1. 生產環境的異常現象及初步分析
最近發現系統程序內存消耗越來越大,開始並沒特別注意,就簡單調了一下jvm參數。但直到前些天內存爆滿,持續Full GC,這肯定出現了內存泄露。
原以爲哪裏出現了比較低級的錯誤,所以很直接想到先去看看程序是在跑哪段代碼。jstack -l <pid>
以後,居然有上千個線程,而且都是屬於RUNNING並WAIT的狀態。
I/O dispatcher 125" #739 prio=5 os_prio=0 tid=0x0000000002394800 nid=0x1e2a runnable [0x00007f5c2125b000] java.lang.Thread.State: RUNNABLE at sun.nio.ch.EPollArrayWrapper.epollWait(Native Method) at sun.nio.ch.EPollArrayWrapper.poll(EPollArrayWrapper.java:269) at sun.nio.ch.EPollSelectorImpl.doSelect(EPollSelectorImpl.java:79) at sun.nio.ch.SelectorImpl.lockAndDoSelect(SelectorImpl.java:86) - locked <0x00000007273401d0> (a sun.nio.ch.Util$2) - locked <0x00000007273401c0> (a java.util.Collections$UnmodifiableSet) - locked <0x00000007273401e0> (a sun.nio.ch.EPollSelectorImpl) at sun.nio.ch.SelectorImpl.select(SelectorImpl.java:97) at org.apache.http.impl.nio.reactor.AbstractIOReactor.execute(AbstractIOReactor.java:257) at org.apache.http.impl.nio.reactor.BaseIOReactor.execute(BaseIOReactor.java:106) at org.apache.http.impl.nio.reactor.AbstractMultiworkerIOReactor$Worker.run(AbstractMultiworkerIOReactor.java:590) at java.lang.Thread.run(Thread.java:745) Locked ownable synchronizers: - None "pool-224-thread-1" #738 prio=5 os_prio=0 tid=0x00007f5c463f4000 nid=0x1e29 runnable [0x00007f5c2024b000] java.lang.Thread.State: RUNNABLE at sun.nio.ch.EPollArrayWrapper.epollWait(Native Method) at sun.nio.ch.EPollArrayWrapper.poll(EPollArrayWrapper.java:269) at sun.nio.ch.EPollSelectorImpl.doSelect(EPollSelectorImpl.java:79) at sun.nio.ch.SelectorImpl.lockAndDoSelect(SelectorImpl.java:86) - locked <0x0000000727340478> (a sun.nio.ch.Util$2) - locked <0x0000000727340468> (a java.util.Collections$UnmodifiableSet) - locked <0x0000000727340488> (a sun.nio.ch.EPollSelectorImpl) at sun.nio.ch.SelectorImpl.select(SelectorImpl.java:97) at org.apache.http.impl.nio.reactor.AbstractMultiworkerIOReactor.execute(AbstractMultiworkerIOReactor.java:342) at org.apache.http.impl.nio.conn.PoolingNHttpClientConnectionManager.execute(PoolingNHttpClientConnectionManager.java:191) at org.apache.http.impl.nio.client.CloseableHttpAsyncClientBase$1.run(CloseableHttpAsyncClientBase.java:64) at java.lang.Thread.run(Thread.java:745) Locked ownable synchronizers: - None
我以下的思考路徑都未能解決(自己記錄一下,看官可以跳過...)
查看線程的stack,看調用處是否有問題。這個一般都能解決問題,但是上面的異常線程棧確實沒什麼信息量,無法定位。
Google了一下有關大量這個線程停在epollwait的資料,發現這個現象和epoll nio的bug是一樣的,還以爲碰到了一個無法處理的高級問題。第一反應就是去HttpClient的官網查bug日誌,結果還真發現了最近的升級有解決類似問題的,然後升級到最新版問題依舊。但是最後仔細想想,也確實不太可能,畢竟應用場景還是比較普通的。
jmap -histo <pid>
看了一下對象,結果發現存在InternalHttpAsyncClient數量和泄露的線程數量剛好相等,所以基本就確定是這個對象的創建和回收有問題。但是這是誰創建的?查了調用棧和異常對象的package,發現是HttpClient的,把本地所有相關調用都查了一遍,看起來寫的也都是對的。
搬出jvirtualvm的性能分析工具,發現只能看到泄露現象,無法定位問題。
這下懵逼了,剛好忙其他事,就放了幾天順帶考慮一下,還好泄露比較慢,問題處理不着急。。。
2. 線程泄露的分析方法
處理這個問題的關鍵:必須準確知道是什麼泄露了線程!
在Google過程中突然受到啓發,JDK中的工具是應該可以分析引用的。最後發現jhat - Java Heap Analysis Tool正是我要的。
最終解決方式:
jmap -F -dump:format=b,file=tomcat.bin <pid>
導出tomcat的內存jhat -J-Xmx4g <heap dump file>
分析Heap中的信息(注意:分析非常消耗CPU和內存,儘量在配置較好的機器上運行)查看相關對象的reference,OQL也可以用,但是網頁版直接點鏈接也夠用了。
3. 鎖定原因並解決
從之前異常heap中發現存在的問題對象有如下這些:
$ cat histo | grep org.apache.http. | grep 1944 | less 197: 1944 217728 org.apache.http.impl.nio.conn.ManagedNHttpClientConnectionImpl 232: 1944 171072 org.apache.http.impl.nio.conn.CPool 233: 1944 171072 org.apache.http.impl.nio.reactor.DefaultConnectingIOReactor 248: 1944 155520 org.apache.http.impl.nio.reactor.BaseIOReactor 249: 1944 155520 org.apache.http.impl.nio.reactor.IOSessionImpl 276: 1944 139968 org.apache.http.impl.nio.client.InternalHttpAsyncClient 277: 1944 139968 org.apache.http.impl.nio.conn.CPoolEntry 323: 1944 108864 org.apache.http.impl.nio.client.MainClientExec 363: 1944 93312 org.apache.http.impl.nio.codecs.DefaultHttpResponseParser 401: 1944 77760 org.apache.http.impl.nio.reactor.SessionInputBufferImpl 402: 1944 77760 org.apache.http.impl.nio.reactor.SessionOutputBufferImpl 403: 1944 77760 org.apache.http.nio.protocol.HttpAsyncRequestExecutor$State 442: 1944 62208 org.apache.http.impl.cookie.DefaultCookieSpecProvider 443: 1944 62208 org.apache.http.impl.nio.conn.PoolingNHttpClientConnectionManager 444: 1944 62208 org.apache.http.nio.conn.ssl.SSLIOSessionStrategy 445: 1944 62208 org.apache.http.nio.pool.AbstractNIOConnPool$2 511: 1944 46656 [Lorg.apache.http.impl.nio.reactor.AbstractMultiworkerIOReactor$Worker; 512: 1944 46656 [Lorg.apache.http.impl.nio.reactor.BaseIOReactor; 513: 1944 46656 org.apache.http.conn.ssl.DefaultHostnameVerifier 514: 1944 46656 org.apache.http.impl.cookie.DefaultCookieSpec 515: 1944 46656 org.apache.http.impl.cookie.NetscapeDraftSpecProvider 516: 1944 46656 org.apache.http.impl.nio.client.CloseableHttpAsyncClientBase$1 517: 1944 46656 org.apache.http.impl.nio.client.InternalIODispatch 518: 1944 46656 org.apache.http.impl.nio.codecs.DefaultHttpRequestWriter 519: 1944 46656 org.apache.http.impl.nio.conn.PoolingNHttpClientConnectionManager$ConfigData 520: 1944 46656 org.apache.http.impl.nio.conn.PoolingNHttpClientConnectionManager$InternalAddre***esolver 521: 1944 46656 org.apache.http.impl.nio.conn.PoolingNHttpClientConnectionManager$InternalConnectionFactory 522: 1944 46656 org.apache.http.impl.nio.reactor.AbstractMultiworkerIOReactor$Worker 523: 1944 46656 org.apache.http.nio.protocol.HttpAsyncRequestExecutor 603: 1944 31104 org.apache.http.client.protocol.RequestExpectContinue 604: 1944 31104 org.apache.http.conn.routing.BasicRouteDirector 605: 1944 31104 org.apache.http.impl.auth.HttpAuthenticator 606: 1944 31104 org.apache.http.impl.conn.DefaultRoutePlanner 607: 1944 31104 org.apache.http.impl.cookie.IgnoreSpecProvider 608: 1944 31104 org.apache.http.impl.nio.SessionHttpContext 609: 1944 31104 org.apache.http.impl.nio.reactor.AbstractIOReactor$1 610: 1944 31104 org.apache.http.impl.nio.reactor.AbstractMultiworkerIOReactor$DefaultThreadFactory 611: 1944 31104 org.apache.http.nio.pool.AbstractNIOConnPool$InternalSessionRequestCallback
接下來要找出到底誰new了這些對象,這些異常Object中很多是內部field,所以要先找出最外層的對象。這個就只是邊猜邊看了,結果發現就是InternalHttpAsyncClient。點開進去看了一下,發現有一堆Instance,最後了發現泄露的對象。也可以用OQL select referrers(c) from org.apache.http.impl.nio.client.InternalHttpAsyncClient c
instance of org.apache.http.impl.nio.client.InternalHttpAsyncClient@0x932be638 (128 bytes) Class: class org.apache.http.impl.nio.client.InternalHttpAsyncClientInstance data members: ... References to this object: org.apache.http.impl.nio.client.CloseableHttpAsyncClientBase$1@0x932be6c8 (40 bytes) : field this$0 com.aliyun.mqs.common.http.DefaultServiceClient@0x931cc588 (32 bytes) : field httpClient
這裏的信息就是阿里雲的mqs創建了這些對象。去看了一下代碼,書寫看似沒有問題,實際上,連接壓根忘記關了。有問題的阿里雲MQS文檔是這個,但是最新版本的官網文檔已經改用了org.eclipse.jetty.client.HttpClient,也是沒有顯式調用stop函數,希望這個類庫不會出現此問題。
@Service public class AliyunService implements IAliyunService { private static Logger logger = Logger.getLogger(AliyunService.class.getName()); @Autowired private AliyunConfig aliyunConfig; @Override public void sendMessage(String content) { MQSClient client = new DefaultMQSClient(aliyunConfig.mqEndpoint, aliyunConfig.mqAccessId, aliyunConfig.mqAccessKey); String queueName = aliyunConfig.mqQueue; try { CloudQueue queue = client.getQueueRef(queueName); // queue沒做關閉處理,應該最後加上 // finally{ queue.close(); } Message message = new Message(); message.setMessageBody(content); queue.putMessage(message); } catch (Exception e) { logger.warning(e.getMessage()); } } }
以下是MQS給的jar中相應關閉的源碼
public final class CloudQueue { private ServiceClient serviceClient; ... public void close() { if(this.serviceClient != null) { this.serviceClient.close(); } } }
真相大白!至此修改後,問題順利解決。
4. 總結
首先,這個問題的解決確實還是要善用並熟悉JDK工具*,之前對jhat的理解不深,導致第一時間沒有想到這個解決方案。日後再有內存問題,會有更犀利的解決方法了。
其次,熟悉了線程泄露的現象,解決方式還是去找線程的對象,說到底,還是對象的泄露。
最後,真的要吐槽一下阿里,我之前接阿里百川就噁心的不行,這次又出現低級錯誤。我一直認爲阿里是中國軟件技術最好的公司,但基層研發的是水平真心一般,研發質量控制有問題啊