redis引发的一次生产事故，内存爆满

redis引发的一次生产事故

问题描述：

• 发版后回归测试，不定时出现token失效，导致自动退出到登录界面。
• 如果操作的人员较多，token失效的就比较快，操作的人员较少token失效的相对较慢。

问题复现：

• 同一账号多人操作：很快就会出现token失效
• 不同账号多人操作：很快就会出现token失效
• 单个账号操作：较长时间出现token失效

问题排查：

• 检查和token相关的一系列配置，查看是否配置问题
• token的有效时长：设置的是48小时-----正常
• 是否允许多个登录：设置允许多方登录-----正常
• token是存储于redis缓存中的，重新登录，检查生成的token是否正常存储于redis。redis中新生成的token的过期时间是48小时左右，所以可以排除自身到期淘汰的原因。
• 让开发人员检查代码中是否有token相关的操作。
• 都不是这些原因，所有能想到的都已经排除了，真的头大。
• 再次让业务人员一起操作，然后我也登录，记录自己的token ，redis中token信息一切正常，再次退出登录的时候发现redis中这个token也消失了。
• 这时候可以确定 是redis中的token丢失而导致失效，从而退出登录。
• 至于为什么会丢失，还是没有头绪。

确认原因

• 然后问了下运维同事，帮忙看看redis有什么特殊的情况，这一看就有结果了：redis内存基本快满了，而且没有做预警，大家都不知道。

• 查了下有什么大key或者热key占用了这么多的内存

• 

• 发现系统中另一个服务占用了redis极大的内存，如下

• 

• 这个服务是公司基础架构的服务，里面的功能日志是通过redis模式传输的，然后在读取redis落库以达到异步解耦。落库成功就会删除redis, 而且有个定时任务负责落库，删除redis。而我们因为不了解细节 没有启用这个定时任务(也可以说压根不知道这玩意的存在)，才导致了这个结果。

• 为什么就不能设置一个过期时间呢，为什么！

• 直接让运维同事删除这些缓存，然后多人操作系统 再试试是否会出现token失效，结果是一切正常，也不会退出登录了。

为什么

• redis内存不足，为什么会删除我的数据而不是报写入错误呢

• 这个就和redis的内存淘汰策略有关了, redis默认的淘汰策略是noeviction 不淘汰数据，新增或者修改操作抛异常，而我们的环境设置的是volatile-lru

• redis是内存工具，所以在内存快要用完的时候，怎么去取舍已存入的数据和即将要存入的数据，redis官方提供了8种淘汰策略，配置是maxmemory-policy 。

• 所有的策略如下

• volatile-lru：在设置过期时间的数据中淘汰最少使用的数据。

• allkeys-lru：在所有的数据中淘汰最少使用的数据。

• volatile-lfu：在设置过期时间的数据中淘汰使用频率最低的数据。

• allkeys-lfu：在所有的数据中淘汰使用使用频率最低的数据。

• volatile-random：在设置过期时间的数据中淘汰任意随机数据。

• allkeys-random：在所有的数据中随机淘汰数据。

• volatile-ttl：在设置过期时间的数据中淘汰最早过期的数据。

• noeviction：默认策略，不淘汰数据，新增或者修改数据会抛异常，但是读操作正常进行，不受影响