HikariCP重连失败问题

现象

3月3号晚上22点30分左右oracle数据库发生宕机，之后过5分钟左右重启成功，在数据库重启之后，两个业务节点（一样的配置），一个自动重连成功，一个自动重连失败。

排查

分析日志

首先还是看了下日志，发现重连成功的节点业务一切正常，而重连失败的节点一大片抛出超时异常

从日志中可以看出，是去hikaricp获取连接的时候超时了。而之前数据库宕机的时候重连成功的节点异常日志如下

可以看到也是获取连接超时了，但是如果你细看会发现有个点不一样：有问题的节点日志中显示的是BaseHikariPool，而没问题的节点显示的是HikariPool。经过代码排查发现，项目中引入了两个不同版本的HikariCP，一个是项目本身引入的3.4.5版本，另一个是Quartz引入的2.3.13版本，而有问题的节点引入的就是2.3.13版本，那时候用的名称还是BaseHikaricPool。那么问题来了，为什么两个一模一样的配置启动的节点会引用了不一样的包呢？这和环境加载包的顺序有关，参考这篇文章。

查看源码

在日志里分析出使用了不同的版本HikariCP之后，接着就开始分析2.3.13和3.4.5版本到底在设计上有什么不同，是否2.3.13版本存在获取连接的缺陷。

2.3.13版本去连接池获取连接流程如下：

3.4.5版本去连接池获取连接流程如下：

3.4.5版本的流程和2.3.13版本基本一样，做了稍许修改：

• 去除了AbstractQueuedLongSynchronizer的等待
• 添加了SynchronousQueue队列和等待者来获取连接

这里只是对逻辑进行了优化，从两个版本的流程图中可以看出如果连接失效都是会先关闭连接再重新去获取的，这说明获取连接的逻辑没问题，只有以下一种（排除网络问题）可能会导致日志中出现的连接池获取超时：

连接池满了并且所有连接状态都不为STATE_NOT_IN_USE。

看下归还连接逻辑

2.3.13：

这里可以看出一个问题，如果state的CAS操作失败，状态会停留在STATE_IN_USE并且打印一个警告日志，如果池子里连接已满并且都是这种状态的连接，则后续的获取连接都会超时，也就是符合上面那种情况。

3.4.5：

可以看到3.4.5版本会直接将state设置为STATE_NOT_IN_USE，这样后续从连接池中就能够获取到连接。

重现

接着开始重现一下这个问题，将本地代码hikaricp版本改为2.3.13，将本地数据库连接指向测试环境数据库并启动程序，在程序运行一会儿后关闭数据库。等待几分钟后再次启动数据库，发请求过去发现连接池会重新获取连接。问题暂时无法重新，说明应该是比较极端的多线程情况下才会出现，后面要再多线程试一下。

总结

目前从代码中看两个版本的设计，只能推断出可能是连接池满了并且所有连接状态做CAS操作为STATE_NOT_IN_USE失败导致，真正的原因还是无法确定。

平时系统中还是应该加好监控以及日志，在出问题的时候要及时把当时的jvm相关信息dump出来，事后去分析的话缺少很多信息是无法查到根本原因的，另外在开发的时候要注意版本冲突，不然会出现一个莫名其妙的问题。

参考资料

https://zhuanlan.zhihu.com/p/...