[[400658]]

前言

日常Bug排查系列都是一些簡單Bug排查，筆者將在這里介紹一些排查Bug的簡單技巧，同時順便積累素材^_^。

Bug現場

開發反應線上系統出現失去響應的現象，收到業務告警以及頻繁MarkAndSweep(Full GC)告警。于是找到筆者進行排查。

看基礎監控

首先呢，當然是看我們的監控了，找到對應失去響應的系統的ip，看下我們的基礎監控。

機器內存持續上升。因為我們是java系統，堆的大小一開始已經設置了最大值。

--XX:Xms2g -Xmx2g 

所以看上去像堆外內存泄露。而FullGC告警只是堆外內存后一些關聯堆內對象觸發。

看應用監控

第二步，當然就是觀察我們的應用監控，這邊筆者用的是CAT。觀察Cat中對應應用的情況，很容易發現，其ActiveThread呈現不正常的現象，竟然達到了5000+多個，同時和內存上升曲線保持一致。

jstack

java應用中遇到線程數過多的現象，首先我們考慮的是jstack，jstack出來對應的文件后。我們less一下，發現很多線程卡在下面的代碼棧上。

"Thread-1234 
    java.lang.Thread.State: WAITING (parking) 
        at sun.misc.Unsafe.park 
        ...... 
        at org.apache.commons.pool2.impl.LinkedBlockingQueue.takeFirst 
        ...... 
        at redis.clients.util.Pool.getResource 

很明顯的，這個代碼棧指的是沒有獲取連接，從而卡住。至于為什么卡這么長時間而不釋放，肯定是由于沒設置超時時間。那么是否大部分線程都卡在這里呢，這里我們做一下統計。

cat jstack.txt | grep 'prio=' | wc -l  
======> 5648 
cat jstack.txt | grep 'redis.clients.util.Pool.getResource'  
======> 5242 

可以看到，一共5648個線程，有5242，也就是92%的線程卡在Redis getResource中。

看下redis情況

netstat -anp | grep 6379  
tcp 0 0 1.2.3.4:111 3.4.5.6:6379 ESTABLISHED 
...... 

一共5個，而且連接狀態為ESTABLISHED，正常。由此可見他們配置的最大連接數是5(因為別的線程正在等待獲取Redis資源)。

Redis連接泄露

那么很自然的想到，Redis連接泄露了，即應用獲得Redis連接后沒有還回去。這種泄露有下面幾種可能:

情況1:

情況2:

情況3：

調用Redis卡住，由于其它機器是好的，故排除這種情況。

如何區分

我們做個簡單的推理:

如果是情況1，那么這個RedisConn肯定可以通過內存可達性分析和Thread關聯上，而且這個關聯關系肯定會關聯到某個業務操作實體(例如code stack or 業務bean)。那么我們只要觀察其在堆內的關聯路線是否和業務相關即可,如果沒有任何關聯，那么基本斷定是情況2了。

可達性分析

我們可以通過jmap dump出應用內存，然后通過MAT(Memory Analysis Tool)來進行可達性分析。

首先找到RedisConn

將dump文件在MAT中打開，然后運行OQL:

select * from redis.clients.jedis.Jedis (RedisConn的實體類) 

搜索到一堆Jedis類，然后我們執行

Path To GCRoots->with all references 

可以看到如下結果:

redis.clients.jedis.Jedis 
    |->object  
        |->item 
            |->first 
                |->... 
                    |->java.util.TimerThread 
                |->internalPool 

由此可見，我們的連接僅僅被TimerThread和internalPool(Jedis本身的連接池)持有。所以我們可以判斷出大概率是情況2，即忘了歸還連接。翻看業務代碼:

偽代碼 
void lock(){ 
    conn = jedis.getResource() 
    conn.setNx() 
    // 結束,此處應該有finally{returnResource()}或者采用RedisTemplate 
} 

最后就是很簡單的，業務開發在執行setNx操作后，忘了將連接還回去。導致連接泄露。

如果是情況1如何定位卡住的代碼

到此為止，這個問題是解決了。但是如果是情況1的話，我們又該如何分析下去呢?很簡單，我們如果找到了jedis被哪個業務線程擁有，直接從heap dump找到其線程號，然后取Jstack中搜索即可知道其卡住的代碼棧。

jmap: 
redis.clients.jedis.Jedis 
    |->Thread-123 
 
jstack: 
 
Thread-123 prio=... 
    at xxx.xxx.xxx.blocked 

總結

這是一個很簡單的問題，知道套路之后排查起來完全不費事。雖然最后排查出來是個很低級的代碼，但是這種分析方法值得借鑒。