Redis 实际应用中的异常场景及其根因分析和解决方案

转自公众号：GitChat精品课
http://mp.weixin.qq.com/s?__biz=Mzg5MzU4NzM4Mg==&mid=2247498891&idx=1&sn=ba9b4805d161ab51dda3198b6a820331

在上一场 Chat《基于 Redis 的分布式缓存实现方案及可靠性加固策略》中，我已经较为全面的介绍了 Redis 的原理和分布式缓存方案。如果只是从“会用”的角度出发，已经有很多 Chat 和博客可供参考，但是，在实际应用中，异常场景时有出现，作为一名攻城狮，仅仅“会用”是不够的，还需要能够定位、解决实际应用中出现的异常问题。

我总结了一组 Redis 实际应用中遇到的异常场景，如 Redis 进程无法拉起，故障倒换失败，Slot 指派失败等，并针对这些异常场景给出了根因分析和可供参考的解决方案。如果你对 Redis 感兴趣并且在工作中可能使用 Redis，本文介绍的“踩坑”案例值得一看。

本场 Chat 涉及的实际应用异常场景及解决方案包括：

1. 编译好的 Redis-Server 在 Linux 系统上无法启动；

2. Redis 集群故障倒换失败，备节点无法升主；

3. Redis 集群状态显示正常，但读写操作部分失败；

4. Redis 集群 Slot 丢失后，重新指派 Slot 失败；

xxx 项目中，使用 Redis 集群作为分布式缓存，它只是整个项目中的一个模块。 Redis 集群部署环境：Suse12(Linux)

每一次迭代，项目组都会编译一个大包进行验证，在同一套部署环境中，Redis 集群部署 “偶现” 失败，失败原因为部分节点上 redis-server 进程未能拉起，尝试用命令：./redis-server ./xxx/redis.conf 手动拉起 redis-server 进程报错：/lib64/libc.so.6: version `GLIBC_2.14\\’ not found(required by /opt/…/redis-server)。

很明显，报错显示安装环境 Linux 系统找不到 GLIBC2.14 版本库，而 redsi-server 依赖 GLIBC2.14，使用命令：strings /lib64/libc.so.6 | grep GLIBC 查看安装环境 GLIBC 版本，如下所示：

install_ENV:/opt/xxx/redis/bin # strings /lib64/libc.so.6 | grep GLIBCGLIBC_2.2.5GLIBC_2.2.6GLIBC_2.3GLIBC_2.3.2GLIBC_2.3.3GLIBC_2.3.4GLIBC_2.4GLIBC_2.5GLIBC_2.6GLIBC_2.7GLIBC_2.8GLIBC_2.9GLIBC_2.10GLIBC_2.11GLIBC_PRIVATE

可以看出，安装环境系统最高支持 GLIBC_2.11，低于需要的 2.14。至此，可初步定性为：编译 redis-server 的编译机 GLIBC 版本 (2.14) 高于安装环境的 GLIBC 版本 (2.11)，即：高版本编译，低版本安装，因不兼容而安装失败。

进一步分析，使用命令：strings /lib/x86_64-linux-gnu/libc.so.6 | grep GLIBC （编译机是 Ubuntu）查看编译机的 GLIBC 版本：编译机 GLIBC 版本高达 2.18（为谨慎起见，查看 libc.so.6 的软连接，确认实际采用的 GLIBC 版本）。如果是 GLIBC 版本问题，编译机的版本远高于安装环境，上述问题不应该为 “偶现”，应该 “必现”，因此，GLIBC 版本不是导致上述问题的根因。

compile_ENV: # strings /lib/x86_64-linux-gnu/libc.so.6 | grep GLIBCGLIBC_2.2.5GLIBC_2.2.6GLIBC_2.3GLIBC_2.3.2GLIBC_2.3.3GLIBC_2.3.4GLIBC_2.4GLIBC_2.5GLIBC_2.6GLIBC_2.7GLIBC_2.8GLIBC_2.9GLIBC_2.10GLIBC_2.11GLIBC_2.12GLIBC_2.13GLIBC_2.14GLIBC_2.15GLIBC_2.16GLIBC_2.17GLIBC_2.18GLIBC_PRIVATE

在安装环境 redis-server 所在路径下输入命令：objdump -T redis-server| fgrep GLIBC2.14 查看 redis-server 依赖的 GLIBC2.14 版本库的具体函数：如下所示，只有一个函数 memcpy，依赖版本为 GLIBC_2.14。

install_ENV:/opt/xxx/redis/bin # objdump -T redis-server| fgrep GLIBC_2.140000000000000000      DF *UND*  0000000000000000  GLIBC_2.14 memcpy

输入命令：objdump -T /lib64/libc.so.6 | fgrep memcpy, 查看安装环境支持的 memcpy 版本：如下所示，安装环境支持的 memcpy 函数对应 GLIBC_2.2.5。

install_ENV:/opt/xxx/redis/bin # objdump -T /lib64/libc.so.6 | fgrep memcpy000000000008c400  w   DF .text  0000000000000009  GLIBC_2.2.5 wmemcpy00000000000eef00 g    DF .text  000000000000001b  GLIBC_2.4   __wmemcpy_chk0000000000084670 g    DF .text  0000000000000465  GLIBC_2.2.5 memcpy0000000000084660 g    DF .text  0000000000000009  GLIBC_2.3.4 __memcpy_chk

输入命令：objdump -T /lib/x86_64-linux-gnu/libc.so.6 | fgrep memcpy 查看编译机支持的 memcpy 版本：

compile_ENV:# objdump -T /lib/x86_64-linux-gnu/libc.so.6 | fgrep memcpy00000000000alcc0  w   DF .text  0000000000000009  GLIBC_2.2.5 wmemcpy000000000010bdf0 g    DF .text  000000000000001b  GLIBC_2.4   __wmemcpy_chk0000000000091620 g    DF .text  0000000000000465  GLIBC_2.14 memcpy000000000008c420 g    DF .text  0000000000000465  (GLIBC_2.2.5) memcpy0000000000108990 g    DF .text  0000000000000009  GLIBC_2.3.4 __memcpy_chk

可见，编译机支持两种版本的 memcpy 函数 (2.14 和 2.2.5)。至此，根因已清晰：redis 源码依赖 GLIBC 提供的 memcpy 函数，在分布式编译中概率性的采用 memcpy[GLIBC2.2.5] 和 memcpy[GLIBC2.14] 编译 redis-server，而安装环境仅支持 memcpy[GLIBC2.2.5]，由此导致 redis-server 概率性安装失败。

• 升级安装环境的 GLIBC 版本，这显然是非常不明智的，无异于削足适履；

• 统一编译环境和安装环境，消除版本差异，这种方案需要满足一个约束：安装环境版本可控。如果你卖的是产品，用户将你的产品部署到什么系统中，你可能没办法控制，如是，该方案不可取；

• 最佳方案：

可在 redis 源码中添加约束，显式指定所依赖的 memcpy 函数的 GLIBC 版本，需添加的约束代码如下：asm(\\”.symver memcpy,memcpy@GLIBC_2.2.5\\”); 【注意】只需在调用函数 memcpy 的源文件中加入此约束

【步骤 1】编写一个简单的 C 测试程序：test.c，功能：将 src 中的字符串复制到字符数组 dest 中.

#include<stdio.h>#include<string.h>int main(){    char*src=\\\"Just for Testing\\\";    char dest[20];    memcpy(dest,src,strlen(src));    d[strlen(src)]=\\\'\\\\0\\\';    printf(\\\"%s\\\",dest);    getchar();    return 1;}

【步骤 2】在同时具有 GLIBC_2.2.5 和 GLIBC2.14 版本 memcpy 的 Linux 系统上编译 test.c，执行命令：gcc -o test test.c，再运行 test 可执行文件：输出结果 Just for Testing。

【步骤 3】命令：objdump -T test| fgrep GLIBC2.14 确认 test 依赖的 memcpy 函数的 GLIBC 版本：将会发现 memcpy 采用的是 GLIBC2.14

【步骤 4】在源码中对依赖的 memcpy 函数进行版本约束，使其按指定版本编译。添加约束代码：asm(\\”.symver memcpy,memcpy@GLIBC_2.2.5\\”);

#include<stdio.h>#include<string.h>__asm__(\\\".symver memcpy,memcpy@GLIBC_2.2.5\\\");int main(){    char*src=\\\"Just for Testing\\\";    char dest[20];    memcpy(dest,src,strlen(src));    d[strlen(src)]=\\\'\\\\0\\\';    printf(\\\"%s\\\",dest);    getchar();    return 1;}

【步骤 5】再次执行编译，运行，检测 memcpy 的版本，将会看到，test 依赖的 memcpy 的版本为 GLIBC_2.2.5，说明添加的版本约束生效。

曾经遇到一个需求：出于安全考虑，在 Redis 中加入了证书机制，因此使用了 openSSL，正因为使用了 openSSL，在安装部署中遇到了 redis-server 进程无法拉起的问题。由于安装环境 (Centos6.2 系统)openssl 版本低于编译环境，两者不兼容，导致 redis-server 启动失败。

部署 Redis 集群失败，部分节点 redis-server 进程无法拉起，没有报错信息。尝试 gdb 调试，命令：gdb ./redis-server，报错内容：

/opt/xxx/redis-server: symbol lookup error: /opt/xxx/redis-server: undefined symbol: TLSv1_2_server_method

根据报错内容，很明显，redis-server 运行中，有一个函数：TLSv12servermethod 找不到，那么，直观的思路便是查询 TLSv12servermethod，根据 IBM 的介绍)，获悉：此函数为 openSSL 库函数。根据报错提示，猜测为 openSSL 版本问题，于是，分别查询安装环境和编译环境的 openSSL 版本：

查看安装环境openSSL版本：命令openssl versionInstall-DEV:# openssl version OpenSSL1.0.0-fips 29 Mar 2010然后查看编译环境的openSSL版本：Compile-DEV:# openssl versionOpenSSL 1.0.2h  3 May 2016

从查询结果可以看出，编译环境和安装环境的 openSSL 版本差距明显，到 openSSL 官网（https://www.openssl.org/）查询，确认 TLSv12server_method 函数在 OpenSSL1.0.1e 以后才出现，至此问题定位完成。定位结论：编译机和执行机 openSSL 版本相差过大，不兼容。

鉴于实际安装部署中，操作系统版本较多，常用的有：CentOS7.1，CentOS6.2，CentOs7.4，Red Hat 7.0，Red Hat 6.4，SuSE11sp4，SuSE12sp2 等，这些系统搭载的 openSSL 版本差别较大，可能存在不兼容的问题，因此，设计解决方案如下：

通过静态链接的方式将对 openssl 的依赖打入 redis-server 中，解除 redis-server 对操作系统的 openssl 依赖。涉及修改例子如下：

#1.自定义脚本，准备好redis编译依赖的openssl，并放入新建文件夹include和libtar -zxvf ../openssl-1.0.2k.tar.gzcd openssl-1.0.2k./config -fPIC no-sharedmakecd ..mkdir lib cp openssl-1.0.2k/libcrypto.a ./libcp openssl-1.0.2k/libssl.a  ./libmkdir includecp openssl-1.0.2k/include/openssl/*  ./include#2.修改redis原生的MakeFile文件else        # All the other OSes (notably Linux)        FINAL_LDFLAGS+= -rdynamic        FINAL_LIBS+= -pthread -lrt        #此行有新增内容，添加静态链接库的路径        FINAL_LIBS+= -L../../lib -lssl -lcryptoendifendifendif#Include paths to dependencies#此行有新增内容，添加需要库的名称FINAL_CFLAGS+= -I../deps/hiredis -I../deps/linenoise -I../deps/lua/src  -I../../include

集群模式下，有一个 Redis 节点宕机，由于 Redis 集群本身有可靠性机制，通过故障倒换，备节点升主，集群仍可以提供服务。然而，宕机的节点经过修复，一段时间后重新上电，却发现 redis-server 进程无法拉起，查看服务端日志，报错信息如下：

=== REDIS BUG REPORT START: Cut & paste starting from here ===78114:M 02 Apr 21:59:54.538 #     Redis 3.0.7.6 crashed by signal: 1178114:M 02 Apr 21:59:54.538 #     SIGSEGV caused by address: 0x20000000478114:M 02 Apr 21:59:54.538 #     Failed assertion: <no assertion failed> (<no file>:0)78114:M 02 Apr 21:59:54.538 # --- STACK TRACE/xxx/bin/redis-server(logStackTrace+0x44)[0x494074]/lib64/libc.so.6(+0x3703a)[0x7fe90a86603a]/usr/java/jre1.8.0_162/lib/amd64/server/libjvm.so(+0x92b3c2)[0x7fe90b8f23c2]/usr/java/jre1.8.0_162/lib/amd64/server/libjvm.so(JVM_handle_linux_signal+0xb6)[0x7fe90b8f9196]/usr/java/jre1.8.0_162/lib/amd64/server/libjvm.so(+0x928253)[0x7fe90b8ef253]/lib64/libpthread.so.0(+0xf7c0)[0x7fe90abb57c0]/lib64/libc.so.6(+0x3703a)[0x7fe90a86603a]/xxx/bin/redis-server(clusterLoadConfig+0x117)[0x49d257]/xxx/bin/redis-server(clusterInit+0xfd)[0x49d99d]/opt/xxx/bin/redis-server(initServer+0x595)[0x464ec5]/opt/xxxs/bin/redis-server(main+0x412)[0x465ef2]/lib64/libc.so.6(__libc_start_main+0xe6)[0x7fe90a84dc36]/opt/xxx/bin/redis-server[0x45a029]78114:M 02 Apr 21:59:54.538 # --- INFO OUTPUT

通过排查，我们发现问题根因为宕机节点上的 Redis 集群配置文件 nodes-xxx.conf 存在异常，最后一行信息不完整，如下所示：

正常的集群配置文件 nodes-xxx.conf 最后一行的形式如下：

vars currentEpoch 36 lastVoteEpoch 36

故障节点 nodes-xxx.conf 最后一行的形式：

vars currentEpoch

Redis 集群一旦创建完成，每一个节点都会生成一个保存集群基本信息的配置文件 (nodes-xxx.conf)，当下线的节点重新上线时，会加载这个配置文件以恢复集群。这个过程中会调用一系列函数的调用，主要如下：

main()->initServer()->clusterInit(void)->clusterLoadConfig(char *filename)

加载配置文件的函数 clusterLoadConfig(char *filename) 部分代码如下：

/* Split the line into arguments for processing. */        argv = sdssplitargs(line,&argc);        if (argv == NULL) goto fmterr;        /* Handle the special \\\"vars\\\" line. Don\\\'t pretend it is the last         * line even if it actually is when generated by Redis. */        if (strcasecmp(argv[0],\\\"vars\\\") == 0) {            for (j = 1; j < argc; j += 2) {                if (strcasecmp(argv[j],\\\"currentEpoch\\\") == 0) {                    server.cluster->currentEpoch =                            strtoull(argv[j+1],NULL,10);                } else if (strcasecmp(argv[j],\\\"lastVoteEpoch\\\") == 0) {                    server.cluster->lastVoteEpoch =                            strtoull(argv[j+1],NULL,10);                } else {                    redisLog(REDIS_WARNING,                        \\\"Skipping unknown cluster config variable \\\'%s\\\'\\\",                        argv[j]);                }            }            sdsfreesplitres(argv,argc);            continue;        }        /* Regular config lines have at least eight fields */        if (argc < 8) goto fmterr;

如上代码所示，在加载配置文件时，由于配置文件存在上述错误，经过分割参数 argc=2（空格也计算在内）argv =[\\”vars\\”，\\”currentEpoch\\”]，由于 currentEpoch 存在，将会执行 strtoull(argv[j+1],NULL,10)，即为：strtoull(argv[2],NULL,10)，而 argv[2] 事实上是不存在的，因此报错。

修改源码，增加校验机制防止发生此类错误：对于一个宕机的节点，它的 currentEpoch 必然是小于等于在线的节点的，一旦宕机的节点重新上线，也会根据收到的其它节点的报文更新自己的 currentEpoch，因此，可以考虑为 currentEpoch 设置一个默认值，当 nodes-xxx.conf 出错时，可以采用默认的默认值。 另外，需要对下面这一行代码进行容错处理，这行代码会检验 nodes-xxx.conf 最后一行是否完整，不完整则报错。

/* Regular config lines have at least eight fields */        if (argc < 8) goto fmterr;

Redis 集群配置文件 nodes-xxx.conf 如果出现错误，对应的节点宕机后无法自愈。除了上面介绍的报错案例，nodes-xxx.conf 的缺损情况不同，报错内容也有区别，比如，报错形式 2：

=== REDIS BUG REPORT START: Cut & paste starting from here ===55251:M 02 Apr 19:38:35.892 # ------------------------------------------------55251:M 02 Apr 19:38:35.892 # !!! Software Failure. Press left mouse button to continue55251:M 02 Apr 19:38:35.892 # Guru Meditation: \\\"Unknown flag in redis cluster config file\\\" #cluster.c:20855251:M 02 Apr 19:38:35.892 # (forcing SIGSEGV in order to print the stack trace)55251:M 02 Apr 19:38:35.892 # ------------------------------------------------55251:M 02 Apr 19:38:35.892 #     Redis 3.0.7.6 crashed by signal: 1155251:M 02 Apr 19:38:35.892 #     SIGSEGV caused by address: 0xffffffffffffffff55251:M 02 Apr 19:38:35.892 #     Failed assertion: <no assertion failed> (<no file>:0)55251:M 02 Apr 19:38:35.892 # --- STACK TRACE/opt/xxx/bin/redis-server(logStackTrace+0x44)[0x494074]/opt/xxx/bin/redis-server(_redisPanic+0x7e)[0x493b4e]/usr/java/jre1.8.0_162/lib/amd64/server/libjvm.so(+0x92b3c2)[0x7fe450d0f3c2]/usr/java/jre1.8.0_162/lib/amd64/server/libjvm.so(JVM_handle_linux_signal+0xb6)[0x7fe450d16196]/usr/java/jre1.8.0_162/lib/amd64/server/libjvm.so(+0x928253)[0x7fe450d0c253]/lib64/libpthread.so.0(+0xf7c0)[0x7fe44ffd27c0]/opt/xxx/bin/redis-server(_redisPanic+0x7e)[0x493b4e]/opt/xxx/bin/redis-server(clusterLoadConfig+0x70e)[0x49d84e]/opt/xxx/bin/redis-server(clusterInit+0xfd)[0x49d99d]/opt/xxx/bin/redis-server(initServer+0x595)[0x464ec5]/opt/xxxbin/redis-server(main+0x412)[0x465ef2]/lib64/libc.so.6(__libc_start_main+0xe6)[0x7fe44fc6ac36]