前言
我司即将迎来一场巨大流量的活动,流量大的我们可能不太好预估,我们提前扩容了很多的服务,数据库,中间件。进行了大量的压测。但间歇性的人数暴涨仍然给我们的系统上了一课,以下对本次出现的问题进行总结。
redis间歇性报错
在前期,在优化接口时,将一些对于数据库的操作转移到了缓存中,(我们是用的缓存中间件是redis)但缓存在稍微高峰期总出现can’t get resouce from pool 的问题,参考网上的解决方案,我们加大了最大连接池的数量,但在高峰突刺产生时任然会出现大量的报错。
对,我们使用的连接池是jedis连接池,底层是使用阻塞队列来borrow连接池资源,
- 添加超时时间 按逻辑在连接未归还时会阻塞等待,并很可能一直等待不到,有些离谱的线程能等待1分钟多。于是按照正常逻辑我们加上了超时连接时间,虽然获取不到连接会在超时时放弃获取。虽然这样不会长时间阻塞住,但大量的出错任为解决。
- 增加获取时校验 由于经常出现失效连接我们添加了在获取前校验的逻辑,虽然这样可能会增加一次验证
TestOnBorrow
,但为了整体性能还是打算尝试一下。 - 更换连接池 由于jedis的连接池性质我们决定更换成spring目前默认支持的连接池lettuce,在更换后貌似性能好了一些,但是总会出现一个问题就是会出现间歇性的大量获取连接报错。不知道是换连接池的问题还是redis测导致的。但lettuce的坑确实比较多,这款基于netty nio机制实现的号称线程安全的框架貌似并没有给我们带来多大的提升,而且在没有配置一定参数时不能实现高可用主从节点切换。
看 这报错的间歇性是不是规律的让人诡异,在排查了定时任务和询问DBA redis是否开启持久化后任没有任何的出入。 - 切换集群,在找不出问题时,权衡了利弊最终决定切换另一套更高效的redis集群,紧急搭建了一上午切换后,redis的报错在流量达到高峰时却神奇般的消失了。那到底是什么情况导致的呢?
- 在解决了问题后回溯,DBA表示网络问题在其中产生了重要的影响,部分节点的网络差别较大,单个操作可能要达到30ms甚至更高 而快的仅需3ms。
access_latency
代表延时
mongoBb大量超时
考虑到mongoBb的性能可能不是太好,前期大量对于mongo的操作以及转移到了redis之中,但在热门比赛时任会出现大量的报错。
- 关于连接的参数,每台机器都有足够的量,超时时间也设置的较短,以防止耗时操作影响系统对于数据库仅有连接数的占有,及时让出宝贵的资源。
但在多次的参数调优之后,在高峰期时数据库仍然像一个豆腐渣一般,出现大量的异常
- 奇怪的一点是,本服务使用的大量操作属于更新,但是DBA表示我们居然有超高的插入操作,表示服务器磁盘快坚持不住了。
在经过排查后,最终了发现导致问题的原因
- mongo采用的是主从集群,我们大量的update操作在主节点操作后,会以insert的方式同步到从节点,由于服务器的网络问题,有时候会同步少些,有时候大量同步导致IO量剧增。又是由于网络导致的问题。
反思
反思是为了更好的前进,本次解决的问题是和大佬们一起反馈寻找出来的,作为一名开发可能不太能接触和监察到现网的资源信息和网络信息,但可能需要我们有这样的想法和考虑,在出现问题后有一定的方向。细微的差别在大流量时会暴露的更加明显。
相关连接:
jedispool参数
cantborrow问题分析