由Redis的hGetAll函数所引发的一次服务宕机事件

昨晚通宵生产压测，终于算是将生产服务宕机的原因定位到了，心累。这篇博客，算作一个复盘和记录吧。。。

先来看看Redis的缓存淘汰算法思维导图：

说明：当实际占用的内存超过Redis配置的maxmemory时，Redis就会根据用户选择淘汰策略清除被选中的key。

业务场景：用户通过微信入口来访问一个页面；

测试场景：通过多线程模拟定量的并发来访问页面服务；

涉及架构：springsession+Redis集群，容器部署；

问题描述：固定并发数压测10分钟，压测开始后半小时，Redis连接数激增，连接耗尽，服务重启；

处理逻辑：

①、用户通过入口页面访问服务时，springsession给每个用户创建一个session，将key存储在Redis中；

②、Redis默认配置每隔半小时，利用hGetAll函数遍历session-key所在的集合，将最近一分钟内要过期的key全部delete，释放内存；

宕机原因：

①、Redis是单线程处理，由于高并发压测，产生了百万级的key存储在set集合中，当hGetAll函数遍历集合删除过期session的key时，大量用户连接失效；

②、失效瞬间，Redis需要创建大量连接，如果新建连接数超过了设置的最大连接数，则Redis服务容器健康检查不通过；

③、通过选举，Redis集群主从切换时需要将master的数据复制到salve；

④、主从复制时，Redis定位区域buffer（软链接）超时，最终导致服务宕机重启。

优化方案：

①、选择Redis默认淘汰策略，每秒钟选择10次，每次不超过25个，即每秒钟淘汰≤250个key；

缺点：内存耗用较高，需要通过横向扩展资源来应对该问题；

②、通过压测确定当前系统配置下的最大可处理阈值，通过网关限流、服务降级等措施来保障服务的稳定运行；

缺点：如果实际流量超过限流配置，则用户可能看到一些“友好界面”，用户体验不太好；

③、新建一个单独工程定期清理过期key，修改工程实例与Redis的消息订阅事件逻辑，降低OPS与client connect，Redis由哨兵改集群模式；

说明：方案③与方案②结合，可大大提高系统的可用性！！！

PS：在实际生产环境中，系统稳定性和可用性胜于一切！！！

老_张