[[400658]]

前言

日常Bug排查系列都是一些簡(jiǎn)單Bug排查，筆者將在這里介紹一些排查Bug的簡(jiǎn)單技巧，同時(shí)順便積累素材^_^。

Bug現(xiàn)場(chǎng)

開發(fā)反應(yīng)線上系統(tǒng)出現(xiàn)失去響應(yīng)的現(xiàn)象，收到業(yè)務(wù)告警以及頻繁MarkAndSweep(Full GC)告警。于是找到筆者進(jìn)行排查。

看基礎(chǔ)監(jiān)控

首先呢，當(dāng)然是看我們的監(jiān)控了，找到對(duì)應(yīng)失去響應(yīng)的系統(tǒng)的ip，看下我們的基礎(chǔ)監(jiān)控。

機(jī)器內(nèi)存持續(xù)上升。因?yàn)槲覀兪莏ava系統(tǒng)，堆的大小一開始已經(jīng)設(shè)置了最大值。

--XX:Xms2g -Xmx2g 

所以看上去像堆外內(nèi)存泄露。而FullGC告警只是堆外內(nèi)存后一些關(guān)聯(lián)堆內(nèi)對(duì)象觸發(fā)。

看應(yīng)用監(jiān)控

第二步，當(dāng)然就是觀察我們的應(yīng)用監(jiān)控，這邊筆者用的是CAT。觀察Cat中對(duì)應(yīng)應(yīng)用的情況，很容易發(fā)現(xiàn)，其ActiveThread呈現(xiàn)不正常的現(xiàn)象，竟然達(dá)到了5000+多個(gè)，同時(shí)和內(nèi)存上升曲線保持一致。

jstack

java應(yīng)用中遇到線程數(shù)過多的現(xiàn)象，首先我們考慮的是jstack，jstack出來對(duì)應(yīng)的文件后。我們less一下，發(fā)現(xiàn)很多線程卡在下面的代碼棧上。

"Thread-1234 
    java.lang.Thread.State: WAITING (parking) 
        at sun.misc.Unsafe.park 
        ...... 
        at org.apache.commons.pool2.impl.LinkedBlockingQueue.takeFirst 
        ...... 
        at redis.clients.util.Pool.getResource 

很明顯的，這個(gè)代碼棧指的是沒有獲取連接，從而卡住。至于為什么卡這么長(zhǎng)時(shí)間而不釋放，肯定是由于沒設(shè)置超時(shí)時(shí)間。那么是否大部分線程都卡在這里呢，這里我們做一下統(tǒng)計(jì)。

cat jstack.txt | grep 'prio=' | wc -l  
======> 5648 
cat jstack.txt | grep 'redis.clients.util.Pool.getResource'  
======> 5242 

可以看到，一共5648個(gè)線程，有5242，也就是92%的線程卡在Redis getResource中。

看下redis情況

netstat -anp | grep 6379  
tcp 0 0 1.2.3.4:111 3.4.5.6:6379 ESTABLISHED 
...... 

一共5個(gè)，而且連接狀態(tài)為ESTABLISHED，正常。由此可見他們配置的最大連接數(shù)是5(因?yàn)閯e的線程正在等待獲取Redis資源)。

Redis連接泄露

那么很自然的想到，Redis連接泄露了，即應(yīng)用獲得Redis連接后沒有還回去。這種泄露有下面幾種可能:

情況1:

情況2:

情況3：

調(diào)用Redis卡住，由于其它機(jī)器是好的，故排除這種情況。

如何區(qū)分

我們做個(gè)簡(jiǎn)單的推理:

如果是情況1，那么這個(gè)RedisConn肯定可以通過內(nèi)存可達(dá)性分析和Thread關(guān)聯(lián)上，而且這個(gè)關(guān)聯(lián)關(guān)系肯定會(huì)關(guān)聯(lián)到某個(gè)業(yè)務(wù)操作實(shí)體(例如code stack or 業(yè)務(wù)bean)。那么我們只要觀察其在堆內(nèi)的關(guān)聯(lián)路線是否和業(yè)務(wù)相關(guān)即可,如果沒有任何關(guān)聯(lián)，那么基本斷定是情況2了。

可達(dá)性分析

我們可以通過jmap dump出應(yīng)用內(nèi)存，然后通過MAT(Memory Analysis Tool)來進(jìn)行可達(dá)性分析。

首先找到RedisConn

將dump文件在MAT中打開，然后運(yùn)行OQL:

select * from redis.clients.jedis.Jedis (RedisConn的實(shí)體類) 

搜索到一堆Jedis類，然后我們執(zhí)行

Path To GCRoots->with all references 

可以看到如下結(jié)果:

redis.clients.jedis.Jedis 
    |->object  
        |->item 
            |->first 
                |->... 
                    |->java.util.TimerThread 
                |->internalPool 

由此可見，我們的連接僅僅被TimerThread和internalPool(Jedis本身的連接池)持有。所以我們可以判斷出大概率是情況2，即忘了歸還連接。翻看業(yè)務(wù)代碼:

偽代碼 
void lock(){ 
    conn = jedis.getResource() 
    conn.setNx() 
    // 結(jié)束,此處應(yīng)該有finally{returnResource()}或者采用RedisTemplate 
} 

最后就是很簡(jiǎn)單的，業(yè)務(wù)開發(fā)在執(zhí)行setNx操作后，忘了將連接還回去。導(dǎo)致連接泄露。

如果是情況1如何定位卡住的代碼

到此為止，這個(gè)問題是解決了。但是如果是情況1的話，我們又該如何分析下去呢?很簡(jiǎn)單，我們?nèi)绻业搅薺edis被哪個(gè)業(yè)務(wù)線程擁有，直接從heap dump找到其線程號(hào)，然后取Jstack中搜索即可知道其卡住的代碼棧。

jmap: 
redis.clients.jedis.Jedis 
    |->Thread-123 
 
jstack: 
 
Thread-123 prio=... 
    at xxx.xxx.xxx.blocked 

總結(jié)

這是一個(gè)很簡(jiǎn)單的問題，知道套路之后排查起來完全不費(fèi)事。雖然最后排查出來是個(gè)很低級(jí)的代碼，但是這種分析方法值得借鑒。