一、發(fā)現(xiàn)問題

下面是線上機(jī)器的cpu使用率，可以看到從4月8日開始，隨著時間cpu使用率在逐步增高，最終使用率達(dá)到100%導(dǎo)致線上服務(wù)不可用，后面重啟了機(jī)器后恢復(fù)。

二、排查思路

簡單分析下可能出問題的地方，分為5個方向：

1. 系統(tǒng)本身代碼問題
2. 內(nèi)部下游系統(tǒng)的問題導(dǎo)致的雪崩效應(yīng)
3. 上游系統(tǒng)調(diào)用量突增
4. http請求第三方的問題
5. 機(jī)器本身的問題

三、開始排查

1. 查看日志，沒有發(fā)現(xiàn)集中的錯誤日志，初步排除代碼邏輯處理錯誤。
2. 首先聯(lián)系了內(nèi)部下游系統(tǒng)觀察了他們的監(jiān)控，發(fā)現(xiàn)一起正常�？梢耘懦�下游系統(tǒng)故障對我們的影響。
3. 查看provider接口的調(diào)用量，對比7天沒有突增，排除業(yè)務(wù)方調(diào)用量的問題。
4. 查看tcp監(jiān)控，TCP狀態(tài)正常，可以排除是http請求第三方超時帶來的問題。
5. 查看機(jī)器監(jiān)控，6臺機(jī)器cpu都在上升，每個機(jī)器情況一樣。排除機(jī)器故障問題。

即通過上述方法沒有直接定位到問題。

四、解決方案

1.重啟了6臺中問題比較嚴(yán)重的5臺機(jī)器，先恢復(fù)業(yè)務(wù)。保留一臺現(xiàn)場，用來分析問題。

2.查看當(dāng)前的tomcat線程pid

3.查看該pid下線程對應(yīng)的系統(tǒng)占用情況。top -Hp 384

4.發(fā)現(xiàn)pid 4430 4431 4432 4433 線程分別占用了約40%的cpu

5.將這幾個pid轉(zhuǎn)為16進(jìn)制，分別為114e 114f 1150 1151

6.下載當(dāng)前的java線程棧 sudo -u tomcat jstack -l 384>/1.txt

7.查詢5中對應(yīng)的線程情況，發(fā)現(xiàn)都是gc線程導(dǎo)致的?

8.dump java堆數(shù)據(jù)

sudo -u tomcat jmap -dump:live,format=b,file=/dump201612271310.dat 384

9.使用MAT加載堆文件，可以看到j(luò)avax.crypto.JceSecurity對象占用了95%的內(nèi)存空間，初步定位到問題。

MAT下載地址：http://www.eclipse.org/mat/

?10.查看類的引用樹，看到BouncyCastleProvider對象持有過多。即我們代碼中對該對象的處理方式是錯誤的，定位到問題。

五、代碼分析

我們代碼中有一塊是這樣寫的

這是加解密的功能，每次運(yùn)行加解密都會new一個BouncyCastleProvider對象,放倒Cipher.getInstance()方法中。

看下Cipher.getInstance()的實現(xiàn)，這是jdk的底層代碼實現(xiàn)，追蹤到JceSecurity類中

?

verifyingProviders每次put后都會remove,verificationResults只會put，不會remove.

看到verificationResults是一個static的map，即屬于JceSecurity類的。

所以每次運(yùn)行到加解密都會向這個map put一個對象，而這個map屬于類的維度，所以不會被GC回收。這就導(dǎo)致了大量的new的對象不被回收。

六、代碼改進(jìn)

將有問題的對象置為static，每個類持有一個，不會多次新建。

七、本文總結(jié)

遇到線上問題不要慌，首先確認(rèn)排查問題的思路：

1. 查看日志
2. 查看CPU情況
3. 查看TCP情況
4. 查看java線程，jstack
5. 查看java堆，jmap
6. 通過MAT分析堆文件，尋找無法被回收的對象

標(biāo)簽： 代碼

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。