spring-data-redis 上百万的 QPS 压力太大连接失败，我 TM 人傻了

Posted 2021-10-09 zhxdick

大家好，我们最近业务量暴涨，导致我最近一直 TM 人傻了。前几天晚上，发现由于业务压力激增，某个核心微服务新扩容起来的几个实例，在不同程度上，出现了 Redis 连接失败的异常：

org.springframework.data.redis.RedisConnectionFailureException: Unable to connect to Redis; nested exception is io.lettuce.core.RedisConnectionException: Unable to connect to redis.production.com
    at org.springframework.data.redis.connection.lettuce.LettuceConnectionFactory$ExceptionTranslatingConnectionProvider.translateException(LettuceConnectionFactory.java:1553) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.connection.lettuce.LettuceConnectionFactory$ExceptionTranslatingConnectionProvider.getConnection(LettuceConnectionFactory.java:1461) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.connection.lettuce.LettuceConnection.doGetAsyncDedicatedConnection(LettuceConnection.java:1027) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.connection.lettuce.LettuceConnection.getOrCreateDedicatedConnection(LettuceConnection.java:1013) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.connection.lettuce.LettuceConnection.openPipeline(LettuceConnection.java:527) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.connection.DefaultStringRedisConnection.openPipeline(DefaultStringRedisConnection.java:3245) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at jdk.internal.reflect.GeneratedMethodAccessor319.invoke(Unknown Source) ~[?:?]
    at jdk.internal.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) ~[?:?]
    at java.lang.reflect.Method.invoke(Method.java:566) ~[?:?]
    at org.springframework.data.redis.core.CloseSuppressingInvocationHandler.invoke(CloseSuppressingInvocationHandler.java:61) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at com.sun.proxy.$Proxy355.openPipeline(Unknown Source) ~[?:?]
    at org.springframework.data.redis.core.RedisTemplate.lambda$executePipelined$1(RedisTemplate.java:318) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:222) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:189) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:176) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate.executePipelined(RedisTemplate.java:317) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate.executePipelined(RedisTemplate.java:307) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate$$FastClassBySpringCGLIB$$81812bd6.invoke(<generated>) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    //省略一些堆栈
Caused by: org.springframework.dao.QueryTimeoutException: Redis command timed out
    at org.springframework.data.redis.connection.lettuce.LettuceConnection.closePipeline(LettuceConnection.java:592) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    ... 142 more

同时，也有业务调用 Redis 命令超时的异常：

org.springframework.data.redis.connection.RedisPipelineException: Pipeline contained one or more invalid commands; nested exception is org.springframework.data.redis.connection.RedisPipelineException: Pipeline contained one or more invalid commands; nested exception is org.springframework.dao.QueryTimeoutException: Redis command timed out
    at org.springframework.data.redis.connection.lettuce.LettuceConnection.closePipeline(LettuceConnection.java:594) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.connection.DefaultStringRedisConnection.closePipeline(DefaultStringRedisConnection.java:3224) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at jdk.internal.reflect.GeneratedMethodAccessor198.invoke(Unknown Source) ~[?:?]
    at jdk.internal.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) ~[?:?]
    at java.lang.reflect.Method.invoke(Method.java:566) ~[?:?]
    at org.springframework.data.redis.core.CloseSuppressingInvocationHandler.invoke(CloseSuppressingInvocationHandler.java:61) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at com.sun.proxy.$Proxy355.closePipeline(Unknown Source) ~[?:?]
    at org.springframework.data.redis.core.RedisTemplate.lambda$executePipelined$1(RedisTemplate.java:326) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:222) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:189) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate.execute(RedisTemplate.java:176) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate.executePipelined(RedisTemplate.java:317) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate.executePipelined(RedisTemplate.java:307) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.data.redis.core.RedisTemplate$$FastClassBySpringCGLIB$$81812bd6.invoke(<generated>) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    at org.springframework.cglib.proxy.MethodProxy.invoke(MethodProxy.java:218) ~[spring-core-5.3.7.jar!/:5.3.7]
    at org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.invokeJoinpoint(CglibAopProxy.java:779) ~[spring-aop-5.3.7.jar!/:5.3.7]
    at org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:163) ~[spring-aop-5.3.7.jar!/:5.3.7]
    at org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.proceed(CglibAopProxy.java:750) ~[spring-aop-5.3.7.jar!/:5.3.7]
    at org.springframework.aop.interceptor.ExposeInvocationInterceptor.invoke(ExposeInvocationInterceptor.java:97) ~[spring-aop-5.3.7.jar!/:5.3.7]
    at org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:186) ~[spring-aop-5.3.7.jar!/:5.3.7]
    at org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.proceed(CglibAopProxy.java:750) ~[spring-aop-5.3.7.jar!/:5.3.7]
    at org.springframework.aop.framework.CglibAopProxy$DynamicAdvisedInterceptor.intercept(CglibAopProxy.java:692) ~[spring-aop-5.3.7.jar!/:5.3.7]
    at org.springframework.data.redis.core.StringRedisTemplate$$EnhancerBySpringCGLIB$$c9b8cc15.executePipelined(<generated>) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
//省略一部分堆栈
Caused by: org.springframework.data.redis.connection.RedisPipelineException: Pipeline contained one or more invalid commands; nested exception is org.springframework.dao.QueryTimeoutException: Redis command timed out
    at org.springframework.data.redis.connection.lettuce.LettuceConnection.closePipeline(LettuceConnection.java:592) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    ... 142 more
Caused by: org.springframework.dao.QueryTimeoutException: Redis command timed out
    at org.springframework.data.redis.connection.lettuce.LettuceConnection.closePipeline(LettuceConnection.java:592) ~[spring-data-redis-2.4.9.jar!/:2.4.9]
    ... 142 more

我们的 spring-data-redis 的配置是：

spring:
  redis:
    host: redis.production.com
    port: 6379
    # 命令超时
    timeout: 3000
    lettuce:
      pool:
        max-active: 128
        max-idle: 128
        max-wait: 3000

这些请求虽然在第一次请求发送到的实例失败了，但是我们有重试的机制，请求最后还是成功了。但是比正常的请求多了 3s，这部分请求占了所有请求的 3% 左右。

从异常堆栈上面可以看出，异常的根源都是 redis 命令超时，但是为何建立 Redis 连接的时候，也会有 Redis 命令执行呢？

lettuce 建立连接的流程

我们的 Redis 访问，使用的是 spring-data-redis + Lettuce 连接池。默认情况下，Lettuce 中的 Redis 连接建立的流程是：

1. 建立 TCP 连接
2. 进行必要的握手：
   1. 针对 Redis 2.x ~ 5.x 的版本：
   2. 如果需要用户名密码，则发送用户名密码信息
   3. 如果开启了连接使用前心跳，则发送 PING
   4. 针对 Redis 6.x 的版本：6.x 之后引入了新命令 HELLO，使用这个命令来统一初始化 Redis 连接：REDIS HELLO，这个命令参数中可以带用户名与密码，完成验证。

针对 Redis 2.x ~ 5.x 的版本，我们可以配置是否在启用连接前发送 PING 心跳，默认为是：

ClientOptions

public static final boolean DEFAULT_PING_BEFORE_ACTIVATE_CONNECTION = true;

我们使用的 Redis 版本是最新的 6.x，所以在建立连接，握手的阶段，一定需要发送一个 HELLO 命令，并等待响应成功才算连接创建成功。

那么为何这个简单的命令也会超时呢？

通过 JFR 查看 Redis 命令压力

我们的项目中 redis 操作是通过 spring-data-redis + Lettuce 连接池，启用并且增加了关于 Lettuce 命令的 JFR 监控，可以参考我的这篇文章：这个 Redis 连接池的新监控方式针不戳~我再加一点佐料，截至目前我的 pull request 已经合并，这个特性会在 6.2.x 版本发布。我们看下出问题时间附近的 Redis 命令采集，如下图所示：

可以看出，这时候 Redis 压力还是比较大的（图中的 firstResponsePercentiles 的单位是微秒）。我们这个时候，有 7 个实例，这个实例时刚启动的，压力相对于其他实例还比较小，就已经出现了连接命令超时。而且我们这里只截取了 HGET 命令，还有 GET 命令执行的次数和 HGET 是同一量级的，然后剩下其他的命令加起来相当于 HGET 的一半。这时候从客户端看，发往 Redis 的命令的 QPS 已经超过了百万。

从 Redis 的监控来看，压力确实有一些，可能会造成某些命令等待过长时间导致超时异常。

优化思路思考

我们先明确一点，针对 spring-data-redis + lettuce，如果我们没有使用需要独占连接的命令（包括 Redis 事务以及 Redis Pipeline），那么我们不需要连接池，因为 lettuce 是异步响应式的，对于可以使用共享连接的请求，都会使用同一个实际的 redis 连接进行请求，不需要连接池。但是这个微服务中，使用了大量的 pipeline 命令来提高查询效率。如果我们不使用连接池，那么会导致频繁的连接关闭与创建（每秒几十万个），这样会严重降低效率。虽然官网说，lettuce 不需要连接池，但是这是在你没有使用事务以及 Pipeline 的情况下。

首先，Redis 扩容：我们的 Redis 部署在公有云上，如果扩容也就是提高机器配置，下一个更高的配置指标相对于当前多了一倍，成本也是高了差不多一倍。目前只有在瞬时压力的时候，会出现少于 3% 的请求失败并重试下一实例，最后还是成功，针对这个对 Redis 进行扩容，从成本考虑并不值得。

然后，对于压力过大的应用，我们是有动态扩容机制存在的。对于失败的请求，我们也是有重试的。但是这个问题给我们带来的影响是：

1. 由于瞬时压力到来，新启动的实例可能一开始就会有大量请求到来，导致接口请求和建立连接之后的心跳请求混合。并且由于这些请求并没有公平队列排序，某些心跳请求响应过慢从而导致失败，重新建立连接依然可能失败。
2. 有些实例可能建立的连接比较少，不能满足并发度需求。导致很多请求其实阻塞在等待连接的过程，从而使 CPU 压力没有一下子变很大，所以没有继续触发扩容。这样对于扩容带来了更大的滞后性。

其实，如果我们有办法尽量减少或者避免连接创建失败，那么就能很大程度优化这个问题。即在微服务实例开始提供服务前，就将连接池中所有的连接创建好。

如何实现 Redis 连接池连接预创建

我们首先看看，是否可以借助于官方配置，实现这个连接池。

我们查看官方文档，发现了这样两个配置：

min-idle 即连接池中最少的连接数。 time-between-eviction-runs 是定时任务，检查连接池中的连接是否满足至少有 min-idle 的个数，同时，不超过 max-idle 那么多个数。官方文档中说，min-idle 只有配合 time-between-eviction-runs 都配置，才会生效。究其原因是：lettuce 的链接池是基于 commons-pool 实现的。连接池可以配置 min-idle，但是需要手动调用 preparePool，才会创建至少 min-idle 个数的对象：

GenericObjectPool

public void preparePool() throws Exception {
    //如果配置了有效的 min-idle，则调用 ensureMinIdle 保证创建至少 min-idle 个数的对象
    if (this.getMinIdle() >= 1) {
        this.ensureMinIdle();
    }
}

那么这个是在什么时候调用呢？ commons-pool 有定时任务，初始延迟和定时间隔都是 time-between-eviction-runs，配置的，其内容是：

public void run() {
    final ClassLoader savedClassLoader =
            Thread.currentThread().getContextClassLoader();
    try {
        if (factoryClassLoader != null) {
            // Set the class loader for the factory
            final ClassLoader cl = factoryClassLoader.get();
            if (cl == null) {
                // The pool has been dereferenced and the class loader
                // GC\'d. Cancel this timer so the pool can be GC\'d as
                // well.
                cancel();
                return;
            }
            Thread.currentThread().setContextClassLoader(cl);
        }

        // Evict from the pool
        try {
            evict();
        } catch(final Exception e) {
            swallowException(e);
        } catch(final OutOfMemoryError oome) {
            // Log problem but give evictor thread a chance to continue
            // in case error is recoverable
            oome.printStackTrace(System.err);
        }
        // Re-create idle instances.
        try {
            ensureMinIdle();
        } catch (final Exception e) {
            swallowException(e);
        }
    } finally {
        // Restore the previous CCL
        Thread.currentThread().setContextClassLoader(savedClassLoader);
    }
}

可以看出，这个定时任务执行主要保证当前池内空闲对象个数不超过 max-idle，同时至少有 min-idle 个链接。这些都是 common-pools 自己带的机制。但是没有我们需要的，在连接池一创建就去初始化所有链接。

这就需要我们自己实现了，我们首先配置 min-idle = max-idle = max-active，这样无论何时连接池中都有同样最大个数的链接。之后，我们在连接池创建出来的地方，修改源码，强制调用 preparePool 去初始化所有链接，即：

ConnectionPoolSupport

// lettuce 初始化创建连接池的时候，会调用这个方法
public static <T extends StatefulConnection<?, ?>> GenericObjectPool<T> createGenericObjectPool(
            Supplier<T> connectionSupplier, GenericObjectPoolConfig<T> config, boolean wrapConnections) {
    //省略其他代码
     GenericObjectPool<T> pool = new GenericObjectPool<T>(new RedisPooledObjectFactory<T>(connectionSupplier), config) {

        @Override
        public T borrowObject() throws Exception {
            return wrapConnections ? ConnectionWrapping.wrapConnection(super.borrowObject(), poolRef.get())
                    : super.borrowObject();
        }

        @Override
        public void returnObject(T obj) {

            if (wrapConnections && obj instanceof HasTargetConnection) {
                super.returnObject((T) ((HasTargetConnection) obj).getTargetConnection());
                return;
            }
            super.returnObject(obj);
        }

    };
    //创建好后，调用 preparePool
    try {
        pool.preparePool();
    } catch (Exception e) {
        throw new RedisConnectionException("prepare connection pool failed",e);
    }
    //省略其他代码
}

这样，我们就可以实现初始化 Redis 的时候，在微服务真正提供服务之前，初始化所有 Redis 链接。由于这里涉及源码修改，大家目前可以通过在项目中添加同名同路径的类，进行依赖库源码替换。针对这个优化，我也向 lettuce 提了 issue 以及对应的 pull request：

• ConnectionPool would be better if prepared before used
• fix 1870,ConnectionPool would be better if prepared before used