最近我们线上有个应用服务器有点上头,CPU 总能跑到 99%,我寻思着它流量也不大啊,为啥能把自己整这么累?于是我登上这台服务器,看看它到底在干啥!
以前碰到类似问题,可能会考虑使用top -Hp
加 jstack
命令去排查,虽然能大致定位到问题范围,但有效信息还是太少了,多数时候还是要靠猜。
今天向大家推荐一款更高效更精准的工具:Arthas
!
Arthas 是 Alibaba 开源的 Java 诊断工具,能够帮助我们快速定位线上问题。基本的安装使用可以参考官方文档:https://alibaba.github.io/arthas 这次我们利用它来排查 CPU 负载高的问题。
CPU 负载过高一般是某个或某几个线程有问题,所以我们尝试使用第一个命令:thread
,这个命令会显示所有线程的信息,并且把 CPU 使用率高的线程排在前面。
为了方便阅读,删掉了一些不重要的信息
可以看到,CPU 资源几乎被前两个线程占满,并且已经执行了 4000 多分钟,我们服务器也就启动了两天,可见这两天它们是一刻也没闲着!
那它们究竟在干什么呢?我们可以使用命令:thread id
,查看线程堆栈
也可以使用 thread -n 3 命令打印出 CPU 占比最高的前三个线程,这差不多是
top -Hp
&printf
&jstack
三令合一的效果了
可以看到,这个线程一直在执行HashBiMap.seekByKey
方法(可以重复执行几次thread id
确保该线程执行的方法没有时刻在变化),造成这个问题一般有两个原因:
seekByKey
方法被循环调用seekByKey
内部有死循环
先看一下是不是第一种,我们使用 tt 命令监听一下这个方法的调用情况
注意:在线上执行这个命令的时候,一定要记得加上 -n 参数,否则线上巨大的流量可能会瞬间撑爆你的 JVM 内存
执行结果显示,seekByKey
方法并没有被一直调用,那大概率是seekByKey
方法内部有死循环。看下这个方法内部的逻辑,我们可以使用jad com.google.common.collect.HashBiMap seekByKey
命令反编译这个方法,这样做的好处是显得比较高端,不过我还是打算直接找到源码,说不定还有注释。
源码如下:
然后并没有注释,还好这个方法逻辑比较简单,也很容易看懂。
通过 hash 找到 bucket,每个 bucket 是一个链表
遍历链表,找到这个 key 对应的 entry。这里要留意下 entry 的下一个节点是 nextInKToVBucket,后文中会用到
发生了死循环,我们猜想可能是因为这个链表有环路。那么有没有办法验证这个猜想呢?
答案是 有!那么如何验证呢?
首先我们要获得这个HashBiMap
对象,以便于查询对象里的数据。获得这个对象有很多办法,比如监听这个对象的某个方法,然后主动触发这个方法。这里向大家介绍一种更为通用的方法,这个方法在 SpringMVC 程序里非常好用。
因为我们是 SpringMVC 应用,所有请求都会被RequestMappingHandlerAdapter
拦截,我们通过 tt 命令,监听invokeHandlerMethod
的执行,然后在页面随便点点,就会得到以下内容:
tt 命令会记录方法调用时的所有入参和返回值、抛出的异常、对象本身等数据。INDEX 字段代表着一次调用,后续 tt 还有很多命令都是基于此编号指定记录操作。
我们可以通过 -i 参数后边跟着对应的 INDEX 编号查看这条记录的详细信息。再通过-w 参数,指定一个 OGNL 表达式,查找相关对象
OGNL 使用文档:https://commons.apache.org/proper/commons-ognl/language-guide.html
Arthas 会把当前执行的对象放到 target 变量中,通过 target.getApplicationContext()就得到了 SpringContext 对象,然后,我们就可以为所欲为了!
接下来我们需要用 OGNL 写一个函数,来实现链表的环路检测,在 OGNL 里写一段环路检测代码里是不太容易的,这里我用了一个取巧的伪实现(有更好思路的欢迎在评论区留言)
因为我知道一个 bucket 不太可能有 50 个以上的节点,所以就通过遍历次数是否大于 50 来判断是否有环路。
完整的命令:
tt -i 1000 -w ‘target.getApplicationContext().getBean(“oaInfoManager”).userCache.entrySet().{delegate}.{^ #loopCnt = 0,#foundCycle = :[ #this == null ? false : #loopCnt > 50 ? true : (#loopCnt = #loopCnt + 1, #foundCycle(#this.nextInKToVBucket))], #foundCycle(#this)}.get(0)’ -x 2
命令解析:
获取
HashBiMap
对象:target.getApplicationContext().getBean("oaInfoManager").userCache
遍历所有 entry,取出第一个有环路的 entry
-x 参数指定展开层级,我们需要将这个参数设置的比环要大一些,才能确保可以发现环路。这里我们的环路非常小,所以设置成了 2
执行结果如下:
可以看到是有 张三->李四->张三 这样一个环路。至此,造成死循环的原因确定了下来。结合两个线程几乎同时启动,又同时在执行HashBiMap.forcePut
方法,容易想到是因为并发导致了数据的不一致,这一点也可以验证,不过由于篇幅有限,这里就不再赘述。
找到了问题,就成功了 99%,解决这个问题的方法非常简单,就是对syncUserCache
方法加一个 synchronized 关键字!
结语
这次遇到的问题并不复杂,用jstack
命令也可以解决的了。但我们希望通过这样一个案例,向大家展示 Arthas 一些强大的功能,帮助大家打开思路,未来在遇到更复杂场景时,可以多一些趁手的工具!
有任何问题欢迎在评论区留言或者联系我本人:zhangyunxiang@youzan.com
本文转载自公众号有赞 coder(ID:youzan_coder)。
原文链接:
评论