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
代码语言：javascript复制@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
代码语言：javascript复制@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
代码语言：javascript复制
/**
* 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
代码语言：javascript复制@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。
代码语言：javascript复制@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。
