arthas 排查内存溢出_Java 应用线上问题排查思路、常用工具小结
前言
本文總結(jié)了一些常見的線上應(yīng)急現(xiàn)象和對應(yīng)排查步驟和工具。分享的主要目的是想讓對線上問題接觸少的同學(xué)有個(gè)預(yù)先認(rèn)知，免得在遇到實(shí)際問題時(shí)手忙腳亂。畢竟作者自己也是從手忙腳亂時(shí)走過來的。
只不過這里先提示一下。在線上應(yīng)急過程中要記住，只有一個(gè)總體目標(biāo)：盡快恢復(fù)服務(wù)，消除影響。不管處于應(yīng)急的哪個(gè)階段，我們首先必須想到的是恢復(fù)問題，恢復(fù)問題不一定能夠定位問題，也不一定有完美的解決方案，也許是通過經(jīng)驗(yàn)判斷，也許是預(yù)設(shè)開關(guān)等，但都可能讓我們達(dá)到快速恢復(fù)的目的，然后保留部分現(xiàn)場，再去定位問題、解決問題和復(fù)盤。
在大多數(shù)情況下，我們都是先優(yōu)先恢復(fù)服務(wù)，保留下當(dāng)時(shí)的異常信息（內(nèi)存dump、線程dump、gc log等等，在緊急情況下甚至可以不用保留，等到事后去復(fù)現(xiàn)），等到服務(wù)正常，再去復(fù)盤問題。
好，現(xiàn)在讓我們進(jìn)入正題吧。
常見現(xiàn)象：CPU 利用率高/飆升
場景預(yù)設(shè)：
監(jiān)控系統(tǒng)突然告警，提示服務(wù)器負(fù)載異常。
預(yù)先說明：
CPU飆升只是一種現(xiàn)象，其中具體的問題可能有很多種，這里只是借這個(gè)現(xiàn)象切入。
注：CPU使用率是衡量系統(tǒng)繁忙程度的重要指標(biāo)。但是CPU使用率的安全閾值是相對的，取決于你的系統(tǒng)的IO密集型還是計(jì)算密集型。一般計(jì)算密集型應(yīng)用CPU使用率偏高load偏低，IO密集型相反。常見原因：
- 頻繁 gc
- 死循環(huán)、線程阻塞、io wait...etc
模擬
這里為了演示，用一個(gè)最簡單的死循環(huán)來模擬CPU飆升的場景，下面是模擬代碼，
在一個(gè)最簡單的SpringBoot Web 項(xiàng)目中增加CpuReaper這個(gè)類，
/*** 模擬 cpu 飆升場景* @author Richard_yyf*/ @Component public class CpuReaper {@PostConstructpublic void cpuReaper() {int num = 0;long start = System.currentTimeMillis() / 1000;while (true) {num = num + 1;if (num == Integer.MAX_VALUE) {System.out.println("reset");num = 0;}if ((System.currentTimeMillis() / 1000) - start > 1000) {return;}}} }打包成jar之后，在服務(wù)器上運(yùn)行。java -jar cpu-reaper.jar &
第一步：定位出問題的線程
方法 a: 傳統(tǒng)的方法
執(zhí)行top命令，查看所有進(jìn)程占系統(tǒng)CPU的排序，定位是哪個(gè)進(jìn)程搞的鬼。在本例中就是咱們的java進(jìn)程。PID那一列就是進(jìn)程號。(對指示符含義不清楚的見【附錄】)
方法 b: show-busy-java-threads
這個(gè)腳本來自于github上一個(gè)開源項(xiàng)目，項(xiàng)目提供了很多有用的腳本，show-busy-java-threads就是其中的一個(gè)。使用這個(gè)腳本，可以直接簡化方法A中的繁瑣步驟。如下，
> wget --no-check-certificate https://raw.github.com/oldratlee/useful-scripts/release-2.x/bin/show-busy-java-threads > chmod +x show-busy-java-threads > ./show-busy-java-threads show-busy-java-threads # 從所有運(yùn)行的Java進(jìn)程中找出最消耗CPU的線程（缺省5個(gè)），打印出其線程棧 # 缺省會(huì)自動(dòng)從所有的Java進(jìn)程中找出最消耗CPU的線程，這樣用更方便 # 當(dāng)然你可以手動(dòng)指定要分析的Java進(jìn)程Id，以保證只會(huì)顯示你關(guān)心的那個(gè)Java進(jìn)程的信息 show-busy-java-threads -p <指定的Java進(jìn)程Id>show-busy-java-threads -c <要顯示的線程棧數(shù)>方法 c: arthas thread
阿里開源的arthas現(xiàn)在已經(jīng)幾乎包攬了我們線上排查問題的工作，提供了一個(gè)很完整的工具集。在這個(gè)場景中，也只需要一個(gè)thread -n命令即可。
> curl -O https://arthas.gitee.io/arthas-boot.jar # 下載 要注意的是，arthas的cpu占比，和前面兩種cpu占比統(tǒng)計(jì)方式不同。前面兩種針對的是Java進(jìn)程啟動(dòng)開始到現(xiàn)在的cpu占比情況，arthas這種是一段采樣間隔內(nèi)，當(dāng)前JVM里各個(gè)線程所占用的cpu時(shí)間占總cpu時(shí)間的百分比。具體見官網(wǎng)：https://alibaba.github.io/arthas/thread.html
后續(xù)
通過第一步，找出有問題的代碼之后，觀察到線程棧之后。我們就要根據(jù)具體問題來具體分析。這里舉幾個(gè)例子。
情況一：發(fā)現(xiàn)使用CPU最高的都是GC 線程。
GC task thread#0 (ParallelGC)" os_prio=0 tid=0x00007fd99001f800 nid=0x779 runnableGC task thread#1 (ParallelGC)" os_prio=0 tid=0x00007fd990021800 nid=0x77a runnable GC task thread#2 (ParallelGC)" os_prio=0 tid=0x00007fd990023000 nid=0x77b runnable GC task thread#3 (ParallelGC)" os_prio=0 tid=0x00007fd990025000 nid=0x77c runnablgc 排查的內(nèi)容較多，所以我決定在后面單獨(dú)列一節(jié)講述。
情況二：發(fā)現(xiàn)使用CPU最高的是業(yè)務(wù)線程
- io wait
- 比如此例中，就是因?yàn)榇疟P空間不夠?qū)е碌膇o阻塞
- 等待內(nèi)核態(tài)鎖，如 synchronized
- jstack -l pid | grep BLOCKED 查看阻塞態(tài)線程堆棧
- dump 線程棧，分析線程持鎖情況。
- arthas提供了thread -b，可以找出當(dāng)前阻塞其他線程的線程。針對 synchronized 情況
常見現(xiàn)象：頻繁 GC
1. 回顧GC流程
在了解下面內(nèi)容之前，請先花點(diǎn)時(shí)間回顧一下GC的整個(gè)流程。
接前面的內(nèi)容，這個(gè)情況下，我們自然而然想到去查看gc 的具體情況。
- 方法a : 查看gc 日志
- 方法b : jstat -gcutil 進(jìn)程號 統(tǒng)計(jì)間隔毫秒 統(tǒng)計(jì)次數(shù)（缺省代表一致統(tǒng)計(jì)
- 方法c : 如果所在公司有對應(yīng)用進(jìn)行監(jiān)控的組件當(dāng)然更方便（比如Prometheus + Grafana）
這里對開啟 gc log 進(jìn)行補(bǔ)充說明。一個(gè)常常被討論的問題（慣性思維）是在生產(chǎn)環(huán)境中GC日志是否應(yīng)該開啟。因?yàn)樗a(chǎn)生的開銷通常都非常有限，因此我的答案是需要開啟。但并不一定在啟動(dòng)JVM時(shí)就必須指定GC日志參數(shù)。
HotSpot JVM有一類特別的參數(shù)叫做可管理的參數(shù)。對于這些參數(shù)，可以在運(yùn)行時(shí)修改他們的值。我們這里所討論的所有參數(shù)以及以“PrintGC”開頭的參數(shù)都是可管理的參數(shù)。這樣在任何時(shí)候我們都可以開啟或是關(guān)閉GC日志。比如我們可以使用JDK自帶的jinfo工具來設(shè)置這些參數(shù)，或者是通過JMX客戶端調(diào)用HotSpotDiagnostic MXBean的setVMOption方法來設(shè)置這些參數(shù)。這里再次大贊arthas??，它提供的vmoption命令可以直接查看，更新VM診斷相關(guān)的參數(shù)。
獲取到gc日志之后，可以上傳到GC easy幫助分析，得到可視化的圖表分析結(jié)果。
2. GC 原因及定位
prommotion failed
從S區(qū)晉升的對象在老年代也放不下導(dǎo)致 FullGC（fgc 回收無效則拋 OOM）。
可能原因：
- survivor 區(qū)太小，對象過早進(jìn)入老年代
查看 SurvivorRatio 參數(shù) - 大對象分配，沒有足夠的內(nèi)存
dump 堆，profiler/MAT 分析對象占用情況 - old 區(qū)存在大量對象
dump 堆，profiler/MAT 分析對象占用情況
你也可以從full GC 的效果來推斷問題，正常情況下，一次full GC應(yīng)該會(huì)回收大量內(nèi)存，所以 正常的堆內(nèi)存曲線應(yīng)該是呈鋸齒形。如果你發(fā)現(xiàn)full gc 之后堆內(nèi)存幾乎沒有下降，那么可以推斷：**堆中有大量不能回收的對象且在不停膨脹，使堆的使用占比超過full GC的觸發(fā)閾值，但又回收不掉，導(dǎo)致full GC一直執(zhí)行。換句話來說，可能是內(nèi)存泄露了。
一般來說，GC相關(guān)的異常推斷都需要涉及到內(nèi)存分析，使用jmap之類的工具dump出內(nèi)存快照（或者 Arthas的heapdump）命令，然后使用MAT、JProfiler、JVisualVM等可視化內(nèi)存分析工具。
至于內(nèi)存分析之后的步驟，就需要小伙伴們根據(jù)具體問題具體分析啦。
常見現(xiàn)象：線程池異常
場景預(yù)設(shè)：
業(yè)務(wù)監(jiān)控突然告警，或者外部反饋提示大量請求執(zhí)行失敗。
異常說明：
Java 線程池以有界隊(duì)列的線程池為例，當(dāng)新任務(wù)提交時(shí)，如果運(yùn)行的線程少于 corePoolSize，則創(chuàng)建新線程來處理請求。如果正在運(yùn)行的線程數(shù)等于 corePoolSize 時(shí)，則新任務(wù)被添加到隊(duì)列中，直到隊(duì)列滿。當(dāng)隊(duì)列滿了后，會(huì)繼續(xù)開辟新線程來處理任務(wù)，但不超過 maximumPoolSize。當(dāng)任務(wù)隊(duì)列滿了并且已開辟了最大線程數(shù)，此時(shí)又來了新任務(wù)，ThreadPoolExecutor 會(huì)拒絕服務(wù)。
常見問題和原因
這種線程池異常，一般可以通過開發(fā)查看日志查出原因，有以下幾種原因：
這種情況有可能是因?yàn)橄掠畏?wù)異常導(dǎo)致的，作為消費(fèi)者我們要設(shè)置合適的超時(shí)時(shí)間和熔斷降級機(jī)制。
另外針對這種情況，一般都要有對應(yīng)的監(jiān)控機(jī)制：比如日志監(jiān)控、metrics監(jiān)控告警等，不要等到目標(biāo)用戶感覺到異常，從外部反映進(jìn)來問題才去看日志查。
查看日志中相關(guān)的關(guān)鍵詞。
四、常見問題恢復(fù)
這一部分內(nèi)容參考自此篇文章對于上文提到的一些問題，這里總結(jié)了一些恢復(fù)的方法。
五、Arthas
這里還是想單獨(dú)用一節(jié)安利一下Arthas這個(gè)工具。
Arthas 是阿里巴巴開源的Java 診斷工具，基于 Java Agent 方式，使用 Instrumentation 方式修改字節(jié)碼方式進(jìn)行 Java 應(yīng)用診斷。
- dashboard ：系統(tǒng)實(shí)時(shí)數(shù)據(jù)面板, 可查看線程，內(nèi)存，gc 等信息
- thread ：查看當(dāng)前線程信息，查看線程的堆棧，如查看最繁忙的前 n 線程
- getstatic：獲取靜態(tài)屬性值，如 getstatic className attrName 可用于查看線上開關(guān)真實(shí)值
- sc：查看 jvm 已加載類信息，可用于排查 jar 包沖突
- sm：查看 jvm 已加載類的方法信息
- jad：反編譯 jvm 加載類信息,排查代碼邏輯沒執(zhí)行原因
- logger：查看logger信息，更新logger level
- watch：觀測方法執(zhí)行數(shù)據(jù)，包含出參、入?yún)?、異常?/li>
- trace：方法內(nèi)部調(diào)用時(shí)長，并輸出每個(gè)節(jié)點(diǎn)的耗時(shí)，用于性能分析
- tt：用于記錄方法，并做回放
另外，Arthas里的 還集成了 ognl 這個(gè)輕量級的表達(dá)式引擎，通過ognl，你可以用arthas 實(shí)現(xiàn)很多的“騷”操作。
其他的這里就不多說了，感興趣的可以去看看arthas的官方文檔、github issue。
六、涉及工具
再說下一些工具。
- Arthas
- useful-scripts
- GC easy
- Smart Java thread dump analyzer - thread dump analysis in seconds
- PerfMa - Java虛擬機(jī)參數(shù)/線程dump/內(nèi)存dump分析
- Linux 命令
- Java N 板斧
- MAT、JProfiler...等可視化內(nèi)存分析工具
參考
- https://developer.aliyun.com/article/757655
- Arthas 3.2.0 文檔
- 《分布式服務(wù)架構(gòu)：原理、設(shè)計(jì)與實(shí)戰(zhàn)》
附錄
top 命令顯示的指示符的含義
指示符含義PID進(jìn)程idUSER進(jìn)程所有者PR進(jìn)程優(yōu)先級NInice值。負(fù)值表示高優(yōu)先級，正值表示低優(yōu)先級VIRT進(jìn)程使用的虛擬內(nèi)存總量，單位kb。VIRT=SWAP+RESRES進(jìn)程使用的、未被換出的物理內(nèi)存大小，單位kb。RES=CODE+DATASHR共享內(nèi)存大小，單位kbS進(jìn)程狀態(tài)。D=不可中斷的睡眠狀態(tài) R=運(yùn)行 S=睡眠 T=跟蹤/停止 Z=僵尸進(jìn)程%CPU上次更新到現(xiàn)在的CPU時(shí)間占用百分比%MEM進(jìn)程使用的物理內(nèi)存百分比TIME+進(jìn)程使用的CPU時(shí)間總計(jì)，單位1/100秒COMMAND進(jìn)程名稱（命令名/命令行）
來源 | https://ricstudio.top/archives/java-online-question-probe版權(quán)申明：內(nèi)容來源網(wǎng)絡(luò)，版權(quán)歸原創(chuàng)者所有。除非無法確認(rèn)，我們都會(huì)標(biāo)明作者及出處，如有侵權(quán)煩請告知，我們會(huì)立即刪除并表示歉意。謝謝
總結(jié)
以上是生活随笔為你收集整理的arthas 排查内存溢出_Java 应用线上问题排查思路、常用工具小结的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 火炬之光无限致命掠影暗枪用什么武器
- 下一篇： 火炬之光无限断腕是什么武器