告警
正在開會，突然釘釘告警聲響個不停，同時市場人員反饋客戶在投訴系統登不進了，報504錯誤。查看釘釘上的告警信息，幾臺業務服務器節點全部報CPU超過告警閾值，達100%。
趕緊從會上下來，SSH登錄服務器，使用 top 命令查看，幾個Java進程CPU佔用達到180%，190%，這幾個Java進程對應同一個業務服務的幾個Pod（或容器）。
定位
-
使用
docker stats命令查看本節點容器資源使用情況，對佔用CPU很高的容器使用docker exec -it <容器ID> bash進入。 -
在容器內部執行
top命令查看，定位到佔用CPU高的進程ID，使用top -Hp <進程ID>定位到佔用CPU高的線程ID。 -
使用
jstack <進程ID> > jstack.txt將進程的線程棧打印輸出。 -
退出容器， 使用
docker cp <容器ID>:/usr/local/tomcat/jstack.txt ./命令將jstack文件複製到宿主機，便於查看。獲取到jstack信息後，趕緊重啓服務讓服務恢復可用。 -
將2中佔用CPU高的線程ID使用
pringf '%x\n' <線程ID>命令將線程ID轉換爲十六進制形式。假設線程ID爲133，則得到十六進制85。在jstack.txt文件中定位到nid=0x85的位置，該位置即爲佔用CPU高線程的執行棧信息。如下圖所示，
- 與同事確認，該處爲使用一個框架的excel導出功能，並且，導出excel時沒有分頁，沒有限制！！！查看SQL查詢記錄，該導出功能一次導出50w條數據，並且每條數據都需要做轉換計算，更爲糟糕的是，操作者因爲導出時久久沒有響應，於是連續點擊，幾分鐘內發起了10多次的導出請求。。。於是，CPU被打滿，服務崩潰了，我也崩潰了。。
解決
對於此類耗資源的操作，一定要做好相應的限制。比如可以限制請求量，控制最大分頁大小，同時可以限制訪問頻率，比如同一用戶一分鐘內最多請求多少次。
再發
服務重啓後恢復。到了下午，又一臺服務器節點CPU告警，依前面步驟定位到佔用CPU高的線程，如下
"GC task thread#0 (ParallelGC)" os_prio=0 tid=0x00007fa114020800 nid=0x10 runnable
"GC task thread#1 (ParallelGC)" os_prio=0 tid=0x00007fa114022000 nid=0x11 runnable
使用命令 jstat -gcutil <進程ID> 2000 10 查看GC情況，如圖
發現Full GC次數達到1000多次，且還在不斷增長，同時Eden區，Old區已經被佔滿（也可使用jmap -heap <進程ID>查看堆內存各區的佔用情況），使用jmap將內存使用情況dump出來，
jmap -dump:format=b,file=./jmap.dump 13
退出容器，使用 docker cp <容器ID>:/usr/local/tomcat/jmap.dump ./ 將dump文件複製到宿主機目錄，下載到本地，使用 MemoryAnalyzer（下載地址：https://www.eclipse.org/mat/downloads.php ）打開，如圖
如果dump文件比較大，需要增大MemoryAnalyzer.ini配置文件中的-Xmx值
發現佔用內存最多的是char[], String對象，通過右鍵可以查看引用對象，但點開貌似也看不出所以然來，進入內存泄露報告頁面，如圖
該頁面統計了堆內存的佔用情況，並且給出疑似泄露點，在上圖中點開“see stacktrace”鏈接，進入線程棧頁面，
似曾熟悉的畫面，還是跟excel導出有關，數據太多，導致內存溢出。。。於是GC頻繁，於是CPU爆了。根源還是同一個。
總結
本文以處理一次線上服務CPU 100%的實戰過程示例了在遇到Java服務造成服務器CPU消耗過高或內存溢出的一般處理方法，希望對大家定位線上類似問題提供參考。同時，開發實現功能時需要考慮的更深遠一些，不能停留在解決當前的場景，需要考慮數據量不斷增大時，你的實現是否還能適用。俗話說，初級程序員解決當前問題，中級程序員解決兩年後的問題，高級程序員解決五年後的問題，_。
[轉載請註明出處]
作者：雨歌
歡迎關注作者公衆號：半路雨歌，查看更多技術乾貨文章
