前言

  最近碰到了一个Bug，折腾了我好几天。并且这个Bug不是必现的，出现的概率比较低。一开始我以为是旧数据的问题，就让测试重新生成了一下数据，重新测试。由于后面几轮测试均未出现，我也就没太在意。

  可惜好景不长，测试反馈上次的问题又出现了。于是我立马着手排查，根据日志的表现，定位是三方服务出问题了。但是我不是非常确定，于是让测试继续观察。

  然而今天又出现了，这次并不是第三方服务引起的。于是我开始逐行审查代码，进行排查。一开始以为缓存的维护策略不对，导致数据库和redis出现数据不一致的情况。但是经过进一步分析日志，发现问题并不是在Redis而是在Spring事务。

场景介绍

  业务场景如下：用户绑定了设备，需要显示在设备列表内，并且可以查看设备信息。

  当用户绑定了一个设备，我需要在数据库内新增一条绑定记录。然后修改用户的策略，在用户的策略里面加上当前的设备，这样就可以查看设备信息了。

  如果用户再次绑定同一个设备，会将原先的记录解绑，再生成一条新的绑定记录，由于是同一个设备覆盖绑定，则不会去修改用户策略。

  如果在设备端或者手机端，进行解绑操作。则服务端会将绑定记录的状态变为解绑，同时用户策略也会删除当前设备。这样就看不到设备信息了。

代码示例

代码结构

@Slf4j
@Service
public class DeviceUserServiceImpl {

    @Resource
    private DeviceUserServiceImpl self;
    
    /**
     * 绑定操作
     */
    @Transactional(rollbackFor = Exception.class)
    public DeviceBindVo doBind(DeviceBindBo bo, DevicePo device) {
      //  绑定逻辑
    }
    
    
    /**
     * 设备解绑
     */
    @Override
    @Transactional(rollbackFor = Exception.class)
    public void unbind(DeviceUnbindBo bo) {
        DeviceUserPo deviceUser = self.getBindInfo(bo.getDeviceId(), bo.getUserId());
        self.unbind(deviceUser, true);
    }

    /**
     * 设备解绑，公共逻辑
     */
    public void unbind(DeviceUserPo deviceUser, boolean modifyPolicy) {
        // 解绑逻辑
    }
    
    /**
     * 获取绑定记录
     */
    @Override
    @Cacheable(value = RedisPrefixConst.DEVICE_USER, key = "#deviceId")
    public DeviceUserPo get(Long deviceId) {
        // 获取绑定记录
    }
}    

绑定逻辑

@Transactional(rollbackFor = Exception.class)
public DeviceBindVo doBind(DeviceBindBo bo, DevicePo device) {
    // 获取设备绑定信息，判断设备是否被绑定
    DeviceUserPo oldDeviceUser = self.get(bo.getDeviceId());

    boolean modifyPolicy = true;

    if (oldDeviceUser != null) {
        self.unbind(oldDeviceUser);
        modifyPolicy = false;
        log.info("设备绑定->已完覆盖绑定的解绑流程");
    }

    // 新增绑定记录
    DeviceUserPo newDeviceUser = new DeviceUserPo();
    log.info("设备绑定->已生成新的deviceUser数据: deviceUserId={}", newDeviceUser.getDeviceUserId());

    // 删除缓存
    self.deleteCache(bo.getUserId(), bo.getDeviceId());

    // 根据需求，更新策略
    if (modifyPolicy) {
        certService.modifyUserPolicy(bo.getUserId());
        log.info("设备绑定->已更新用户证书策略.");
    }

    // 返回绑定信息
    return new DeviceBindVo();
}

解绑逻辑

/**
 * 设备解绑
 *
 * @param bo 参数
 */
@Override
@Transactional(rollbackFor = Exception.class)
public void unbind(DeviceUnbindBo bo) {
    DeviceUserPo deviceUser = self.getBindInfo(bo.getDeviceId(), bo.getUserId());
    self.unbind(deviceUser, true);
}


public void unbind(DeviceUserPo deviceUser, boolean modifyPolicy) {
    // 解绑
    Assert.isTrue(
            // 执行解绑SQL,
            () -> new BizException(DeviceCodeEnum.DEVICE_NOT_BOUND)
    );
    log.info("设备解绑->已更新数据库deviceUser的状态为unbind: deviceUserId={}", deviceUser.getDeviceUserId());

    // 删除缓存
    self.deleteCache(deviceUser.getUserId(), deviceUser.getDeviceId());

    // 更改策略
    if (modifyPolicy) {
        certService.modifyUserPolicy(deviceUser.getUserId());
        log.info("设备解绑->已更新用户证书策略完成: userId={}", deviceUser.getUserId());
    }
}

获取绑定信息

@Override
@Cacheable(value = RedisPrefixConst.DEVICE_USER, key = "#deviceId")
public DeviceUserPo get(Long deviceId) {
    // 查询SQL
}

问题排查过程

  首先我们的业务场景是：用户绑定了设备，需要显示在设备列表内，并且可以点击查看设备信息。
Bug场景是：设备已经绑定成功了，并且显示在设备列表内，但是无法查看设备信息。

错误结论：第三方服务问题

  为什么会这样认为呢？首先无法查看设备信息，一定是策略有问题导致的。但是我查看了这个用户的策略，是有该设备的访问权限。然后我又查看了第三方服务的文档，说修改用户策略，生效时间可能会有几分钟的延迟。

   我问他们有没有试过等几分钟，再查看设备信息。他们说没有，重新绑定了一下就正常了。所以我就回复他们可能是三方服务策略生效时间延迟导致的。

  其实当时，如果他们过几分钟，再测试查看设备信息，如果能正常查看，那就说明是第三方服务策略生效延迟导致的。但是他们并不知道，策略修改以后，可能会延迟生效，就没有做这个场景的测试。

  由于出现Bug了，他们就尝试复现，重新绑定了设备。但是这个Bug不是必现的，接连好几次都成功了，并没有复现出来。所以他们将出现的异常情况告知了我。于是我就开始排查了，但是在排查过程中我忽略了一个关键点，就是他们为了复现Bug，重新测试绑定流程，并且都成功了。这也为我后面得出这个错误结论埋下了一个伏笔。

  由于我忽略了那个关键点，在排查过程中发现用户是有该设备的策略的。现在回过头来看，发现当时大脑估计是短路。因为他们在复现的过程中并没有出现失败，都是成功的，所以策略里面肯定是该设备的。由于策略里面有该设备，并且第三方服务的文档有提到策略可能会延迟生效，所以就得出了第三方服务有问题的结论。

  但是我对这个结论不是非常确定，所以让他们继续观察。并且跟他们说，如果再次出现不要做任何操作。通知我进行排查。然而今天又出现了经过排查发现是策略缺失。所以就排除是第三方服务出问题引起的了。

真实的原因

  既然排除了是策略未生效的问题，发现是策略缺失了。正常情况下，绑定成功了会修改用户的策略，那么为啥没修改呢？

  通过观察绑定代码发现，不修改用户策略只有一种情况下会产生，就是发现设备已经被绑定了，在进行覆盖绑定就不会修改策略。但是实际情况，设备已经解绑了，再进行绑定。按理来说是获取不到已经绑定的信息的。

@Transactional(rollbackFor = Exception.class)
public DeviceBindVo doBind(DeviceBindBo bo, DevicePo device) {
    // 获取设备绑定信息，判断设备是否被绑定  --> 问题点
    DeviceUserPo oldDeviceUser = self.get(bo.getDeviceId());

    boolean modifyPolicy = true;

    if (oldDeviceUser != null) {
        self.unbind(oldDeviceUser);
        modifyPolicy = false;
        log.info("设备绑定->已完覆盖绑定的解绑流程");
    }

    // 新增绑定记录
    DeviceUserPo newDeviceUser = new DeviceUserPo();
    log.info("设备绑定->已生成新的deviceUser数据: deviceUserId={}", newDeviceUser.getDeviceUserId());

    // 删除缓存
    self.deleteCache(bo.getUserId(), bo.getDeviceId());

    // 根据需求，更新策略
    if (modifyPolicy) {
        certService.modifyUserPolicy(bo.getUserId());
        log.info("设备绑定->已更新用户证书策略.");
    }

    // 返回绑定信息
    return new DeviceBindVo();
}

  那么为什么还能获取到，已经绑定的信息呢？由于get方法是加了缓存的，如果还能获取，也就说明在解绑的时候没有清除缓存。导致在绑定的时候，误以是覆盖绑定，才没有去修改策略，导致问题的出现。

@Override
@Cacheable(value = RedisPrefixConst.DEVICE_USER, key = "#deviceId")
public DeviceUserPo get(Long deviceId) {
    // 查询SQL
}

  通过观察解绑逻辑，发现是先更新数据库，再进行删除缓存。虽然在高并发下，可能在极短时间数据库已经解绑了，但是缓存还没来得及清除，获取到的还是已绑定的状态。

  但是对于我这个场景来说是不可能的出现的。由于从解绑设备，到操作设备进入绑定模式，再进行绑定。整个操作的耗时，缓存早就被清理了。并且通过查看接口日志，也发现缓存缺失是被删除了。那么为什么缓存里面还存有绑定信息呢？

  后来发现是其他线程的会获取调用get()方法，获取绑定信息做逻辑处理。由于解绑时删除了缓存，所以这个时候会从数据库里面查询最新的绑定信息并加载进缓存。按理来说这个时候，查询到的应该是解绑的状态，而不是绑定状态。

  在进行代码审查的，我看到unbind(DeviceUnbindBo bo)上有事务，unbind(DeviceUserPo deviceUser, boolean modifyPolicy)没有事务。并且是由自身的代理对象self调用的。根据Spring的事务传播性来讲，最外层开启了事务，并且通过代理对象调用内部方法，该内部方法也是具有事务的。所以说当unbind方法内的所有逻辑执行完后事务才会提交。

/**
 * 设备解绑
 *
 * @param bo 参数
 */
@Override
@Transactional(rollbackFor = Exception.class)
public void unbind(DeviceUnbindBo bo) {
    DeviceUserPo deviceUser = self.getBindInfo(bo.getDeviceId(), bo.getUserId());
    self.unbind(deviceUser, true);
}

public void unbind(DeviceUserPo deviceUser, boolean modifyPolicy) {
    // 解绑
    Assert.isTrue(
            // 执行解绑SQL,
            () -> new BizException(DeviceCodeEnum.DEVICE_NOT_BOUND)
    );
    log.info("设备解绑->已更新数据库deviceUser的状态为unbind: deviceUserId={}", deviceUser.getDeviceUserId());

    // 删除缓存
    self.deleteCache(deviceUser.getUserId(), deviceUser.getDeviceId());

    // 更改策略
    if (modifyPolicy) {
        certService.modifyUserPolicy(deviceUser.getUserId());
        log.info("设备解绑->已更新用户证书策略完成: userId={}", deviceUser.getUserId());
    }
}   

  到这里基本破案了，bug发生的过程如下：当服务端收到解绑请求时，先更改数据库的绑定状态，然后再删除缓存。在执行修改用户策略的时候，其他的线程来查询绑定信息，由于缓存已经被删除了，所以这个时候需要去数据库内查询最新的绑定信息。但是由于unbind方法具有事务，并且修改用户策略还未执行完，所事务并没有提交。导致查询到的还是旧的绑定信息，并将其写入缓存。

  这也就导致了，在重新绑定的时候，明明已经解绑了，获取到的还是绑定的状态。导致进行覆盖绑定，从而没有修改用户策略，设备绑定成功了，但无法查看设备详情。

解决方法

  解决方法非常简单，把@Transactional去掉即可。由于没有事务只要执行完更新SQL就提交了。所以避免在耗时的操作里加上事物，也就避免了上述问题的产生。

总结

  在实际开发中，我们可能一不小心就掉进了Spring事务的坑里了，所以对于事务我们需要特别小心。对于事务，并不是简单的加个@Transactional注解就行了。而是每加一个@Transactional都要认真思考，否则它可能会给你来点意外的惊喜。

结尾

  如果觉得对你有帮助，可以多多评论，多多点赞哦，也可以到我的主页看看，说不定有你喜欢的文章，也可以随手点个关注哦，谢谢。

  我是不一样的科技宅，每天进步一点点，体验不一样的生活。我们下期见！