线上问题 | Redis哈希结构踩坑

背景

休假期间收到公司同事的信息说系统日志有大量的报错，且收到邮件告警。

同事排查不到原因，迫不得已联系到正在休假的我。幸亏我带着电脑呢！（打工人的觉悟真高，休假都带着电脑）于是我打开电脑，连上V**，连接远程桌面，登录日志系统，查看一番，又翻了翻代码，发现是因为从Redis中查询的数据为字符串null(这种情况是Redis中不存在且数据库也不存在时，避免缓存穿透而临时缓存的字符串null)，导致抛出业务异常，打印错误日志，从而触发邮件告警。接口调用量一上来，报错就多了，于是就收到了千余封告警邮件。

由于我在休假，所以告诉同事几个排查思路，去看看Redis为啥为空（正常情况下，这种配置数据应该是在数据库中的）。

解决

于是同事最后找到了原因，是因为数据库未初始化相应数据（上线了新接口，需要增加配置，新人忘记加了），然后紧急修复了一下。

但是修复后，接下来的国庆假期，每天还是会收到上千封告警邮件(缓存的接口开关数据，且实际为关，不影响实际业务)，于是同事在值班邮件中写道：xx月xx日已修复，但缓存中为空，缓存设置了过期时间，到期会自动清除，同步数据库中数据后即不再报错。于是大家都不再关注这个问题了。

再现

细心的我发现到了过期时间之后，还是会报相应的错，还是会每天收到告警邮件，为什么呢？不是设置了过期时间吗？空值咋还在缓存中呢？

首先我们排除了数据库查不到数据的嫌疑，我们确保按线上SQL的查询条件能够查到数据。其次，我们查询了key的过期时间，换算一下还有4天过期，经过推算，从缓存null值开始计算，三天前就该过期了，为啥现在查还是4天呢？

继续排查

我们排查了代码，发现该缓存key使用的是Redis哈希结构，field是不同的用户id，value是对应的数据库记录，并设置了过期时间5天。乍一看没什么问题，但是仔细再看看，发现了猫腻。

当从Redis执行hget无法获取到数据时，会查数据库然后执行hset将用户id和对应的数据缓存，并设置过期时间为5天。原因就在这，每次执行hset时都设置过期时间，这样就导致缓存可能很久才会过期，因为过期时间可能会一直被重置。

举个例子，最初哈希无数据，用户1查询后缓存了用户1，设置5天过期，当快过期时，用户2又来查询然后缓存用户2的数据，设置5天过期，那么此时用户1的数据过期时间相当于又被重置为了5天。以此类推，最坏的情况就是，用户1的数据在哈希key每次快过期时都被重置过期时间，那么用户1的数据将会缓存(N+1)*5天才过期。即，直至所有用户数据都在哈希中且再过5天后整个hash数据才被清除。

为了验证这个观点，我们又执行了一次ttl命令，发现这次过期时间换算后为4.9天，再结合日志，发现确实有新的field被缓存！于是证实了上述猜想！

最终解决

到此，问题原因已经排查到。剩下的就是解决，思路就是：

首先删除缓存为null的field，让业务先正常走下去。为了仅提交一次工单一次性全部删除，我们排查了有多少这样的field（缓存为null但数据库有值），一次性处理完。

其次优化代码。目前存在的问题是可能导致缓存为字符串null的数据很久很久都不过期。优化方案：执行hset后判断key没有设置过期时间，再执行expire，防止过期时间被覆盖。

总结一下

问题原因：

1.数据库未初始化数据，导致缓存了null字符串，抛出业务异常导致告警

2.缓存过期时间一直被重置，导致缓存一直不刷新

3.修复问题时仅为数据库初始化数据，未主动清缓存

解决办法：

1. 判断key设置过过期时间不再重复设置

感悟：

1. 解决线上问题要严谨，不要只解决一半

至此，本次问题排查并解决完毕，这个坑你遇到过吗？希望对你有帮助！