迟到的故障公告:错误的缓存数据引发新版博客后台发布后的故障

10月18日晚上 22:00 ,我们对处于灰度发布阶段的新版博客后台(Angular 8.2.7 + .NET Core 3.0)进行了一次发布操作,在发布后由于清除缓存 web api 的一个 bug 造成在发布后通过新版博客后台修改的博文无法访问(404错误);在发现问题后,我们回退至发布之前的版本,但是由于 appsettings.Production.json 配置文件的不一致造成回退后的版本出现 500 错误;在修复配置文件问题后,在 docker swarm 集群上部署时又遭遇奇怪的容器健康检查失败的问题,多次部署后才成功,直至 23:00 左右才恢复正常。

非常抱歉,这次故障给使用新版博客后台的园友带来了很大的麻烦,请您谅解。

在这次发布中包含一个比较大但却没有引起我们足够重视的变更,原先在博客后台代码中进行的清除 memcached 缓存(修改博文时清除对应的缓存)的操作改为调用 web api ,在实现清除缓存 web api 时由于没有足够重视在没有写集成测试覆盖的情况下就发布了,从而没有及时发现其中埋藏的一个 bug ,这个 bug 是由下面的 C# 代码引起的:

await _cacheService.RemoveAsync(CacheKeyManager.GetBlogPost(blogId.Value, postId.Value));
var post = await blogPostService.GetCachedPostById(blogId.Value, postId.Value);            
//...
if (post.DisplayOnHomePage)
{
    await ClearHomePostsList(blogId.Value);
}
//..

上面的代码中在清除所修改博文的缓存后,又获取该博文进一步清除与该博文相关联的缓存,调用 GetCachedPostById 方法时又创建了缓存,但由于实现时漏写了 DTO 映射配置代码,造成缓存的 BlogPostDto 字段值不完整从而 PostId 的值为 0 。在我们的缓存机制中,对于不存在的博文,会 new 一个空的 PostId 为 0 的 BlogPostDto 放入缓存,所以 PostId 为 0 的缓存数据都当作不存在的博文直接响应 404 ,故障因此而引发。

针对这次故障,在修掉 bug 代码的同时我们将采取以下改进措施:

1)对从缓存中获取的数据进行校验并自动修复,这样即使出现错误的缓存数据,也可以减少对业务的影响。

else if (blogPost.PostId != postId)
{
    blogPost = await GetBlogPostById(blogId, postId);
    await _cacheService.UpdateAsync(cacheKey, 3600, blogPost);
}

2)加强 Code Review

3)提高集成测试的覆盖率

4)解决生产环境配置管理的问题

5)改用 k8s 部署生产环境

最近的新版博客后台发布故障暴露了我们在团队开发能力上的落后,我们正在努力改进与提升,希望大家能够谅解我们暂时的 low 。

posted @ 2019-11-20 16:46  博客园团队  阅读(...)  评论(... 编辑 收藏