当前位置：主页 > 查看内容

运维：你们 JAVA 服务怎么又又又又出问题了！内存降不下来！

发布时间：2021-06-15 00:00| 有 位朋友查看

简介：先点赞再看，养成好习惯 接上篇《 运维：你们 JAVA 服务内存占用太高，还只增不减！告警了，快来接锅 》 ? 在上次在运维老哥 友好 的和我沟通之后，还消停没几天，今天又来找（问候）我了…… ? 运维：这个服务也是你们的吧，你看这个 JAVA 进程，内存占用都……
先点赞再看，养成好习惯

接上篇《运维：你们 JAVA 服务内存占用太高，还只增不减！告警了，快来接锅》
?

在上次在运维老哥友好的和我沟通之后，还消停没几天，今天又来找（问候）我了……
?

运维：这个服务也是你们的吧，你看这个 JAVA 进程，内存占用都快 3 个 G 了，这机器才 4G，你们堆才配置 2G，都要告警了！这次是真的内存泄露了吧，不是我无知了吧！

又来搞事情……这大哥是对我有意见吗？有了上次的经验，这回更自信了。还是按照惯例，先怼回去

我：“不可能，我们服务非常稳定，不会有这种问题！”

运维：你这哪来的自信和勇气？梁静茹给的吗？你先回去查查再装

看来大哥这回是有备而来啊，难道真是出问题了？有点慌了……

不过还是不能怂，先敷衍下运维老哥，找个借口回去先偷摸查查监控看看

我：行，我待会看看，我先去跟人开个会啊……

分析监控数据

这个服务的堆内存配置的是 2G，历史内存也确实达到过 2G，虽然现在 used 才几百兆……看起来也没啥问题
?

再加上一些 VM 自己的开销，一共占用 2 个多 G……好像也说的过去
?

然后我又找到了运维大哥，（友好的）沟通一下……
?

我：和上次一样啊，没什么区别，上次都解释过那个内存管理的机制了，你咋还说我们有问题？

运维： 你看你们这个服务，配置的是 CMS+ParNew 垃圾回收器吧，上次是你说的这个回收器组合下会释放内存给操作系统吧？那怎么还占用 2G，释放到哪去了？

我：虽然上回测试结果是会释放，但还有一些其他的说法，说是空闲时会增量释放，而且释放成本这么高，不释放又怎么样？

运维：你这话不是打自己脸么？上回说能释放，现在没释放你也说正常，你是不是觉得我傻？

运维大哥好像看出了我是在狡辩……

不释放也正常啊，释放成本这么高，释放后还得重新申请，重新组织内存结构balabalabala……

这话说的我自己都没底气……毕竟上次才测试过 CMS+ParNew 确实会释放，只是时间问题

运维：你继续狡辩，这服务的内存照这个趋势，估计要不要明天就得 OOM，然后系统再给你来个 OOM Killer 的绝杀，你可就开心了！

我：没问题的，这个内存正常，自己的服务，我还能不了解嘛

此时我已经有点不安了，大哥说的有道理啊，万一 OOM Killer了，可不完蛋了！

我：我晚点有空再仔细看看，应该没啥问题，你先忙你的，放心！

上服务器查实时指标

打发走了运维老哥之后，我仔细思考了一会。这内存的数据好像确实不太正常，这个服务属于那种后端应用，虽然业务复杂，但只是给业务大佬们用。不过这个内存占用确实有点说不过去啊，到底内存跑哪去了……
?

还是数据说话吧，上主机上找找看有没有什么线索
?

  1. 内存 - ok
  2. CPU 利用率 - ok
  3. CPU 负载 - ok

也没什么异常，CPU 利用率和负载啥的都很低……到底问题出在哪？
?

这么一点点的看指标太费劲了，还是拿 Arthas 看吧，JVM 相关的指标它基本都显示，比较全：

[arthas@20727]$ dashboard

Memory                    used    total    max     usage    GC
heap                      498M     1963M    1963M   25.1%    gc.ps_scavenge.count          3
ps_eden_space             98M      512M     512M    19.5%    gc.ps_scavenge.time(ms)       44
ps_survivor_space         0K      87040K   87040K  0.00%    gc.ps_marksweep.count         1
ps_old_gen                39M     1365M    1365M   2.88%    gc.ps_marksweep.time(ms)      87
nonheap                   32M     180M      -1      17.7%
code_cache                10M      50M      240M    20%
metaspace                 20M     128M      -1      15.6%
compressed_class_space    2M      2M       1024M   0.25%

看起来JVM 级别的内存也没啥问题，再看看线程呢：

[arthas@20727]$ thread

Threads Total: 9831, NEW: 0, RUNNABLE: 8, BLOCKED: 0, WAITING: 9789, TIMED_WAITING: 2, TERMINATED: 0, Internal threads
: 17

卧槽，这什么玩意！快 1w 个线程！还基本上都是 WAITING！

赶紧看看这些 WAITING 的线程都是些啥：

[arthas@20727]$ thread --state WAITING

ID   NAME                          GROUP          PRIORITY  STATE     %CPU      DELTA_TIM TIME      INTERRUPT DAEMON
# 此处省略 9000+ 行……
9822 pool-9813-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9823 pool-9814-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9824 pool-9815-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9825 pool-9816-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9826 pool-9817-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9827 pool-9818-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9828 pool-9819-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9829 pool-9820-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9830 pool-9821-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9831 pool-9822-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9832 pool-9823-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9833 pool-9824-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9834 pool-9825-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9835 pool-9826-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9836 pool-9827-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9837 pool-9828-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9838 pool-9829-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9839 pool-9830-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false
9840 pool-9831-thread-1            main           5         WAITING   0.0       0.000     0:0.000   false     false

看到这个线程名，我也大概明白了，一定是哪个小天才在代码里下毒。

从线程名称来看，肯定是线程池里的线程嘛，而且是默认的线程名生成规则。线程池里的线程都是通过 ThreadFactory 来创建的，而默认的 ThreadFactory 生成规则就是这样：

DefaultThreadFactory() {
    SecurityManager s = System.getSecurityManager();
    group = (s != null) ? s.getThreadGroup() :
    Thread.currentThread().getThreadGroup();

    // 前缀，每一个新的 ThreadFactory 都有一个新的前缀
    // 每一个线程池，都只有一个 ThreadFactory
    namePrefix = "pool-" +
        poolNumber.getAndIncrement() +
        "-thread-";
}

public Thread newThread(Runnable r) {
    
    // 每个线程都会使用 factory的前缀，然后加上自增的线程数
    Thread t = new Thread(group, r,
                          namePrefix + threadNumber.getAndIncrement(),
                          0);
    if (t.isDaemon())
        t.setDaemon(false);
    if (t.getPriority() != Thread.NORM_PRIORITY)
        t.setPriority(Thread.NORM_PRIORITY);
    return t;
}

所以这个问题，肯定是哪个小天才，在代码里每次都新建线程池，然后还不 shutdown 导致的！随便找个线程，看看它的 stack：

"pool-1-thread-1" Id=10 WAITING on java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject@6ba7592
    at sun.misc.Unsafe.park(Native Method)
    -  waiting on java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject@6ba7592
    at java.util.concurrent.locks.LockSupport.park(LockSupport.java:175)
    at java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject.await(AbstractQueuedSynchronizer.java:2039)
    at java.util.concurrent.LinkedBlockingQueue.take(LinkedBlockingQueue.java:442)
    at java.util.concurrent.ThreadPoolExecutor.getTask(ThreadPoolExecutor.java:1074)
    at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1134)
    at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
    at java.lang.Thread.run(Thread.java:748)

实锤了，就是每次 new 线程池不 shutdown……现在只需要找到创建线程池的地方，再翻翻提交记录，就可以知道是哪个小天才了……
?

但代码这么多，想找到这个新建线程池的地方还是有点麻烦的，搜代码可不太方便。这里还是用 Arthas 来看看，stack 一看就知道
?

不过如果这里直接 stack ThreadPoolExecutor#execute 方法的话，干扰信息可能太多了，毕竟调用 execute 的地方太多，不好抓到重点
?

所以还是 stack 线程池初始化的方法比较好：

[arthas@20727]$ stack java.util.concurrent.ThreadPoolExecutor <init>

Affect(class count: 0 , method count: 0) cost in 4 ms, listenerId: 5
No class or method is affected, try:
1. Execute `sm CLASS_NAME METHOD_NAME` to make sure the method you are tracing actually exists (it might be in your parent class).
2. Execute `options unsafe true`, if you want to enhance the classes under the `java.*` package.
3. Execute `reset CLASS_NAME` and try again, your method body might be too large.
4. Check arthas log: /home/jiangxin/logs/arthas/arthas.log
5. Visit https://github.com/alibaba/arthas/issues/47 for more details.

这……是不支持吗？
?

Arthas 的增强策略是比较保守的，部分系统级别的类它不做增强，java.* 包下的类默认是不增强的，需要手动开启才行：

[arthas@20727]$ options unsafe true

 NAME    BEFORE-VALUE  AFTER-VALUE
-----------------------------------
 unsafe  false         true

再次执行 stack 之后，可以用了。过了两分钟之后，终于有一次调用：

ts=2021-06-12 12:04:03;thread_name=main;id=1;is_daemon=false;priority=5;TCCL=sun.misc.Launcher$AppClassLoader@4e0e2f2a
    @java.util.concurrent.ThreadPoolExecutor.<init>()
        at java.util.concurrent.Executors.newFixedThreadPool(Executors.java:89)
        at XXXService.sendSms(XXXService.java:782)
        //...

终于找到了这个骚操作代码……它是这么写的：

ExecutorService executorService = Executors.newFixedThreadPool(8);
        
executorService.submit(smsTask);

//...

和我猜测的一样，果然是每次 new，然后还不 shutdown。
?

这也能和上面的情况对上了，多出的内存占用是因为这小一万个线程……而且这些线程池没有任务需要执行的话，线程肯定是 WAITING 状态，也不会占用 CPU 的利用率，负载有不会有影响。不仔细还真看不出问题
，还是得结合各种指标来看，综合分析。
?

解决这个问题倒简单，让写这个屎代码的人去改了，然后拉出去祭天。
?

可是运维大哥那边……已经装出去了，这下脸可是丢完了。上次好不容易挣回来的面子，这次啥都没了
image.png

给运维的交代

我：服务确实有点问题，我们发个紧急修复版本，晚上上线就能解决了

运维：你不是说没问题么？自信哪去了

我：这不是没吃早饭，饿的头发昏，脑子不够清醒……没看出来问题，我的锅我的锅

运维：肯定是你们的屎山代码导致的，没事也搞搞 code review ，查查代码，以后少出这种低级问题，不然我一天到晚处理你们这些破事不得烦死了

没想到这运维还喘起来了，给点面子就要上天……不过谁让我理亏呢，只能应下

我：对对对，我们以后一定多搞 code review，加强代码审查，避免这种屎代码再提交上去，影响生产。不给大佬添麻烦

image.png

原创不易，禁止未授权的转载。如果我的文章对您有帮助，就请点赞/收藏/关注鼓励支持一下吧??????

本文转自网络，版权归原作者所有，原文链接：https://segmentfault.com/a/1190000040172857
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！
上一篇：【译】 Node.js 中的依赖注入 下一篇：为 tunny 提交的一次 PR

推荐图文

  • 周排行
  • 月排行
  • 总排行

随机推荐