缘起：
redis.clients.jedis.exceptions.JedisConnectionException:Could not get a resource from the pool
生产环境的业务服务器报了大量上面的错误。Jedis无法从连接池中获取一个可用的连接，所有客户端与Redis服务端保持通信的连接都在工作中，没有闲置的连接可以使用。
目前生产环境每天Redis的QPS在5000左右，连接池配置20个最大连接数貌似是真的很小，是不是增大连接池的配置就解决问题了？出现这个问题的根本原因是：连接池中的Jedis对象是有限的，如果Jedis一直被占用，没有归还，如果这时需要操作redis，就需要等待可用的Jedis，当等待时间超过maxWaitMillis，就会抛出could not get a resource from pool。以下几种场景会出现这个问题：
1.并发实在太高了，连接池中的连接数确实太小了，大量的请求等待空闲的连接。
2.由于Redis是单线程，某个查询太慢，阻塞了其他操作命令的执行。
3.Redis内部问题导致处理客户端的命令慢了，比如RDB持久化时，fork进程做内存快照；AOF持久化时，AOF文件重写时会占用大量的CPU资源；
4.大量key同时过期。
以下数据来自于CAT对缓存的监控数据：蓝线表示出现Could not get a resource from the pool的次数，绿线表示QPS，从图中可以看出随着QPS的升高，出现异常的次数也在增高，难道真的是因为QPS高，连接池数小的原因？
CAT上按照小时为维度获取缓存出现异常的数据如下：
从以下数据可以发现缓存出现异常的时间段都比较集中，而且间隔的时间段貌似存在着某种规律。出现问题的时间段也并不是每天QPS最高的时候，QPS最高的几个时间段反而没有出现任何异常。取了一个出现异常的时间段的缓存情况如下
发现这个时间段有几个比较耗时的操作命令，但是这几个命令在其他时间段最大耗时就10多毫秒。业务上也不存在不合理使用Redis数据结构的问题。是该看看缓存的监控情况了（这一部分图片没截）。
找运维看了Redis的情况，发现Redis的某个时间段CPU飙到100%了，这个时间段和出现异常的时间段吻合。问题基本已经确认，这个时间段Redis内部一定发生了点什么，导致处理客户端的请求变慢了，导致大量的请求被阻塞，超过maxWaitMillis时，集中出现了大量的Could not get a resource from the pool异常。
生产环境Redis的持久化策略是AOF，AOF会将所有的写命令按照一定频率写入到日志文件中，随着AOF文件越来越大，里面会有大部分是重复命令或者可以合并的命令（比如100次incr = set key 100），重写可以减少AOF日志尺寸，减少内存占用，加快数据库恢复时间。AOF重写的过程会fork一个子进程，导致CPU飙到100%了。在这种情况下即使增大接池连接数也没什么卵用。这个问题的解决思路是减少AOF重写的频率，两种方式：
1、让Redis决定是否做AOF重写操作，根据auto-aof-rewrite-percentage和auto-aof-rewrite-min-size两个参数，auto-aof-rewrite-percentage：当前写入日志文件的大小超过上一次rewrite之后的文件大小的百分之多少时重写；auto-aof-rewrite-min-size：当前aof文件大于多少字节后才触发
2、用crontab定时重写，命令是：BGREWRITEAOF
上面提到慢查询会阻塞Redis，那么业务开发同学在使用时如何避免呢？
1、避免让Redis执行耗时长的命令，绝大多数读写命令的时间复杂度都在O(1)到O(N)之间，O(1)的命令是安全的，O(N)命令在使用时需要注意，如果N的数量级不可预知，应避免使用，如对一个field数未知的Hash数据执行HGETALL/HKEYS/HVALS命令，通常来说这些命令执行的很快，但如果这个Hash中的field数量极多，耗时就会成倍增长
2、避免在使用这些O(N)命令时发生问题主要有几个办法：不要把List当做列表使用，仅当做队列来使用，严格控制Hash、Set、Sorted Set的大小，将排序、并集、交集等操作放在客户端执行，禁止使用KEYS命令
3、避免一次性遍历集合类型的所有成员，而应使用SCAN类的命令进行分批的，游标式的遍历SSCAN/HSCAN/ZSCAN等命令，分别用于对Set/Hash/Sorted Set中的元素进行游标式遍历
4、尽可能使用长连接或连接池，避免频繁创建销毁连接，使用pipelining将连续执行的命令组合执行
网友评论