阿里員工排查問題的工具清單，總有一款適合你！

作者：紅魔七號(hào) 2018-12-10 10:30:40

這是一篇來(lái)源于阿里內(nèi)部技術(shù)論壇的文章，原文在阿里內(nèi)部獲得一致好評(píng)。作者已經(jīng)把這篇文章開放到云棲社區(qū)中供外網(wǎng)訪問。文章內(nèi)容做了部分刪減，主要?jiǎng)h減掉了其中只有阿里內(nèi)部才能使用的工具的介紹，并刪減掉部分只有通過阿里內(nèi)網(wǎng)才能訪問到的鏈接。

[[251987]]

前言

平時(shí)的工作中經(jīng)常碰到很多疑難問題的處理，在解決問題的同時(shí)，有一些工具起到了相當(dāng)大的作用，在此書寫下來(lái)，一是作為筆記，可以讓自己后續(xù)忘記了可快速翻閱，二是分享，希望看到此文的同學(xué)們可以拿出自己日常覺得幫助很大的工具，大家一起進(jìn)步。

閑話不多說(shuō)，開搞。

Linux命令類

tail

最常用的tail -f

tail -300f shopbase.log #倒數(shù)300行并進(jìn)入實(shí)時(shí)監(jiān)聽文件寫入模式

grep

grep forest f.txt     #文件查找 
grep forest f.txt cpf.txt #多文件查找 
grep 'log' /home/admin -r -n #目錄下查找所有符合關(guān)鍵字的文件 
cat f.txt | grep -i shopbase     
grep 'shopbase' /home/admin -r -n --include *.{vm,java} #指定文件后綴 
grep 'shopbase' /home/admin -r -n --exclude *.{vm,java} #反匹配 
seq 10 | grep 5 -A 3    #上匹配 
seq 10 | grep 5 -B 3    #下匹配 
seq 10 | grep 5 -C 3    #上下匹配，平時(shí)用這個(gè)就妥了 
cat f.txt | grep -c 'SHOPBASE'

awk

1 、基礎(chǔ)命令

awk '{print $4,$6}' f.txt 
awk '{print NR,$0}' f.txt cpf.txt     
awk '{print FNR,$0}' f.txt cpf.txt 
awk '{print FNR,FILENAME,$0}' f.txt cpf.txt 
awk '{print FILENAME,"NR="NR,"FNR="FNR,"$"NF"="$NF}' f.txt cpf.txt 
echo 1:2:3:4 | awk -F: '{print $1,$2,$3,$4}'

2 、匹配

awk '/ldb/ {print}' f.txt   #匹配ldb 
awk '!/ldb/ {print}' f.txt  #不匹配ldb 
awk '/ldb/ && /LISTEN/ {print}' f.txt   #匹配ldb和LISTEN 
awk '$5 ~ /ldb/ {print}' f.txt #第五列匹配ldb

3 、內(nèi)建變量

NR:NR表示從awk開始執(zhí)行后，按照記錄分隔符讀取的數(shù)據(jù)次數(shù)，默認(rèn)的記錄分隔符為換行符，因此默認(rèn)的就是讀取的數(shù)據(jù)行數(shù)，NR可以理解為Number of Record的縮寫。

FNR:在awk處理多個(gè)輸入文件的時(shí)候，在處理完***個(gè)文件后，NR并不會(huì)從1開始，而是繼續(xù)累加，因此就出現(xiàn)了FNR，每當(dāng)處理一個(gè)新文件的時(shí)候，F(xiàn)NR就從1開始計(jì)數(shù)，F(xiàn)NR可以理解為File Number of Record。

NF: NF表示目前的記錄被分割的字段的數(shù)目，NF可以理解為Number of Field。

find

sudo -u admin find /home/admin /tmp /usr -name \*.log(多個(gè)目錄去找) 
find . -iname \*.txt(大小寫都匹配) 
find . -type d(當(dāng)前目錄下的所有子目錄) 
find /usr -type l(當(dāng)前目錄下所有的符號(hào)鏈接) 
find /usr -type l -name "z*" -ls(符號(hào)鏈接的詳細(xì)信息 eg:inode,目錄) 
find /home/admin -size +250000k(超過250000k的文件，當(dāng)然+改成-就是小于了) 
find /home/admin f -perm 777 -exec ls -l {} \; (按照權(quán)限查詢文件) 
find /home/admin -atime -1  1天內(nèi)訪問過的文件 
find /home/admin -ctime -1  1天內(nèi)狀態(tài)改變過的文件     
find /home/admin -mtime -1  1天內(nèi)修改過的文件 
find /home/admin -amin -1  1分鐘內(nèi)訪問過的文件 
find /home/admin -cmin -1  1分鐘內(nèi)狀態(tài)改變過的文件     
find /home/admin -mmin -1  1分鐘內(nèi)修改過的文件

pgm

批量查詢vm-shopbase滿足條件的日志

pgm -A -f vm-shopbase 'cat /home/admin/shopbase/logs/shopbase.log.2017-01-17|grep 2069861630'

tsar

tsar是咱公司自己的采集工具。很好用, 將歷史收集到的數(shù)據(jù)持久化在磁盤上，所以我們快速來(lái)查詢歷史的系統(tǒng)數(shù)據(jù)。當(dāng)然實(shí)時(shí)的應(yīng)用情況也是可以查詢的啦。大部分機(jī)器上都有安裝。

tsar ###可以查看最近一天的各項(xiàng)指標(biāo)

tsar --live ###可以查看實(shí)時(shí)指標(biāo)，默認(rèn)五秒一刷

tsar --mem 
tsar --load 
tsar --cpu 
###當(dāng)然這個(gè)也可以和-d參數(shù)配合來(lái)查詢某天的單個(gè)指標(biāo)的情況

tsar --memtsar --loadtsar --cpu###當(dāng)然這個(gè)也可以和-d參數(shù)配合來(lái)查詢某天的單個(gè)指標(biāo)的情況

top

top除了看一些基本信息之外，剩下的就是配合來(lái)查詢vm的各種問題了

ps -ef | grep java 
top -H -p pid

獲得線程10進(jìn)制轉(zhuǎn)16進(jìn)制后jstack去抓看這個(gè)線程到底在干啥

其他

netstat -nat|awk '{print $6}'|sort|uniq -c|sort -rn #查看當(dāng)前連接，注意close_wait偏高的情況，比如如下

排查利器

btrace

首當(dāng)其沖的要說(shuō)的是btrace。真是生產(chǎn)環(huán)境&預(yù)發(fā)的排查問題大殺器。簡(jiǎn)介什么的就不說(shuō)了。直接上代碼干

1、查看當(dāng)前誰(shuí)調(diào)用了ArrayList的add方法，同時(shí)只打印當(dāng)前ArrayList的size大于500的線程調(diào)用棧

@OnMethod(clazz = "java.util.ArrayList", method="add", location = @Location(value = Kind.CALL, clazz = "/.*/", method = "/.*/")) 
public static void m(@ProbeClassName String probeClass, @ProbeMethodName String probeMethod, @TargetInstance Object instance, @TargetMethodOrField String method) { 
   if(getInt(field("java.util.ArrayList", "size"), instance) > 479){ 
       println("check who ArrayList.add method:" + probeClass + "#" + probeMethod  + ", method:" + method + ", size:" + getInt(field("java.util.ArrayList", "size"), instance)); 
       jstack(); 
       println(); 
       println("==========================="); 
       println(); 
   } 
}

2、監(jiān)控當(dāng)前服務(wù)方法被調(diào)用時(shí)返回的值以及請(qǐng)求的參數(shù)

@OnMethod(clazz = "com.taobao.sellerhome.transfer.biz.impl.C2CApplyerServiceImpl", method="nav", location = @Location(value = Kind.RETURN)) 
public static void mt(long userId, int current, int relation, String check, String redirectUrl, @Return AnyType result) { 
   println("parameter# userId:" + userId + ", current:" + current + ", relation:" + relation + ", check:" + check + ", redirectUrl:" + redirectUrl + ", result:" + result); 
}

更多內(nèi)容，感興趣的請(qǐng)移步：https://github.com/btraceio/btrace

注意:

經(jīng)過觀察，1.3.9的release輸出不穩(wěn)定，要多觸發(fā)幾次才能看到正確的結(jié)果
正則表達(dá)式匹配trace類時(shí)范圍一定要控制，否則極有可能出現(xiàn)跑滿CPU導(dǎo)致應(yīng)用卡死的情況
由于是字節(jié)碼注入的原理，想要應(yīng)用恢復(fù)到正常情況，需要重啟應(yīng)用。

Greys

說(shuō)幾個(gè)挺棒的功能(部分功能和btrace重合):

sc -df xxx: 輸出當(dāng)前類的詳情,包括源碼位置和classloader結(jié)構(gòu)

trace class method: 相當(dāng)喜歡這個(gè)功能! 很早前可以早JProfiler看到這個(gè)功能。打印出當(dāng)前方法調(diào)用的耗時(shí)情況，細(xì)分到每個(gè)方法。

javOSize

就說(shuō)一個(gè)功能

classes：通過修改了字節(jié)碼，改變了類的內(nèi)容，即時(shí)生效。所以可以做到快速的在某個(gè)地方打個(gè)日志看看輸出，缺點(diǎn)是對(duì)代碼的侵入性太大。但是如果自己知道自己在干嘛，的確是不錯(cuò)的玩意兒。

其他功能Greys和btrace都能很輕易做的到，不說(shuō)了。

JProfiler

之前判斷許多問題要通過JProfiler，但是現(xiàn)在Greys和btrace基本都能搞定了。再加上出問題的基本上都是生產(chǎn)環(huán)境(網(wǎng)絡(luò)隔離)，所以基本不怎么使用了，但是還是要標(biāo)記一下。

官網(wǎng)請(qǐng)移步https://www.ej-technologies.com/products/jprofiler/overview.html

大殺器

eclipseMAT

可作為eclipse的插件，也可作為單獨(dú)的程序打開。

詳情請(qǐng)移步http://www.eclipse.org/mat/

java三板斧，噢不對(duì)，是七把

jps

我只用一條命令：

sudo -u admin /opt/taobao/java/bin/jps -mlvV

jstack

普通用法:

sudo -u admin /opt/taobao/install/ajdk-8_1_1_fp1-b52/bin/jstack 2815

native+java棧:

sudo -u admin /opt/taobao/install/ajdk-8_1_1_fp1-b52/bin/jstack -m 2815

jinfo

可看系統(tǒng)啟動(dòng)的參數(shù)，如下

sudo -u admin /opt/taobao/install/ajdk-8_1_1_fp1-b52/bin/jinfo -flags 2815

jmap

兩個(gè)用途

1.查看堆的情況

sudo -u admin /opt/taobao/install/ajdk-8_1_1_fp1-b52/bin/jmap -heap 2815

2.dump

sudo -u admin /opt/taobao/install/ajdk-8_1_1_fp1-b52/bin/jmap -dump:live,format=b,file=/tmp/heap2.bin 2815

或者

sudo -u admin /opt/taobao/install/ajdk-8_1_1_fp1-b52/bin/jmap -dump:format=b,file=/tmp/heap3.bin 2815

3.看看堆都被誰(shuí)占了? 再配合zprofiler和btrace，排查問題簡(jiǎn)直是如虎添翼

sudo -u admin /opt/taobao/install/ajdk-8_1_1_fp1-b52/bin/jmap -histo 2815 | head -10

jstat

jstat參數(shù)眾多，但是使用一個(gè)就夠了

sudo -u admin /opt/taobao/install/ajdk-8_1_1_fp1-b52/bin/jstat -gcutil 2815 1000

jdb

時(shí)至今日，jdb也是經(jīng)常使用的。

jdb可以用來(lái)預(yù)發(fā)debug,假設(shè)你預(yù)發(fā)的java_home是/opt/taobao/java/，遠(yuǎn)程調(diào)試端口是8000.那么

sudo -u admin /opt/taobao/java/bin/jdb -attach 8000.

出現(xiàn)以上代表jdb啟動(dòng)成功。后續(xù)可以進(jìn)行設(shè)置斷點(diǎn)進(jìn)行調(diào)試。

具體參數(shù)可見oracle官方說(shuō)明http://docs.oracle.com/javase/7/docs/technotes/tools/windows/jdb.html

CHLSDB

CHLSDB感覺很多情況下可以看到更好玩的東西，不詳細(xì)敘述了。查詢資料聽說(shuō)jstack和jmap等工具就是基于它的。

sudo -u admin /opt/taobao/java/bin/java -classpath /opt/taobao/java/lib/sa-jdi.jar sun.jvm.hotspot.CLHSDB

更詳細(xì)的可見R大此貼

http://rednaxelafx.iteye.com/blog/1847971

plugin of intellij idea

key promoter

快捷鍵一次你記不住，多來(lái)幾次你總能記住了吧?

maven helper

分析maven依賴的好幫手。

VM options

1、你的類到底是從哪個(gè)文件加載進(jìn)來(lái)的?

-XX:+TraceClassLoading 
結(jié)果形如[Loaded java.lang.invoke.MethodHandleImpl$Lazy from D:\programme\jdk\jdk8U74\jre\lib\rt.jar]

2、應(yīng)用掛了輸出dump文件

-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/home/admin/logs/java.hprof

jar包沖突

把這個(gè)單獨(dú)寫個(gè)大標(biāo)題不過分吧?每個(gè)人或多或少都處理過這種煩人的case。我特么下邊這么多方案不信就搞不定你?

mvn dependency:tree > ~/dependency.txt

打出所有依賴

mvn dependency:tree -Dverbose -Dincludes=groupId:artifactId

只打出指定groupId和artifactId的依賴關(guān)系

-XX:+TraceClassLoading

vm啟動(dòng)腳本加入。在tomcat啟動(dòng)腳本中可見加載類的詳細(xì)信息

-verbose

vm啟動(dòng)腳本加入。在tomcat啟動(dòng)腳本中可見加載類的詳細(xì)信息

greys:sc

greys的sc命令也能清晰的看到當(dāng)前類是從哪里加載過來(lái)的

tomcat-classloader-locate

通過以下url可以獲知當(dāng)前類是從哪里加載的

curl http://localhost:8006/classloader/locate?class=org.apache.xerces.xs.XSObjec

其他

dmesg

如果發(fā)現(xiàn)自己的java進(jìn)程悄無(wú)聲息的消失了，幾乎沒有留下任何線索，那么dmesg一發(fā)，很有可能有你想要的。

sudo dmesg|grep -i kill|less

去找關(guān)鍵字oom_killer。找到的結(jié)果類似如下:

[6710782.021013] java invoked oom-killer: gfp_mask=0xd0, order=0, oom_adj=0, oom_scoe_adj=0 
[6710782.070639] [<ffffffff81118898>] ? oom_kill_process+0x68/0x140  
[6710782.257588] Task in /LXC011175068174 killed as a result of limit of /LXC011175068174  
[6710784.698347] Memory cgroup out of memory: Kill process 215701 (java) score 854 or sacrifice child  
[6710784.707978] Killed process 215701, UID 679, (java) total-vm:11017300kB, anon-rss:7152432kB, file-rss:1232kB

以上表明，對(duì)應(yīng)的java進(jìn)程被系統(tǒng)的OOM Killer給干掉了，得分為854.

解釋一下OOM killer(Out-Of-Memory killer)，該機(jī)制會(huì)監(jiān)控機(jī)器的內(nèi)存資源消耗。當(dāng)機(jī)器內(nèi)存耗盡前，該機(jī)制會(huì)掃描所有的進(jìn)程(按照一定規(guī)則計(jì)算，內(nèi)存占用，時(shí)間等)，挑選出得分***的進(jìn)程，然后殺死，從而保護(hù)機(jī)器。

dmesg日志時(shí)間轉(zhuǎn)換公式:

log實(shí)際時(shí)間=格林威治1970-01-01+(當(dāng)前時(shí)間秒數(shù)-系統(tǒng)啟動(dòng)至今的秒數(shù)+dmesg打印的log時(shí)間)秒數(shù)：

date -d "1970-01-01 UTC `echo "$(date +%s)-$(cat /proc/uptime|cut -f 1 -d' ')+12288812.926194"|bc ` seconds"

剩下的，就是看看為什么內(nèi)存這么大，觸發(fā)了OOM-Killer了。

新技能get

RateLimiter

想要精細(xì)的控制QPS? 比如這樣一個(gè)場(chǎng)景，你調(diào)用某個(gè)接口，對(duì)方明確需要你限制你的QPS在400之內(nèi)你怎么控制?這個(gè)時(shí)候RateLimiter就有了用武之地。詳情可移步http://ifeve.com/guava-ratelimite

責(zé)任編輯：龐桂玉來(lái)源：民工哥技術(shù)之路