呢？並且在併發高的時候越發明顯，是不是redis併發扛不住了？

Redis排查過程

日誌收集

1、 該Redis是一個公共uuid平臺，確認線上所有鏈接是否都加了超時，沒有全部加上並設置為1秒，並上線

2、挑選3個業務對Redis鏈接增加try catch捕獲並將異常日誌記錄到文本再等待分析

錯誤部分摘要：

2018-12-20 08:00:06 Redis server went away
2018-12-20 08:00:06 Redis server went away
2018-12-20 08:00:06 Redis server went away
2018-12-20 08:00:06 Redis server went away
2018-12-20 08:00:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:15:06 Redis server went away

排查過程

聯繫運維，先考慮從以下步驟依次排查問題的原因：

  • 內網網路問題

  • redis錯誤日誌
  • redis的慢日誌
  • 防火牆的配置
  • 系統錯誤日誌

  • 持久化配置

第一步：內網網路問題猜測

該問題實際不好測試重現，通過實際測試代碼測試和業務日誌情況分析，排查該問題

第二步：查看Redis錯誤日誌

Redis錯誤日誌在redis.conf中的logfile配置中，查看確認後無異常

第三步：查看redis的慢日誌

通過鏈接redis-cli 輸入slowlog get查看最近128條的慢日誌信息，從慢日誌上分析除了有keys的異常命令外其他都表現正常，可以再排除，繼續往下排查

部分信息如下：
27.0.0.1:6379> SLOWLOG get
 1) 1) (integer) 52
    2) (integer) 1545183329
    3) (integer) 58086
    4) 1) "KEYS"
       2) ""
    5) "172.16.30.154:40135"
    6) ""
 2) 1) (integer) 51
    2) (integer) 1545182639
    3) (integer) 68437
    4) 1) "KEYS"
       2) ""
    5) "172.16.30.154:28131"
    6) ""

Redis的慢日誌為啥會有keys命令，通過我們排查發現所有的請求是通過線上Redis平臺過去的，因為Redis是單進程單線程的，經過評估覺得該操作還是有一定風險，所以我們就暫時關閉了所有線上redis平臺的查看許可權

第四步：查看防火牆的配置

當前這裡所說的防火牆不是防火牆配置錯了，那種錯誤是所有的鏈接都會被拒絕，現在的問題是時不時的會出現Redis went away錯誤，據某業務數據統計，1小時55萬請求里約有300多請求出現了該問題。

檢查iptables是否打開了nat轉發模塊，iptables在高併發連接時丟包，可能導致連接超時ip_conntrack: table full, dropping packet，與運維確認後未開啟該模塊，排查了改點。

具體參考該網頁關於iptables的說明：https://zhangxugg-163-com.iteye.com/blog/2404170

第五步：查看系統錯誤日誌

運維登錄該Redis機器，查看系統message里var/log/message是否有相關的錯誤信息，排查後錯誤信息正常。

第六步：redis的持久化配置

排查到這裡還有一個重要的配置不能錯過，redis的持久化配置rdb和aof都有可能導致阻塞給客戶端鏈接操作了鏈接超時的情況。

先排查預設的持久化配置，通過命令和配置文件查看redis的rdb配置如下，aof未開啟可忽略

save 900 1 // 900內,有1條寫入,則產生快照
save 300 1000 // 如果300秒內有1000次寫入,則產生快照
save 60 10000 // 如果60秒內有10000次寫入,則產生快照

先關閉持久化配置，並觀察線上的錯誤信息是否有變化

config set save ""

關閉後觀察了1小時未有特別明顯的變化，繼續排查

第七步：排查是否phpredis擴展的版本

備註：php機器的版本是5.3，redis擴展的版本為xxx，線上Redis的版本是4.0

這個其實不好下定論，但是湊巧該業務還連接了另一臺Redis機器，該Redis的版本也是4.0版本，但從收集的錯誤日誌來看未出現任何錯誤信息，所以反向推論可以得出Redis擴展的版本並無問題。

繼續思考，排查ing...

但從最近收集到的錯誤日誌來看，有一個有規律的特征，每隔5分鐘的05秒左右就會規律性的出現錯誤，這個點的數據應該引起警覺，有規律每隔5分鐘出現一次，是不是有crontab再定時做持久化rdb呢？

聯繫運維再驗證一下：

通過redis-cli monitor將最近5分鐘的監控日誌全部dump到文本文件中，然後對文本文件的命令進行分析，未發現異常的命令情況。

後續補充：redis的save和bgsave並不會在monitor監控列表裡出現，但從其他方面驗證了沒有業務使用命令行進行了定時的save或bgsave操作

第八步：查看crontab配置

是不是crontab有5分鐘一次的相關配置，的確找到了一條，這個大家一下就會比較熟悉，公司所有機器都會有定時同步時間的：

*/5 * * * *  /usr/sbin/ntpdate -s xxx || /usr/bin/rdate -s xxx; /sbin/hwclock -w

這個應該不會有問題了，但是該排查的都排查了，先去掉再看看情況：

5min

5min

5min

...

再查看3個業務線上的錯誤日誌，日誌全部變少了，從有規律的5分鐘出錯10來條，變成了1小時只有幾條錯誤，另兩個業務無錯誤了。

你可能也會一下就會聯想就是這個問題了，但是為什麼更新時間會影響redis操作呢，這個理論上都關聯不上了，我們在反向驗證一下，把crontab再打開再觀察錯誤情況，如果錯誤又回來了那肯定就是這玩意導致的了。

繼續分析crontab的命令，把定時關掉，手動執行命令再觀察業務機器是否有報錯信息：

① 執行ntpdate命令，走的是udp協議，機房封了該協議，該命令返回是失敗的，執行並無影響排除

② 執行rdate命令，業務機器未發現錯誤，排除

③執行/sbin/hwclock -w命令，業務機器發現錯誤！！！發現錯誤！！！穩定重現！！！

看到這裡，那麼你關心的結果來了：

/sbin/hwclock -w在執行的過程中會導致Redis的客戶端鏈接出現Redis Went away現象。

但使用相同方法在測試環境未能重現現象

結論

/sbin/hwclock -w命令在執行的過程中會導致php客戶端連接Redis伺服器出現一定幾率的Redid Went away錯誤，該命令一般執行時間約1-2秒，所以就出現了之前每隔5分鐘就定時出現一個錯誤信息。

後續為什麼該命令會影響Redis的服務呢，據與其他業務瞭解很多軟體都依賴於時間服務，時間服務的變動都會影響到相關業務的服務提供。

後續優化

1、 所有業務鏈接第三方的api或服務，比如curl、redis、mysql等都需要設置超時

2、Redis設置超時時間建議最大為1秒，根據業務可以減少到毫秒，超時後需要有異常捕獲


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • Oracle.ManagedDataAccess.Client.OracleException:“ORA-00936: 缺失表達式”
    這是我最開始寫的代碼，講@符號換成：，因為@符號是sqlserver中的寫法。 ...
  • C#中dynamic的正確用法的代碼
    把寫內容過程中比較重要的內容段做個收藏，下邊資料是關於C#中dynamic的正確用法的內容。 dynamic dynamicObject = GetDynamicObject(); Console.WriteLine(dynamicObject.Name); Console.WriteLine(dy ...
  • 《C#併發編程經典實例》學習筆記—2.3　報告任務
    問題 非同步操作時，需要展示該操作的進度 解決方案 " " 和 " " 插一段話：讀《C 併發編程經典實例》這本書偶有困惑，深感書中內容過於精煉，或許是作者故意為之，但顯然對我這般知識淺薄的人來說，讀起來這本書感到晦澀。偶然找到作者的個人博客，看到作者博客中對某一個知識點不同時間點上由淺至深的研究，十 ...
  • windform 重繪Treeview "+-"號圖標
    模仿wind系統界面，重繪Treeview + - 號圖標 一，首先需要圖片 ，用於替換原有的 +-號 二、新建Tree擴展類 TreeViewEx繼承TreeView 生成後拖動控制項到界面中，實際效果如下 ...
  • Nhibernate入門篇連接Sqlserver的增刪查改
    第一步：創建資料庫 第二步：去官網下載：http://nhibernate.info/ nhibernate 第三步：創建一個vs項目 第四步：添加nhibernate的類庫 第五步：添加和資料庫中類型相對應的類 using System;using System.Collections.Gener ...
  • C# -- 使用線程池 ThreadPool 執行多線程任務
    C# -- 使用線程池 ThreadPool 執行多線程任務 1. 使用線程池 執行結果： 2. 等待線程池的線程執行 執行結果: ...
  • [20181219]script使用小技巧.txt
    [20181219]script使用小技巧.txt--//前幾天在使用strace時遇到問題,它的輸出使用標準錯誤句柄.--//我在想平時使用sqlplus如果輸出欄位很多,屏幕看起來一片混亂.--//是否可以通過使用script記錄操作,通過shell一些命令的功能實現更好的顯示.通過例子說明:1 ...
  • 關於.net core使用nginx做反向代理獲取客戶端ip的問題
    1、正常情況下.net core獲取客戶端ip是比較簡單的 通過這樣一個方法就能獲取到客戶端ip。 2、但是，我在centos下使用nginx代理後，這樣指向的就是本地ip了，所以需要將nginx獲取到的ip傳遞到.net core web站點。 3、首先，我們需要在Startup.cs里添加 然後 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類