1.客户端周期性出现connect timeout

1. 背景：

      大部分互联网公司都会有Mysql或者Oracle的DBA，但是在Nosql方面一般不会设置专门的DBA。不过对于一些知名的互联网公司来说，Nosql的使用量是巨大的，所以通常让Mysql的DBA或者单独聘请工程师来维护一些Nosql数据库，比如:

      Redis, Hbase, Memcache(其实严格讲不是nosql), Mongodb, Cassandra。从讲座看美团网应该是有专职的Redis DBA。所以作为业务开发人员不需要自己安装、配置、运维Redis，只需要找Redis DBA来申请就可以了。

      这里为了简化说明：Redis DBA提供的服务叫做Redis云，业务开发人员叫做业务端（redis的使用者）

     

   2. 现象：

       业务端在使用redis云提供的redis服务后，经常出现connect timeout：

 redis.clients.jedis.exceptions.JedisConnectionException
 java.net.SocketException
 java.net.SocketTimeoutException:connect time out

   

   3. 分析和怀疑：

   业务端一般认为redis出现问题，就是redis云有问题，人的“正常”思维：看别人错误容易，发现自己难，扯多了, 出现这个有很多原因：

   (1). 网络原因：比如是否存在跨机房、网络割接等等。

   (2). 慢查询，因为redis是单线程，如果有慢查询的话，会阻塞住之后的操作。 

   (3). value值过大？比如value几十兆，当然这种情况比较少，其实也可以看做是慢查询的一种

   (4). aof重写/rdb fork发生？瞬间会堵一下Redis服务器。

   (5). 其他..................

 

   4. 查询原因

   演讲者一开始怀疑是网络问题，但是并未发现问题，观察各种对比图表，tcp listenOverFlow和timeout经常周期出现。（赞一下这个监控，我们监控现在还没有这个层面的）

   有关listenOverFlow:

查看现有的连接数是否大于设置的backlog，如果大于就丢弃，并相应的参数值加1。其中backlog是由程序和系统参数net.core.somaxconn共同设置，当backlog的值大于系统设置的net.core.somaxconn时则取net.core.somaxconn的值，否则取程序设置的backlog值。这种出错的方式也被记录在TcpListenOverflows中（其只记录了连接个数不足而产生溢出错误的次数！）。

   觉得可能和TCP相关，于是分析了Tcp三次握手：最后一次握手客户端的请求会进入服务器端的一个队列（可以认为是下三图）中，如果这个队列满了，就会发生上面的异常。(accept)

  (1) TCP三次握手： 

  

  (2) redis客户端与redis服务器交互的过程（本质就是TCP请求）

  (3) I/O 多路复用程序通过队列向文件事件分派器传送套接字的过程

   

   (4) 和redis有什么关系呢?

        由于Redis的单线程模型（对命令的处理和连接的处理都是在一个线程中），如果存在慢查询的话，会出现上面的这种情况，造成新的accept的连接进不了队列。

   

    如果上面的图没法理解的话，看看这张图：

     

 

   5. 解决方法：

    (1) 对慢查询进行持久化，比如定时存放到mysql之类。（redis的慢查询只是一个list，超过list设置的最大值，会清除掉之前的数据，也就是看不到历史）

    (2) 对慢查询进行报警（频率、数量、时间）等等因素

    (3) 打屁股，哈哈：

    

     (4) 其实应该做的是：对业务端进行培训，告诉他们一下redis开发的坑，redis不是万金油，这个和Mysql DBA要培训Mysql使用者一样，否则防不胜防。

      比如他执行了 monitor, keys *, flushall, drop table, update table set a=1; 这种也是防不胜防的（ 当然也可以做限制，利用rename-command一个随机数），但是提高工程师的水平才是关键。