JAVA前線

歡迎大家關(guān)注公眾號「JAVA前線」查看更多精彩分享，主要包括源碼分析、實際應(yīng)用、架構(gòu)思維、職場分享、產(chǎn)品思考等等，同時也非常歡迎大家加我微信「java_front」一起交流學(xué)習(xí)

0 文章概述

大家可能都遇到過DUBBO線程池打滿這個問題，剛開始遇到這個問題可能會比較慌，常見方案可能就是重啟服務(wù)，但也不知道重啟是否可以解決。我認(rèn)為重啟不僅不能解決問題，甚至有可能加劇問題，這是為什么呢？本文我們就一起分析DUBBO線程池打滿這個問題。

1 基礎(chǔ)知識

1.1 DUBBO線程模型

1.1.1 基本概念

DUBBO底層網(wǎng)絡(luò)通信采用Netty框架，我們編寫一個Netty服務(wù)端進行觀察：

public class NettyServer {
    public static void main(String[] args) throws Exception {
        EventLoopGroup bossGroup = new NioEventLoopGroup(1);
        EventLoopGroup workerGroup = new NioEventLoopGroup(8);
        try {
            ServerBootstrap bootstrap = new ServerBootstrap();
            bootstrap.group(bossGroup, workerGroup)
            .channel(NioServerSocketChannel.class)
            .option(ChannelOption.SO_BACKLOG, 128)
            .childOption(ChannelOption.SO_KEEPALIVE, true)
            .childHandler(new ChannelInitializer<SocketChannel>() {
                @Override
                protected void initChannel(SocketChannel ch) throws Exception {
                    ch.pipeline().addLast(new NettyServerHandler());
                }
            });
            ChannelFuture channelFuture = bootstrap.bind(7777).sync();
            System.out.println("服務(wù)端準(zhǔn)備就緒");
            channelFuture.channel().closeFuture().sync();
        } catch (Exception ex) {
            System.out.println(ex.getMessage());
        } finally {
            bossGroup.shutdownGracefully();
            workerGroup.shutdownGracefully();
        }
    }
}

BossGroup線程組只有一個線程處理客戶端連接請求，連接完成后將完成三次握手的SocketChannel連接分發(fā)給WorkerGroup處理讀寫請求，這兩個線程組被稱為「IO線程」。

我們再引出「業(yè)務(wù)線程」這個概念。服務(wù)生產(chǎn)者接收到請求后，如果處理邏輯可以快速處理完成，那么可以直接放在IO線程處理，從而減少線程池調(diào)度與上下文切換。但是如果處理邏輯非常耗時，或者會發(fā)起新IO請求例如查詢數(shù)據(jù)庫，那么必須派發(fā)到業(yè)務(wù)線程池處理。

DUBBO提供了多種線程模型，選擇線程模型需要在配置文件指定dispatcher屬性：

<dubbo:protocol name="dubbo" dispatcher="all" />
<dubbo:protocol name="dubbo" dispatcher="direct" />
<dubbo:protocol name="dubbo" dispatcher="message" />
<dubbo:protocol name="dubbo" dispatcher="execution" />
<dubbo:protocol name="dubbo" dispatcher="connection" />

不同線程模型在選擇是使用IO線程還是業(yè)務(wù)線程，DUBBO官網(wǎng)文檔說明：

all
所有消息都派發(fā)到業(yè)務(wù)線程池，包括請求，響應(yīng)，連接事件，斷開事件，心跳

direct
所有消息都不派發(fā)到業(yè)務(wù)線程池，全部在IO線程直接執(zhí)行

message
只有請求響應(yīng)消息派發(fā)到業(yè)務(wù)線程池，其它連接斷開事件，心跳等消息直接在IO線程執(zhí)行

execution
只有請求消息派發(fā)到業(yè)務(wù)線程池，響應(yīng)和其它連接斷開事件，心跳等消息直接在IO線程執(zhí)行

connection
在IO線程上將連接斷開事件放入隊列，有序逐個執(zhí)行，其它消息派發(fā)到業(yè)務(wù)線程池

1.1.2 確定時機

生產(chǎn)者和消費者在初始化時確定線程模型：

// 生產(chǎn)者
public class NettyServer extends AbstractServer implements Server {
    public NettyServer(URL url, ChannelHandler handler) throws RemotingException {
        super(url, ChannelHandlers.wrap(handler, ExecutorUtil.setThreadName(url, SERVER_THREAD_POOL_NAME)));
    }
}

// 消費者
public class NettyClient extends AbstractClient {
    public NettyClient(final URL url, final ChannelHandler handler) throws RemotingException {
     super(url, wrapChannelHandler(url, handler));
    }
}

生產(chǎn)者和消費者默認(rèn)線程模型都會使用AllDispatcher，ChannelHandlers.wrap方法可以獲取Dispatch自適應(yīng)擴展點。如果我們在配置文件中指定dispatcher，擴展點加載器會從URL獲取屬性值加載對應(yīng)線程模型。本文以生產(chǎn)者為例進行分析：

public class NettyServer extends AbstractServer implements Server {
    public NettyServer(URL url, ChannelHandler handler) throws RemotingException {
        // ChannelHandlers.wrap確定線程策略
        super(url, ChannelHandlers.wrap(handler, ExecutorUtil.setThreadName(url, SERVER_THREAD_POOL_NAME)));
    }
}

public class ChannelHandlers {
    protected ChannelHandler wrapInternal(ChannelHandler handler, URL url) {
        return new MultiMessageHandler(new HeartbeatHandler(ExtensionLoader.getExtensionLoader(Dispatcher.class).getAdaptiveExtension().dispatch(handler, url)));
    }
}

@SPI(AllDispatcher.NAME)
public interface Dispatcher {
    @Adaptive({Constants.DISPATCHER_KEY, "channel.handler"})
    ChannelHandler dispatch(ChannelHandler handler, URL url);
}

1.1.3 源碼分析

我們分析其中兩個線程模型源碼，其它線程模型請閱讀DUBBO源碼。AllDispatcher模型所有消息都派發(fā)到業(yè)務(wù)線程池，包括請求，響應(yīng)，連接事件，斷開事件，心跳：

public class AllDispatcher implements Dispatcher {

    // 線程模型名稱
    public static final String NAME = "all";

    // 具體實現(xiàn)策略
    @Override
    public ChannelHandler dispatch(ChannelHandler handler, URL url) {
        return new AllChannelHandler(handler, url);
    }
}


public class AllChannelHandler extends WrappedChannelHandler {

    @Override
    public void connected(Channel channel) throws RemotingException {
        // 連接完成事件交給業(yè)務(wù)線程池
        ExecutorService cexecutor = getExecutorService();
        try {
            cexecutor.execute(new ChannelEventRunnable(channel, handler, ChannelState.CONNECTED));
        } catch (Throwable t) {
            throw new ExecutionException("connect event", channel, getClass() + " error when process connected event", t);
        }
    }

    @Override
    public void disconnected(Channel channel) throws RemotingException {
        // 斷開連接事件交給業(yè)務(wù)線程池
        ExecutorService cexecutor = getExecutorService();
        try {
            cexecutor.execute(new ChannelEventRunnable(channel, handler, ChannelState.DISCONNECTED));
        } catch (Throwable t) {
            throw new ExecutionException("disconnect event", channel, getClass() + " error when process disconnected event", t);
        }
    }

    @Override
    public void received(Channel channel, Object message) throws RemotingException {
        // 請求響應(yīng)事件交給業(yè)務(wù)線程池
        ExecutorService cexecutor = getExecutorService();
        try {
            cexecutor.execute(new ChannelEventRunnable(channel, handler, ChannelState.RECEIVED, message));
        } catch (Throwable t) {
            if(message instanceof Request && t instanceof RejectedExecutionException) {
                Request request = (Request)message;
                if(request.isTwoWay()) {
                    String msg = "Server side(" + url.getIp() + "," + url.getPort() + ") threadpool is exhausted ,detail msg:" + t.getMessage();
                    Response response = new Response(request.getId(), request.getVersion());
                    response.setStatus(Response.SERVER_THREADPOOL_EXHAUSTED_ERROR);
                    response.setErrorMessage(msg);
                    channel.send(response);
                    return;
                }
            }
            throw new ExecutionException(message, channel, getClass() + " error when process received event", t);
        }
    }

    @Override
    public void caught(Channel channel, Throwable exception) throws RemotingException {
        // 異常事件交給業(yè)務(wù)線程池
        ExecutorService cexecutor = getExecutorService();
        try {
            cexecutor.execute(new ChannelEventRunnable(channel, handler, ChannelState.CAUGHT, exception));
        } catch (Throwable t) {
            throw new ExecutionException("caught event", channel, getClass() + " error when process caught event", t);
        }
    }
}

DirectDispatcher策略所有消息都不派發(fā)到業(yè)務(wù)線程池，全部在IO線程直接執(zhí)行：

public class DirectDispatcher implements Dispatcher {

    // 線程模型名稱
    public static final String NAME = "direct";

    // 具體實現(xiàn)策略
    @Override
    public ChannelHandler dispatch(ChannelHandler handler, URL url) {
        // 直接返回handler表示所有事件都交給IO線程處理
        return handler;
    }
}

1.2 DUBBO線程池策略

1.2.1 基本概念

上個章節(jié)分析了線程模型，我們知道不同的線程模型會選擇使用還是IO線程還是業(yè)務(wù)線程。如果使用業(yè)務(wù)線程池，那么使用什么線程池策略是本章節(jié)需要回答的問題。DUBBO官網(wǎng)線程派發(fā)模型圖展示了線程模型和線程池策略的關(guān)系：

DUBBO提供了多種線程池策略，選擇線程池策略需要在配置文件指定threadpool屬性：

<dubbo:protocol name="dubbo" threadpool="fixed" threads="100" />
<dubbo:protocol name="dubbo" threadpool="cached" threads="100" />
<dubbo:protocol name="dubbo" threadpool="limited" threads="100" />
<dubbo:protocol name="dubbo" threadpool="eager" threads="100" />

不同線程池策略會創(chuàng)建不同特性的線程池：

fixed
包含固定個數(shù)線程

cached
線程空閑一分鐘會被回收，當(dāng)新請求到來時會創(chuàng)建新線程

limited
線程個數(shù)隨著任務(wù)增加而增加，但不會超過最大閾值。空閑線程不會被回收

eager
當(dāng)所有核心線程數(shù)都處于忙碌狀態(tài)時，優(yōu)先創(chuàng)建新線程執(zhí)行任務(wù)，而不是立即放入隊列

1.2.2 確定時機

本文我們以AllDispatcher為例分析線程池策略在什么時候確定：

public class AllDispatcher implements Dispatcher {
    public static final String NAME = "all";

    @Override
    public ChannelHandler dispatch(ChannelHandler handler, URL url) {
        return new AllChannelHandler(handler, url);
    }
}

public class AllChannelHandler extends WrappedChannelHandler {
    public AllChannelHandler(ChannelHandler handler, URL url) {
        super(handler, url);
    }
}

在WrappedChannelHandler構(gòu)造函數(shù)中如果配置指定了threadpool屬性，擴展點加載器會從URL獲取屬性值加載對應(yīng)線程池策略，默認(rèn)策略為fixed：

public class WrappedChannelHandler implements ChannelHandlerDelegate {

    public WrappedChannelHandler(ChannelHandler handler, URL url) {
        this.handler = handler;
        this.url = url;
        // 獲取線程池自適應(yīng)擴展點
        executor = (ExecutorService) ExtensionLoader.getExtensionLoader(ThreadPool.class).getAdaptiveExtension().getExecutor(url);
        String componentKey = Constants.EXECUTOR_SERVICE_COMPONENT_KEY;
        if (Constants.CONSUMER_SIDE.equalsIgnoreCase(url.getParameter(Constants.SIDE_KEY))) {
            componentKey = Constants.CONSUMER_SIDE;
        }
        DataStore dataStore = ExtensionLoader.getExtensionLoader(DataStore.class).getDefaultExtension();
        dataStore.put(componentKey, Integer.toString(url.getPort()), executor);
    }
}

@SPI("fixed")
public interface ThreadPool {
    @Adaptive({Constants.THREADPOOL_KEY})
    Executor getExecutor(URL url);
}

1.2.3 源碼分析

(1) FixedThreadPool

public class FixedThreadPool implements ThreadPool {

    @Override
    public Executor getExecutor(URL url) {

        // 線程名稱
        String name = url.getParameter(Constants.THREAD_NAME_KEY, Constants.DEFAULT_THREAD_NAME);

        // 線程個數(shù)默認(rèn)200
        int threads = url.getParameter(Constants.THREADS_KEY, Constants.DEFAULT_THREADS);

        // 隊列容量默認(rèn)0
        int queues = url.getParameter(Constants.QUEUES_KEY, Constants.DEFAULT_QUEUES);

        // 隊列容量等于0使用阻塞隊列SynchronousQueue
        // 隊列容量小于0使用無界阻塞隊列LinkedBlockingQueue
        // 隊列容量大于0使用有界阻塞隊列LinkedBlockingQueue
        return new ThreadPoolExecutor(threads, threads, 0, TimeUnit.MILLISECONDS,
                                      queues == 0 ? new SynchronousQueue<Runnable>()
                                      : (queues < 0 ? new LinkedBlockingQueue<Runnable>()
                                         : new LinkedBlockingQueue<Runnable>(queues)),
                                      new NamedInternalThreadFactory(name, true), new AbortPolicyWithReport(name, url));
    }
}

(2) CachedThreadPool

public class CachedThreadPool implements ThreadPool {

    @Override
    public Executor getExecutor(URL url) {

        // 獲取線程名稱
        String name = url.getParameter(Constants.THREAD_NAME_KEY, Constants.DEFAULT_THREAD_NAME);

        // 核心線程數(shù)默認(rèn)0
        int cores = url.getParameter(Constants.CORE_THREADS_KEY, Constants.DEFAULT_CORE_THREADS);

        // 最大線程數(shù)默認(rèn)Int最大值
        int threads = url.getParameter(Constants.THREADS_KEY, Integer.MAX_VALUE);

        // 隊列容量默認(rèn)0
        int queues = url.getParameter(Constants.QUEUES_KEY, Constants.DEFAULT_QUEUES);

        // 線程空閑多少時間被回收默認(rèn)1分鐘
        int alive = url.getParameter(Constants.ALIVE_KEY, Constants.DEFAULT_ALIVE);

        // 隊列容量等于0使用阻塞隊列SynchronousQueue
        // 隊列容量小于0使用無界阻塞隊列LinkedBlockingQueue
        // 隊列容量大于0使用有界阻塞隊列LinkedBlockingQueue
        return new ThreadPoolExecutor(cores, threads, alive, TimeUnit.MILLISECONDS,
                                      queues == 0 ? new SynchronousQueue<Runnable>()
                                      : (queues < 0 ? new LinkedBlockingQueue<Runnable>()
                                         : new LinkedBlockingQueue<Runnable>(queues)),
                                      new NamedInternalThreadFactory(name, true), new AbortPolicyWithReport(name, url));
    }
}

(3) LimitedThreadPool

public class LimitedThreadPool implements ThreadPool {

    @Override
    public Executor getExecutor(URL url) {

        // 獲取線程名稱
        String name = url.getParameter(Constants.THREAD_NAME_KEY, Constants.DEFAULT_THREAD_NAME);

        // 核心線程數(shù)默認(rèn)0
        int cores = url.getParameter(Constants.CORE_THREADS_KEY, Constants.DEFAULT_CORE_THREADS);

        // 最大線程數(shù)默認(rèn)200
        int threads = url.getParameter(Constants.THREADS_KEY, Constants.DEFAULT_THREADS);

        // 隊列容量默認(rèn)0
        int queues = url.getParameter(Constants.QUEUES_KEY, Constants.DEFAULT_QUEUES);

        // 隊列容量等于0使用阻塞隊列SynchronousQueue
        // 隊列容量小于0使用無界阻塞隊列LinkedBlockingQueue
        // 隊列容量大于0使用有界阻塞隊列LinkedBlockingQueue
        // keepalive時間設(shè)置Long.MAX_VALUE表示不回收空閑線程
        return new ThreadPoolExecutor(cores, threads, Long.MAX_VALUE, TimeUnit.MILLISECONDS,
                                      queues == 0 ? new SynchronousQueue<Runnable>()
                                      : (queues < 0 ? new LinkedBlockingQueue<Runnable>()
                                         : new LinkedBlockingQueue<Runnable>(queues)),
                                      new NamedInternalThreadFactory(name, true), new AbortPolicyWithReport(name, url));
    }
}

(4) EagerThreadPool

我們知道ThreadPoolExecutor是普通線程執(zhí)行器。當(dāng)線程池核心線程達到閾值時新任務(wù)放入隊列，當(dāng)隊列已滿開啟新線程處理，當(dāng)前線程數(shù)達到最大線程數(shù)時執(zhí)行拒絕策略。

但是EagerThreadPool自定義線程執(zhí)行策略，當(dāng)線程池核心線程達到閾值時，新任務(wù)不會放入隊列而是開啟新線程進行處理（要求當(dāng)前線程數(shù)沒有超過最大線程數(shù)）。當(dāng)前線程數(shù)達到最大線程數(shù)時任務(wù)放入隊列。

public class EagerThreadPool implements ThreadPool {

    @Override
    public Executor getExecutor(URL url) {

        // 線程名
        String name = url.getParameter(Constants.THREAD_NAME_KEY, Constants.DEFAULT_THREAD_NAME);

        // 核心線程數(shù)默認(rèn)0
        int cores = url.getParameter(Constants.CORE_THREADS_KEY, Constants.DEFAULT_CORE_THREADS);

        // 最大線程數(shù)默認(rèn)Int最大值
        int threads = url.getParameter(Constants.THREADS_KEY, Integer.MAX_VALUE);

        // 隊列容量默認(rèn)0
        int queues = url.getParameter(Constants.QUEUES_KEY, Constants.DEFAULT_QUEUES);

        // 線程空閑多少時間被回收默認(rèn)1分鐘
        int alive = url.getParameter(Constants.ALIVE_KEY, Constants.DEFAULT_ALIVE);

        // 初始化自定義線程池和隊列重寫相關(guān)方法
        TaskQueue<Runnable> taskQueue = new TaskQueue<Runnable>(queues <= 0 ? 1 : queues);
        EagerThreadPoolExecutor executor = new EagerThreadPoolExecutor(cores,
                threads,
                alive,
                TimeUnit.MILLISECONDS,
                taskQueue,
                new NamedInternalThreadFactory(name, true),
                new AbortPolicyWithReport(name, url));
        taskQueue.setExecutor(executor);
        return executor;
    }
}

1.3 一個公式

現(xiàn)在我們知道DUBBO會選擇線程池策略進行業(yè)務(wù)處理，那么應(yīng)該如何估算可能產(chǎn)生的線程數(shù)呢？我們首先分析一個問題：一個公司有7200名員工，每天上班打卡時間是早上8點到8點30分，每次打卡時間系統(tǒng)執(zhí)行時長為5秒。請問RT、QPS、并發(fā)量分別是多少？

RT表示響應(yīng)時間，問題已經(jīng)告訴了我們答案：

RT = 5

QPS表示每秒查詢量，假設(shè)簽到行為平均分布：

QPS = 7200 / (30 * 60) = 4

并發(fā)量表示系統(tǒng)同時處理的請求數(shù)量：

并發(fā)量 = QPS x RT = 4 x 5 = 20

根據(jù)上述實例引出如下公式：

并發(fā)量 = QPS x RT

如果系統(tǒng)為每一個請求分配一個處理線程，那么并發(fā)量可以近似等于線程數(shù)。基于上述公式不難看出并發(fā)量受QPS和RT影響，這兩個指標(biāo)任意一個上升就會導(dǎo)致并發(fā)量上升。

但是這只是理想情況，因為并發(fā)量受限于系統(tǒng)能力而不可能持續(xù)上升，例如DUBBO線程池就對線程數(shù)做了限制，超出最大線程數(shù)限制則會執(zhí)行拒絕策略，而拒絕策略會提示線程池已滿，這就是DUBBO線程池打滿問題的根源。下面我們分析RT上升和QPS上升這兩個原因。

2 RT上升

2.1 生產(chǎn)者發(fā)生慢服務(wù)

2.1.1 原因分析

(1) 生產(chǎn)者配置

<beans>
    <dubbo:registry address="zookeeper://127.0.0.1:2181" />
    <dubbo:protocol name="dubbo" port="9999" />
    <dubbo:service interface="com.java.front.dubbo.demo.provider.HelloService" ref="helloService" />
</beans>

(2) 生產(chǎn)者業(yè)務(wù)

package com.java.front.dubbo.demo.provider;
public interface HelloService {
    public String sayHello(String name) throws Exception;
}

public class HelloServiceImpl implements HelloService {
    public String sayHello(String name) throws Exception {
        String result = "hello[" + name + "]";
        // 模擬慢服務(wù)
       Thread.sleep(10000L); 
       System.out.println("生產(chǎn)者執(zhí)行結(jié)果" + result);
       return result;
    }
}

(3) 消費者配置

<beans>
    <dubbo:registry address="zookeeper://127.0.0.1:2181" />
    <dubbo:reference id="helloService" interface="com.java.front.dubbo.demo.provider.HelloService" />
</beans>

(4) 消費者業(yè)務(wù)

public class Consumer {

    @Test
    public void testThread() {
        ClassPathXmlApplicationContext context = new ClassPathXmlApplicationContext(new String[] { "classpath*:METAINF/spring/dubbo-consumer.xml" });
        context.start();
        for (int i = 0; i < 500; i++) {
            new Thread(new Runnable() {
                @Override
                public void run() {
                    HelloService helloService = (HelloService) context.getBean("helloService");
                    String result;
                    try {
                        result = helloService.sayHello("微信公眾號「JAVA前線」");
                        System.out.println("客戶端收到結(jié)果" + result);
                    } catch (Exception e) {
                        System.out.println(e.getMessage());
                    }
                }
            }).start();
        }
    }
}

依次運行生產(chǎn)者和消費者代碼，會發(fā)現(xiàn)日志中出現(xiàn)報錯信息。生產(chǎn)者日志會打印線程池已滿：

Caused by: java.util.concurrent.RejectedExecutionException: Thread pool is EXHAUSTED! Thread Name: DubboServerHandler-x.x.x.x:9999, Pool Size: 200 (active: 200, core: 200, max: 200, largest: 200), Task: 201 (completed: 1), Executor status:(isShutdown:false, isTerminated:false, isTerminating:false), in dubbo://x.x.x.x:9999!
at org.apache.dubbo.common.threadpool.support.AbortPolicyWithReport.rejectedExecution(AbortPolicyWithReport.java:67)
at java.util.concurrent.ThreadPoolExecutor.reject(ThreadPoolExecutor.java:830)
at java.util.concurrent.ThreadPoolExecutor.execute(ThreadPoolExecutor.java:1379)
at org.apache.dubbo.remoting.transport.dispatcher.all.AllChannelHandler.caught(AllChannelHandler.java:88)

消費者日志不僅會打印線程池已滿，還會打印服務(wù)提供者信息和調(diào)用方法，我們可以根據(jù)日志找到哪一個方法有問題：

Failed to invoke the method sayHello in the service com.java.front.dubbo.demo.provider.HelloService. 
Tried 3 times of the providers [x.x.x.x:9999] (1/1) from the registry 127.0.0.1:2181 on the consumer x.x.x.x 
using the dubbo version 2.7.0-SNAPSHOT. Last error is: Failed to invoke remote method: sayHello, 
provider: dubbo://x.x.x.x:9999/com.java.front.dubbo.demo.provider.HelloService?anyhost=true&application=xpz-consumer1&check=false&dubbo=2.0.2&generic=false&group=&interface=com.java.front.dubbo.demo.provider.HelloService&logger=log4j&methods=sayHello&pid=33432&register.ip=x.x.x.x&release=2.7.0-SNAPSHOT&remote.application=xpz-provider&remote.timestamp=1618632597509&side=consumer&timeout=100000000&timestamp=1618632617392, 
cause: Server side(x.x.x.x,9999) threadpool is exhausted ,detail msg:Thread pool is EXHAUSTED! Thread Name: DubboServerHandler-x.x.x.x:9999, Pool Size: 200 (active: 200, core: 200, max: 200, largest: 200), Task: 401 (completed: 201), Executor status:(isShutdown:false, isTerminated:false, isTerminating:false), in dubbo://x.x.x.x:9999!

2.1.2 解決方案

(1) 找出慢服務(wù)

DUBBO線程池打滿時會執(zhí)行拒絕策略：

public class AbortPolicyWithReport extends ThreadPoolExecutor.AbortPolicy {
    protected static final Logger logger = LoggerFactory.getLogger(AbortPolicyWithReport.class);
    private final String threadName;
    private final URL url;
    private static volatile long lastPrintTime = 0;
    private static Semaphore guard = new Semaphore(1);

    public AbortPolicyWithReport(String threadName, URL url) {
        this.threadName = threadName;
        this.url = url;
    }

    @Override
    public void rejectedExecution(Runnable r, ThreadPoolExecutor e) {
        String msg = String.format("Thread pool is EXHAUSTED!" +
                                   " Thread Name: %s, Pool Size: %d (active: %d, core: %d, max: %d, largest: %d), Task: %d (completed: %d)," +
                                   " Executor status:(isShutdown:%s, isTerminated:%s, isTerminating:%s), in %s://%s:%d!",
                                   threadName, e.getPoolSize(), e.getActiveCount(), e.getCorePoolSize(), e.getMaximumPoolSize(), e.getLargestPoolSize(),
                                   e.getTaskCount(), e.getCompletedTaskCount(), e.isShutdown(), e.isTerminated(), e.isTerminating(),
                                   url.getProtocol(), url.getIp(), url.getPort());
        logger.warn(msg);
        // 打印線程快照
        dumpJStack();
        throw new RejectedExecutionException(msg);
    }

    private void dumpJStack() {
        long now = System.currentTimeMillis();

        // 每10分鐘輸出線程快照
        if (now - lastPrintTime < 10 * 60 * 1000) {
            return;
        }
        if (!guard.tryAcquire()) {
            return;
        }

        ExecutorService pool = Executors.newSingleThreadExecutor();
        pool.execute(() -> {
            String dumpPath = url.getParameter(Constants.DUMP_DIRECTORY, System.getProperty("user.home"));
            System.out.println("AbortPolicyWithReport dumpJStack directory=" + dumpPath);
            SimpleDateFormat sdf;
            String os = System.getProperty("os.name").toLowerCase();

            // linux文件位置/home/xxx/Dubbo_JStack.log.2021-01-01_20:50:15
            // windows文件位置/user/xxx/Dubbo_JStack.log.2020-01-01_20-50-15
            if (os.contains("win")) {
                sdf = new SimpleDateFormat("yyyy-MM-dd_HH-mm-ss");
            } else {
                sdf = new SimpleDateFormat("yyyy-MM-dd_HH:mm:ss");
            }
            String dateStr = sdf.format(new Date());
            try (FileOutputStream jStackStream = new FileOutputStream(new File(dumpPath, "Dubbo_JStack.log" + "." + dateStr))) {
                JVMUtil.jstack(jStackStream);
            } catch (Throwable t) {
                logger.error("dump jStack error", t);
            } finally {
                guard.release();
            }
            lastPrintTime = System.currentTimeMillis();
        });
        pool.shutdown();
    }
}

拒絕策略會輸出線程快照文件，在分析線程快照文件時BLOCKED和TIMED_WAITING線程狀態(tài)需要我們重點關(guān)注。如果發(fā)現(xiàn)大量線程阻塞或者等待狀態(tài)則可以定位到具體代碼行：

DubboServerHandler-x.x.x.x:9999-thread-200 Id=230 TIMED_WAITING
at java.lang.Thread.sleep(Native Method)
at com.java.front.dubbo.demo.provider.HelloServiceImpl.sayHello(HelloServiceImpl.java:13)
at org.apache.dubbo.common.bytecode.Wrapper1.invokeMethod(Wrapper1.java)
at org.apache.dubbo.rpc.proxy.javassist.JavassistProxyFactory$1.doInvoke(JavassistProxyFactory.java:56)
at org.apache.dubbo.rpc.proxy.AbstractProxyInvoker.invoke(AbstractProxyInvoker.java:85)
at org.apache.dubbo.config.invoker.DelegateProviderMetaDataInvoker.invoke(DelegateProviderMetaDataInvoker.java:56)
at org.apache.dubbo.rpc.protocol.InvokerWrapper.invoke(InvokerWrapper.java:56)

(2) 優(yōu)化慢服務(wù)

現(xiàn)在已經(jīng)找到了慢服務(wù)，此時我們就可以優(yōu)化慢服務(wù)了。優(yōu)化慢服務(wù)就需要具體問題具體分析了，這不是本文的重點在此不進行展開。

2.2 生產(chǎn)者預(yù)熱不充分

2.2.1 原因分析

還有一種RT上升的情況是我們不能忽視的，這種情況就是提供者重啟后預(yù)熱不充分即被調(diào)用。因為當(dāng)生產(chǎn)者剛啟動時需要預(yù)熱，需要和其它資源例如數(shù)據(jù)庫、緩存等建立連接，建立連接是需要時間的。如果此時大量消費者請求到未預(yù)熱的生產(chǎn)者，鏈路時間增加了連接時間，RT時間必然會增加，從而也會導(dǎo)致DUBBO線程池打滿問題。

2.2.2 解決方案

(1) 等待生產(chǎn)者充分預(yù)熱

因為生產(chǎn)者預(yù)熱不充分導(dǎo)致線程池打滿問題，最容易發(fā)生在系統(tǒng)發(fā)布時。例如發(fā)布了一臺機器后發(fā)現(xiàn)線上出現(xiàn)線程池打滿問題，千萬不要著急重啟機器，而是給機器一段時間預(yù)熱，等連接建立后問題大概率消失。同時我們在發(fā)布時也要分多批次發(fā)布，不要一次發(fā)布太多機器導(dǎo)致服務(wù)因為預(yù)熱問題造成大面積影響。

(2) DUBBO升級版本大于等于2.7.4

DUBBO消費者在調(diào)用選擇生產(chǎn)者時本身就會執(zhí)行預(yù)熱邏輯，為什么還會出現(xiàn)預(yù)熱不充分問題？這是因為2.5.5之前版本以及2.7.2版本預(yù)熱機制是有問題的，簡而言之就是獲取啟動時間不正確，2.7.4版本徹底解決了這個問題，所以我們要避免使用問題版本。下面我們閱讀2.7.0版本預(yù)熱機制源碼，看看預(yù)熱機制如何生效：

public class RandomLoadBalance extends AbstractLoadBalance {

    public static final String NAME = "random";

    @Override
    protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {

        // invokers數(shù)量
        int length = invokers.size();

        // 權(quán)重是否相同
        boolean sameWeight = true;

        // invokers權(quán)重數(shù)組
        int[] weights = new int[length];

        // 第一個invoker權(quán)重
        int firstWeight = getWeight(invokers.get(0), invocation);
        weights[0] = firstWeight;

        // 權(quán)重值之和
        int totalWeight = firstWeight;
        for (int i = 1; i < length; i++) {
            // 計算權(quán)重值
            int weight = getWeight(invokers.get(i), invocation);
            weights[i] = weight;
            totalWeight += weight;

            // 任意一個invoker權(quán)重值不等于第一個invoker權(quán)重值則sameWeight設(shè)置為FALSE
            if (sameWeight && weight != firstWeight) {
                sameWeight = false;
            }
        }
        // 權(quán)重值不等則根據(jù)總權(quán)重值計算
        if (totalWeight > 0 && !sameWeight) {
            int offset = ThreadLocalRandom.current().nextInt(totalWeight);
            // 不斷減去權(quán)重值當(dāng)小于0時直接返回
            for (int i = 0; i < length; i++) {
                offset -= weights[i];
                if (offset < 0) {
                    return invokers.get(i);
                }
            }
        }
        // 所有服務(wù)權(quán)重值一致則隨機返回
        return invokers.get(ThreadLocalRandom.current().nextInt(length));
    }
}

public abstract class AbstractLoadBalance implements LoadBalance {

    static int calculateWarmupWeight(int uptime, int warmup, int weight) {
        // uptime/(warmup*weight)
        // 如果當(dāng)前服務(wù)提供者沒過預(yù)熱期，用戶設(shè)置的權(quán)重將通過uptime/warmup減小
        // 如果服務(wù)提供者設(shè)置權(quán)重很大但是還沒過預(yù)熱時間，重新計算權(quán)重會很小
        int ww = (int) ((float) uptime / ((float) warmup / (float) weight));
        return ww < 1 ? 1 : (ww > weight ? weight : ww);
    }

    protected int getWeight(Invoker<?> invoker, Invocation invocation) {

        // 獲取invoker設(shè)置權(quán)重值默認(rèn)權(quán)重=100
        int weight = invoker.getUrl().getMethodParameter(invocation.getMethodName(), Constants.WEIGHT_KEY, Constants.DEFAULT_WEIGHT);

        // 如果權(quán)重大于0
        if (weight > 0) {

            // 服務(wù)提供者發(fā)布服務(wù)時間戳
            long timestamp = invoker.getUrl().getParameter(Constants.REMOTE_TIMESTAMP_KEY, 0L);
            if (timestamp > 0L) {

                // 服務(wù)已經(jīng)發(fā)布多少時間
                int uptime = (int) (System.currentTimeMillis() - timestamp);

                // 預(yù)熱時間默認(rèn)10分鐘
                int warmup = invoker.getUrl().getParameter(Constants.WARMUP_KEY, Constants.DEFAULT_WARMUP);

                // 生產(chǎn)者發(fā)布時間大于0但是小于預(yù)熱時間
                if (uptime > 0 && uptime < warmup) {

                    // 重新計算權(quán)重值
                    weight = calculateWarmupWeight(uptime, warmup, weight);
                }
            }
        }
        // 服務(wù)發(fā)布時間大于預(yù)熱時間直接返回設(shè)置權(quán)重值
        return weight >= 0 ? weight : 0;
    }
}

3 QPS上升

上面章節(jié)大篇幅討論了由于RT上升造成的線程池打滿問題，現(xiàn)在我們討論另一個參數(shù)QPS。當(dāng)上游流量激增會導(dǎo)致創(chuàng)建大量線程池，也會造成線程池打滿問題。這時如果發(fā)現(xiàn)QPS超出了系統(tǒng)承受能力，我們不得不采用降級方案保護系統(tǒng)，請參看我之前文章《從反脆弱角度談技術(shù)系統(tǒng)的高可用性》

4 文章總結(jié)

本文首先介紹了DUBBO線程模型和線程池策略，然后我們引出了公式，發(fā)現(xiàn)并發(fā)量受RT和QPS兩個參數(shù)影響，這兩個參數(shù)任意一個上升都可以造成線程池打滿問題。生產(chǎn)者出現(xiàn)慢服務(wù)或者預(yù)熱不充分都有可能造成RT上升，而上游流量激增會造成QPS上升，同時本文也給出了解決方案。DUBBO線程池打滿是一個必須重視的問題，希望本文對大家有所幫助。