問題過程
輸入法業務於12月12日上線了詞庫接受業務，對部分用戶根據用戶uuid判斷進行回傳，在12月17日早上8點多開始出現大量的php報錯（Redis went away），報錯導致了大量的鏈接積累，瞬間服務器的80端口堆積到了2w多導致了接受計費日志的接口全部返回超時，丟失了1小時的結費數據。
報錯內容如下：
[17-Dec-2018 01:32:51 UTC] PHP Fatal error: Uncaught exception 'RedisException' with message 'Redis server went away' in /opt/case/xxx/UuidForRedis.php:75
Stack trace:
#0 /opt/case/xxx/UuidForRedis.php(75): Redis->auth('KangDuiShiWei')
#1 /opt/case/xxx/UuidForRedis.php(59): UuidForRedis->connectRedis()
#2 /opt/case/xxx/pinyin/cloud_switch.php(160): UuidForRedis->__construct()
#3 /opt/case/xxx/cloud_config_new.php(187): include('/opt/case/updat...')
#4 {main}
thrown in /opt/case/xxx/UuidForRedis.php on line 75
排查過程：
收到服務器的80端口報警后，查看php錯誤是Redis鏈接超時，因Redis鏈接的時候設置的超時是10s，所以導致了大量的80端口堆積，造成了該機組的所有業務都其他接口全部都出現了5xx的超時錯誤。
線上解決：
鏈接Redis的時候增加超時設置，並設置為1秒，當Redis有鏈接問題的時候不會操作請求接口等待超時，上線后解決。
疑問：
那么現在你可能就有疑問了，redis為什么會時不時的就出現了Redis went away的錯誤呢？並且在並發高的時候越發明顯，是不是redis並發扛不住了？
Redis排查過程
日志收集
1、 該Redis是一個公共uuid平台，確認線上所有鏈接是否都加了超時，沒有全部加上並設置為1秒，並上線
2、挑選3個業務對Redis鏈接增加try catch捕獲並將異常日志記錄到文本再等待分析
錯誤部分摘要：
2018-12-20 08:00:06 Redis server went away
2018-12-20 08:00:06 Redis server went away
2018-12-20 08:00:06 Redis server went away
2018-12-20 08:00:06 Redis server went away
2018-12-20 08:00:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:05:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:10:06 Redis server went away
2018-12-20 08:15:06 Redis server went away
排查過程
聯系運維，先考慮從以下步驟依次排查問題的原因：
-
內網網絡問題
-
redis錯誤日志
-
redis的慢日志
-
防火牆的配置
-
系統錯誤日志
-
持久化配置
第一步：內網網絡問題猜測
該問題實際不好測試重現，通過實際測試代碼測試和業務日志情況分析，排查該問題
第二步：查看Redis錯誤日志
Redis錯誤日志在redis.conf中的logfile配置中，查看確認后無異常
第三步：查看redis的慢日志
通過鏈接redis-cli 輸入slowlog get查看最近128條的慢日志信息，從慢日志上分析除了有keys的異常命令外其他都表現正常，可以再排除，繼續往下排查
部分信息如下：
27.0.0.1:6379> SLOWLOG get
1) 1) (integer) 52
2) (integer) 1545183329
3) (integer) 58086
4) 1) "KEYS"
2) ""
5) "172.16.30.154:40135"
6) ""
2) 1) (integer) 51
2) (integer) 1545182639
3) (integer) 68437
4) 1) "KEYS"
2) ""
5) "172.16.30.154:28131"
6) ""
Redis的慢日志為啥會有keys命令，通過我們排查發現所有的請求是通過
在線Redis平台過去的，因為Redis是單進程單線程的，經過評估覺得該操作還是有一定風險，所以我們就暫時關閉了所有在線redis平台的查看權限
第四步：查看防火牆的配置
當前這里所說的防火牆不是防火牆配置錯了，那種錯誤是所有的鏈接都會被拒絕，現在的問題是時不時的會出現Redis went away錯誤，據某業務數據統計，1小時55萬請求里約有300多請求出現了該問題。
檢查iptables是否打開了nat轉發模塊，iptables在高並發連接時丟包，可能導致連接超時 ip_conntrack: table full, dropping packet，與運維確認后未開啟該模塊，排查了改點。
具體參考該網頁關於iptables的說明：https://zhangxugg-163-com.iteye.com/blog/2404170
第五步：查看系統錯誤日志
運維登錄該Redis機器，查看系統message里var/log/message是否有相關的錯誤信息，排查后錯誤信息正常。
第六步：redis的持久化配置
排查到這里還有一個重要的配置不能錯過，redis的持久化配置rdb和aof都有可能導致阻塞給客戶端鏈接操作了鏈接超時的情況。
先排查默認的持久化配置，通過命令和配置文件查看redis的rdb配置如下，aof未開啟可忽略
save 900 1 // 900內,有1條寫入,則產生快照
save 300 1000 // 如果300秒內有1000次寫入,則產生快照
save 60 10000 // 如果60秒內有10000次寫入,則產生快照
先關閉持久化配置，並觀察線上的錯誤信息是否有變化
config set save ""
關閉后觀察了1小時未有特別明顯的變化，繼續排查
第七步：排查是否phpredis擴展的版本
備注：php機器的版本是5.3，redis擴展的版本為xxx，線上Redis的版本是4.0
這個其實不好下定論，但是湊巧該業務還連接了另一台Redis機器，該Redis的版本也是4.0版本，但從收集的錯誤日志來看未出現任何錯誤信息，所以反向推論可以得出Redis擴展的版本並無問題。
繼續思考，排查ing...
但從最近收集到的錯誤日志來看，有一個有規律的特征，每隔5分鍾的05秒左右就會規律性的出現錯誤，這個點的數據應該引起警覺，有規律每隔5分鍾出現一次，是不是有crontab再定時做持久化rdb呢？
聯系運維再驗證一下：
通過redis-cli monitor將最近5分鍾的監控日志全部dump到文本文件中，然后對文本文件的命令進行分析，未發現異常的命令情況。
后續補充：redis的save和bgsave並不會在monitor監控列表里出現，但從其他方面驗證了沒有業務使用命令行進行了定時的save或bgsave操作
第八步：查看crontab配置
是不是crontab有5分鍾一次的相關配置，的確找到了一條，這個大家一下就會比較熟悉，公司所有機器都會有定時同步時間的：
*/5 * * * * /usr/sbin/ntpdate -s xxx || /usr/bin/rdate -s xxx; /sbin/hwclock -w
這個應該不會有問題了，但是該排查的都排查了，先去掉再看看情況：
5min
5min
5min
...
再查看3個業務線上的錯誤日志，日志全部變少了，從有規律的5分鍾出錯10來條，變成了1小時只有幾條錯誤，另兩個業務無錯誤了。
你可能也會一下就會聯想就是這個問題了，但是為什么更新時間會影響redis操作呢，這個理論上都關聯不上了，我們在反向驗證一下，把crontab再打開再觀察錯誤情況，如果錯誤又回來了那肯定就是這玩意導致的了。
繼續分析crontab的命令，把定時關掉，手動執行命令再觀察業務機器是否有報錯信息：
① 執行ntpdate命令，走的是udp協議，機房封了該協議，該命令返回是失敗的，執行並無影響排除
② 執行rdate命令，業務機器未發現錯誤，排除
③執行/sbin/hwclock -w命令，業務機器發現錯誤！！！發現錯誤！！！穩定重現！！！
看到這里，那么你關心的結果來了：
/sbin/hwclock -w在執行的過程中會導致Redis的客戶端鏈接出現Redis Went away現象。
但使用相同方法在測試環境未能重現現象
結論
/sbin/hwclock -w命令在執行的過程中會導致php客戶端連接Redis服務器出現一定幾率的Redid Went away錯誤，該命令一般執行時間約1-2秒，所以就出現了之前每隔5分鍾就定時出現一個錯誤信息。
后續為什么該命令會影響Redis的服務呢，據與其他業務了解很多軟件都依賴於時間服務，時間服務的變動都會影響到相關業務的服務提供。
后續優化
1、 所有業務鏈接第三方的api或服務，比如curl、redis、mysql等都需要設置超時
2、Redis設置超時時間建議最大為1秒，根據業務可以減少到毫秒，超時后需要有異常捕獲