業務背景

目前移動端的使用場景中會用到大量的消息推送，push消息可以幫助運營人員更高效地實現運營目標（比如給用戶推送營銷活動或者提醒APP新功能）。

對于推送系統來說需要具備以下兩個特性：

• 消息秒級送到用戶，無延時，支持每秒百萬推送，單機百萬長連接。

• 支持通知、文本、自定義消息透傳等展現形式。正是由于以上原因，對于系統的開發和維護帶來了挑戰。下圖是推送系統的簡單描述（API->推送模塊->手機）。

問題背景

推送系統中長連接集群在穩定性測試、壓力測試階運行一段時間后隨機會出現一個進程掛掉的情況，概率較小（頻率為一個月左右發生一次），這會影響部分客戶端消息送到的時效。

推送系統中的長連接節點（Broker系統）是基于Netty開發，此節點維護了服務端和手機終端的長連接，線上問題出現后，添加Netty內存泄露監控參數進行問題排查，觀察多天但并未排查出問題。

由于長連接節點是Netty開發，為便于讀者理解，下面簡單介紹一下Netty。

Netty介紹

Netty是一個高性能、異步事件驅動的NIO框架，基于Java NIO提供的API實現。它提供了對TCP、UDP和文件傳輸的支持，作為當前最流行的NIO框架，Netty在互聯網領域、大數據分布式計算領域、游戲行業、通信行業等獲得了廣泛的應用，HBase，Hadoop，Bees，Dubbo等開源組件也基于Netty的NIO框架構建。

問題分析

猜想

最初猜想是長連接數導致的，但經過排查日志、分析代碼，發現并不是此原因造成。

長連接數：39萬，如下圖：

 

 

連接數 

 

每個channel字節大小1456, 按40萬長連接計算，不致于產生內存過大現象。

查看GC日志

查看GC日志，發現進程掛掉之前頻繁full GC（頻率5分鐘一次），但內存并未降低，懷疑堆外內存泄露。

分析heap內存情況

ChannelOutboundBuffer對象占將近5G內存，泄露原因基本可以確定：ChannelOutboundBuffer的entry數過多導致，查看ChannelOutboundBuffer的源碼可以分析出，是ChannelOutboundBuffer中的數據。

沒有寫出去，導致一直積壓；

ChannelOutboundBuffer內部是一個鏈表結構。

從上圖分析數據未寫出去，為什么會出現這種情況？

代碼中實際有判斷連接是否可用的情況（Channel.isActive），并且會對超時的連接進行關閉。從歷史經驗來看，這種情況發生在連接半打開（客戶端異常關閉）的情況比較多---雙方不進行數據通信無問題。

按上述猜想，測試環境進行重現和測試。

1）模擬客戶端集群，并與長連接服務器建立連接，設置客戶端節點的防火墻，模擬服務器與客戶端網絡異常的場景（即要模擬Channel.isActive調用成功，但數據實際發送不出去的情況）。
2）調小堆外內存，持續發送測試消息給之前的客戶端。消息大小（1K左右）。
3）按照128M內存來計算，實際上調用9W多次就會出現。

問題解決

啟用autoRead機制

當channel不可寫時，關閉autoRead；

public void channelReadComplete(ChannelHandlerContext ctx) throws Exception { 
    if (!ctx.channel().isWritable()) { 
        Channel channel = ctx.channel(); 
        ChannelInfo channelInfo = ChannelManager.CHANNEL_CHANNELINFO.get(channel); 
        String clientId = ""; 
        if (channelInfo != null) { 
            clientId = channelInfo.getClientId(); 
        } 
 
        LOGGER.info("channel is unwritable, turn off autoread, clientId:{}", clientId); 
        channel.config().setAutoRead(false); 
    } 
} 

當數據可寫時開啟autoRead；

@Override 
public void channelWritabilityChanged(ChannelHandlerContext ctx) throws Exception 
{ 
    Channel channel = ctx.channel(); 
    ChannelInfo channelInfo = ChannelManager.CHANNEL_CHANNELINFO.get(channel); 
    String clientId = ""; 
    if (channelInfo != null) { 
        clientId = channelInfo.getClientId(); 
    } 
    if (channel.isWritable()) { 
        LOGGER.info("channel is writable again, turn on autoread, clientId:{}", clientId); 
        channel.config().setAutoRead(true); 
    } 
} 

說明：

autoRead的作用是更精確的速率控制，如果打開的時候Netty就會幫我們注冊讀事件。當注冊了讀事件后，如果網絡可讀，則Netty就會從channel讀取數據。那如果autoread關掉后，則Netty會不注冊讀事件。

這樣即使是對端發送數據過來了也不會觸發讀事件，從而也不會從channel讀取到數據。當recv_buffer滿時，也就不會再接收數據。

設置高低水位

serverBootstrap.option(ChannelOption.WRITE_BUFFER_WATER_MARK, new WriteBufferWaterMark(1024 * 1024, 8 * 1024 * 1024)); 

注：高低水位配合后面的isWritable使用

增加channel.isWritable()的判斷

channel是否可用除了校驗channel.isActive()還需要加上channel.isWrite()的判斷，isActive只是保證連接是否激活，而是否可寫由isWrite來決定。

private void writeBackMessage(ChannelHandlerContext ctx, MqttMessage message) { 
    Channel channel = ctx.channel(); 
    //增加channel.isWritable()的判斷 
    if (channel.isActive() && channel.isWritable()) { 
        ChannelFuture cf = channel.writeAndFlush(message); 
        if (cf.isDone() && cf.cause() != null) { 
            LOGGER.error("channelWrite error!", cf.cause()); 
            ctx.close(); 
        } 
    } 
} 

注：isWritable可以來控制ChannelOutboundBuffer，不讓其無限制膨脹。其機制就是利用設置好的channel高低水位來進行判斷。

問題驗證

修改后再進行測試，發送到27W次也并不報錯；

解決思路分析

一般Netty數據處理流程如下：將讀取的數據交由業務線程處理，處理完成再發送出去（整個過程是異步的），Netty為了提高網絡的吞吐量，在業務層與socket之間增加了一個ChannelOutboundBuffer。

在調用channel.write的時候，所有寫出的數據其實并沒有寫到socket，而是先寫到ChannelOutboundBuffer。當調用channel.flush的時候才真正的向socket寫出。因為這中間有一個buffer，就存在速率匹配了，而且這個buffer還是無界的（鏈表），也就是你如果沒有控制channel.write的速度，會有大量的數據在這個buffer里堆積，如果又碰到socket寫不出數據的時候（isActive此時判斷無效）或者寫得慢的情況。

很有可能的結果就是資源耗盡，而且如果ChannelOutboundBuffer存放的是

DirectByteBuffer，這會讓問題更加難排查。

流程可抽象如下：

從上面的分析可以看出，步驟一寫太快（快到處理不過來）或者下游發送不出數據都會造成問題，這實際是一個速率匹配問題。

Netty源碼說明

超過高水位

當ChannelOutboundBuffer的容量超過高水位設定閾值后，isWritable()返回false，設置channel不可寫（setUnwritable），并且觸發fireChannelWritabilityChanged()。

private void incrementPendingOutboundBytes(long size, boolean invokeLater) { 
    if (size == 0) { 
        return; 
    } 
 
    long newWriteBufferSize = TOTAL_PENDING_SIZE_UPDATER.addAndGet(this, size); 
    if (newWriteBufferSize > channel.config().getWriteBufferHighWaterMark()) { 
        setUnwritable(invokeLater); 
    } 
} 
private void setUnwritable(boolean invokeLater) { 
    for (;;) { 
        final int oldValue = unwritable; 
        final int newValue = oldValue | 1; 
        if (UNWRITABLE_UPDATER.compareAndSet(this, oldValue, newValue)) { 
            if (oldValue == 0 && newValue != 0) { 
                fireChannelWritabilityChanged(invokeLater); 
            } 
            break; 
        } 
    } 
} 

低于低水位

當ChannelOutboundBuffer的容量低于低水位設定閾值后，isWritable()返回true，設置channel可寫，并且觸發fireChannelWritabilityChanged()。

private void decrementPendingOutboundBytes(long size, boolean invokeLater, boolean notifyWritability) { 
    if (size == 0) { 
        return; 
    } 
 
    long newWriteBufferSize = TOTAL_PENDING_SIZE_UPDATER.addAndGet(this, -size); 
    if (notifyWritability && newWriteBufferSize < channel.config().getWriteBufferLowWaterMark()) { 
        setWritable(invokeLater); 
    } 
} 
private void setWritable(boolean invokeLater) { 
    for (;;) { 
        final int oldValue = unwritable; 
        final int newValue = oldValue & ~1; 
        if (UNWRITABLE_UPDATER.compareAndSet(this, oldValue, newValue)) { 
            if (oldValue != 0 && newValue == 0) { 
                fireChannelWritabilityChanged(invokeLater); 
            } 
            break; 
        } 
    } 
} 

總結

當ChannelOutboundBuffer的容量超過高水位設定閾值后，isWritable()返回false，表明消息產生堆積，需要降低寫入速度。

當ChannelOutboundBuffer的容量低于低水位設定閾值后，isWritable()返回true，表明消息過少，需要提高寫入速度。通過以上三個步驟修改后，部署線上觀察半年未發生問題出現。