Java进程故障排查(CPU资源占用高,接口响应超时,功能接口停滞等)

  • 时间:
  • 浏览:2

# 原因着系统不可用情况报告(频率较大):

    1)代码中某个位置读取数据量较大,原因着系统内存耗尽,进而再次出现Full GC次数不多,系统缓慢;

    2)代码暗含比较消耗CPU的操作,原因着CPU匮乏,系统运行缓慢;

# 原因着某功能运行缓慢(不至于原因着系统不可用):

    3)代码某个位置有阻塞性的操作,原因着调用整体比较耗时,但再次出现比较随机;

    4)某程序是原因着三种原因着进入WAITTING情况报告,此时该功能整体不可用,但无法复现;

    5)是原因着锁使用不当,原因着多个程序进入死锁情况报告,原因着系统整体比较缓慢。

# 说明

    对于后三种情况报告而言,是具有一定阻塞性操作,CPU和系统内存使用情况报告需要高,但功能却好快,统统通过查看资源使用情况报告是无法查看出具体现象图片的!

### 对于线上系统时不时产生的运行缓慢现象图片,是原因着原因着线上系统不可用。首没能做的是导出jstack和内存信息,重启服务器,尽快保证系统的高可用

### 导出jstack信息

为解决重复赘述,此操作将在上端的"排查步骤"章节中体现!

### 导出内存堆栈信息

# 查看要导出的Java项目的pid

# jps -l

or

# ps -ef |grep java

# 导出内存堆栈信息

jmap -dump:live,format=b,file=heap8 <pid> # heap8是自定义的文件名

# 运行导出的堆栈文件

# ls

heap8

# hostname -I

10.2.2.162

# jhat -port 9998 heap8

# 浏览器访问http://10.2.2.162:9998/

# 环境说明

    因平台做了线上推广,原因着管理平台门户网页进统计页面请求超时,随进服务器操作系统查看负载信息,load average超过了4,负载较大,PID为7163的程序cpu资源占用较高。

# 定位故障

# 解决思路:

    找出CPU占用率高的程序,再通过程序栈信息找出该程序当时正在运行的现象图片代码段。

# 操作如下:

# 查看高占用的"程序"中占用高的"程序"

# top -Hbp 7163 | awk '/java/ && $9>80'

# 将16298的程序ID转换为16进制的程序ID

# printf "%x\n" 16298

3faa

# 通过jvm的jstack查看程序信息并保存以供研发后续分析

# jstack 7163 | grep "3faa" -C 20 > 7163.log

# 重点说明

通过排查步骤,可得排查现象图片需要掌握的信息如下:

    1)资源占用高对应的程序a的PID;

    2)程序a对应的资源占用高且最频繁的程序b的ID;

    3)将程序b的ID转换为16进制的ID。

## 通过"排查步骤"章节可基本定位现象图片,后续请见下文!

确认现象图片及解决

# jstack $pid | grep "3faa" -C 20 # 3faa指的是高占用程序中的高占用的程序对应的16进制id

# 查看一遍是数据库的现象图片,排查思路:先打印所有在跑的数据库程序,检查后发现并跟进情况报告找到现象图片表;

# 打印MySQL现有程序信息文件

# mysql -uroot -p -e "show full processlist" > mysql_full_process.log

# 过滤出查询最多的表

grep Query mysql_full_process.log

# 统计查询最多的表的数据量

> use databases_name;

> select count(1) from table_name;

# 结合MySQL日志信息,可判断现象图片是查询时间过长原因着,排查后发现表未创建索引;

> show create table table_name\G

# 询问研发,确认数据不重要,检查字段由时间字段,根据时间确认只保留4个 月的数据;

> delete from table_name where xxxx_time < '2019-07-01 00:00:00' or xxxx_time is null;

# 创建索引

> alter table table_name add index (device_uuid);

# 确认索引有无创建

> show create table table_name;

总结

    解决后程序的CPU占用降至正常水平,本次排查主要用到了jvm程序查看及dump程序全部信息的操作,确认是由数据库现象图片原因着的原因着,并对数据库进行了清理并创建了索引。

    在解决现象图片后,又查询了一下数据库相关现象图片的优化,通常的优化法子还是打上去索引。该法子打上去参数具体如下:

innodb_buffer_pool_size=4G

## 通过"排查步骤"章节可基本定位现象图片,后续请见下文!

确认现象图片及解决

# 社会形态说明

对于Full GC较多的情况报告,有以下社会形态:

    1)程序的多个程序的CPU使用率都超过80%,通过jstack命令可看一遍大偏离 是垃圾回收程序;

    2)通过jstat查看GC情况报告,可看一遍Full GC次数非常多,并数值在不断增加。

# 3faa指的是高占用程序中的高占用的程序对应的16进制id;

# jstack $pid | grep "3faa" -C 20

说明:VM Thread指垃圾回收的程序。故基本可选择 ,当前系统缓慢的原因着主后后垃圾回收过于频繁,原因着GC停顿时间较长。

# 查看GC情况报告(800指间隔800ms,4指查询次数)

# jstat -gcutil $pid 800 4

说明:FGCFull GC数量,其值时不时在增加,图中显现高达6783,进一步证实是是原因着内存溢出原因着的系统缓慢。

# 因笔者是运维,故确认了现象图片后,Dump内存日志后交由研发解决代码层面现象图片!

总结

# 对于Full GC次数过大,主要有以下三种原因着:

    1)代码中一次性获取几瓶对象,原因着内存溢出(可用Eclipse的Mat工具排查);

    2)内存占用不高,但Full GC数值较大,是原因着是显示的System.gc()调用GC次数不多,可通过打上去 -XX:+DisableExplicitGC 来禁用JVM 对显示 GC 的响应。

情况报告说明

    某个接口访问时不时需要3~4s甚至更长时间能能返回。一般而言,其消耗的CPU和内存资源不多,通过上述法子排查现象图片无法行通。

    是原因着接口耗时较长现象图片不定时再次出现,原因着通过jstack命令得到程序访问的堆栈信息,根据其信息后后一定能定位到原因着耗时操作的程序(概率事件)。

定位思路

    在排除网络因素后,通过压测工具对现象图片接口不断加大访问力度。当该接口暗含某个位置是比较耗时的,是原因着访问的频率高,将原因着大多数的程序都阻塞于该阻塞点。

    通过分析多个程序日志,能得到相同的TIMED_WAITING堆栈日志,基本上就可定位到该接口中较耗时的代码的位置。

# 示例

# 代码暗含比较耗时的阻塞操作,通过压测工具得到的程序堆栈日志,如下:

说明:由图可得,多个程序都阻塞在了UserController的第18行,说明此时4个 阻塞点,也是原因着该接口较缓慢的原因着。

# 总体性的分析思路

当Java应用再次出现现象图片时,解决步骤如下:

    通过 top 命令定位异常程序pid,再 top -Hp <pid> 命令定位出CPU资源占用较高的程序的id,并将其程序id转换为十六进制的表现形式,再通过 jstack <pid> | grep <id> 命令查看日志信息,定位具体现象图片。

# 此处根据日志信息分析,可分为三种情况报告,如下:

# A情况报告    

    A.a)若用户程序正常,则通过该程序的堆栈信息查看比较消耗CPU的具体代码区域;

    A.b)若是VM Thread,则通过 jstat -gcutil <pid> <interval> <times> 命令查看当前GC情况报告,后后通过 jmap -dump:live,format=b,file=<filepath> <pid> 导出当前系统内存数据,用Eclipse的Mat工具进行分析,进而针对比较消耗内存的代码区进行相关优化。

# B情况报告

    若通过top命令查看一遍CPU和内存使用率不高,则可考虑以下三种情况报告。

    B.a)若是不定时再次出现接口耗时过长,则可通过压测法子增大阻塞点再次出现的概率,从而通过jstack命令查看堆栈信息,找到阻塞点;

    B.b)若是某功能访问时时不时再次出现停滞(异常)情况报告,重启后又正常了,一块儿也无法复现。此时可通不多次导出jstack日志的法子,对比并定位出较长时间存在等待图片情况报告的用户程序,再从中筛选出现象图片程序;

    B.c)若通过jstack命令查看一遍死锁情况报告,则可检查产生死锁的程序的具体阻塞点,进而相应解决。