最牛逼的故障診斷工具！秒級定位線上問題

背景

經(jīng)常做后端服務(wù)開發(fā)的同學(xué)，或多或少都遇到過 CPU 負載特別高的問題。

尤其是在周末或大半夜（有沒有同感，平時不出問題，一到休息或下班時間頻繁出故障，有的文末點個在看示意一下），突然群里有人反饋線上機器負載特別高，不熟悉定位流程和思路的同學(xué)可能登上服務(wù)器一通手忙腳亂，定位過程百轉(zhuǎn)千回。

對此，也有不少同學(xué)曾經(jīng)整理過相關(guān)流程或方法論，類似把大象放進冰箱要幾步

傳統(tǒng)的方案一般是4步：

1. top oder by with P：1040 // 首先按進程負載排序找到  axLoad(pid)  
2. top -Hp 進程PID：1073    // 找到相關(guān)負載 線程PID  
3. printf “0x%x\\n”線程PID： 0x431  // 將線程PID轉(zhuǎn)換為 16進制，為后面查找 jstack 日志做準備  
4. jstack  進程PID | vim +/十六進制線程PID -        // 例如：jstack 1040|vim +/0x431 -  

但是對于線上問題定位來說，分秒必爭，上面的 4 步還是太繁瑣耗時了，有沒有可能封裝成為一個工具，在有問題的時候一鍵定位，秒級找到有問題的代碼行呢？

當然可以！

工具鏈的成熟與否不僅體現(xiàn)了一個開發(fā)者的運維能力，也體現(xiàn)了開發(fā)者的效率意識。

淘寶的oldratlee 同學(xué)就將上面的流程封裝為了一個工具：

show-busy-java-threads.sh

https://github.com/oldratlee/useful-scripts

可以很方便的定位線上的這類問題，下面我會舉兩個例子來看實際的效果。

快速安裝使用：

source <(curl -fsSL https://raw.githubusercontent.com/oldratlee/useful-scripts/master/test-cases/self-installer.sh)  

1、java 正則表達式回溯造成 CPU 100%

import java.util.ArrayList;  
import java.util.List;  
import java.util.regex.Matcher;  
import java.util.regex.Pattern;  
  
  
public class RegexLoad {  
    public static void main(String\[\] args) {  
        String\[\] patternMatch = {"(\[\\\w\\\s\]+)+(\[+\\\-/*\])+(\[\\\w\\\s\]+)",  
                "(\[\\\w\\\s\]+)+(\[+\\\-/*\])+(\[\\\w\\\s\]+)+(\[+\\\-/*\])+(\[\\\w\\\s\]+)"};  
        List patternList = new ArrayList();  
  
        patternList.add("Avg Volume Units product A + Volume Units product A");  
        patternList.add("Avg Volume Units /  Volume Units product A");  
        patternList.add("Avg retailer On Hand / Volume Units Plan / Store Count");  
        patternList.add("Avg Hand Volume Units Plan Store Count");  
        patternList.add("1 - Avg merchant Volume Units");  
        patternList.add("Total retailer shipment Count");  
  
        for (String s :patternList ){  
  
            for(int i=0;i<patternmatch.length;i++){  
                Pattern pattern = Pattern.compile(patternMatch\[i\]);  
  
                Matcher matcher = pattern.matcher(s);  
                System.out.println(s);  
                if (matcher.matches()) {  
  
                    System.out.println("Passed");  
                }else  
                    System.out.println("Failed;");  
            }  
        }  
    }  
}  

編譯、運行上述代碼之后，咱們就能觀察到服務(wù)器多了一個 100% CPU 的 java 進程：

怎么使用呢？

show-busy-java-threads.sh  
# 從 所有的 Java進程中找出最消耗CPU的線程（缺省5個），打印出其線程棧。  
  
show-busy-java-threads.sh -c <要顯示的線程棧數(shù)>  
  
show-busy-java-threads.sh -c <要顯示的線程棧數(shù)> -p <指定的Java Process>  
# -F選項：執(zhí)行jstack命令時加上-F選項（強制jstack），一般情況不需要使用  
show-busy-java-threads.sh -p <指定的Java Process> -F  
  
show-busy-java-threads.sh -s <指定jstack命令的全路徑>  
# 對于sudo方式的運行，JAVA_HOME環(huán)境變量不能傳遞給root，  
# 而root用戶往往沒有配置JAVA_HOME且不方便配置，  
# 顯式指定jstack命令的路徑就反而顯得更方便了  
  
show-busy-java-threads.sh -a <輸出記錄到的文件>  
  
show-busy-java-threads.sh -t <重復(fù)執(zhí)行的次數(shù)> -i <重復(fù)執(zhí)行的間隔秒數(shù)>  
# 缺省執(zhí)行一次；執(zhí)行間隔缺省是3秒  
  
##############################  
# 注意：  
##############################  
# 如果Java進程的用戶 與 執(zhí)行腳本的當前用戶 不同，則jstack不了這個Java進程。  
# 為了能切換到Java進程的用戶，需要加sudo來執(zhí)行，即可以解決：  
sudo show-busy-java-threads.sh  

示例：

work@dev\_zz\_Master 10.48.186.32 23:45:50 ~/demo >  
bash show-busy-java-threads.sh  
\[1\] Busy(96.2%) thread(8577/0x2181) stack of java process(8576) under user(work):  
"main" prio=10 tid=0x00007f0c64006800 nid=0x2181 runnable \[0x00007f0c6a64a000\]  
   java.lang.Thread.State: RUNNABLE  
        at java.util.regex.Pattern$GroupHead.match(Pattern.java:4168)  
        at java.util.regex.Pattern$Loop.match(Pattern.java:4295)  
        ...  
        at java.util.regex.Matcher.match(Matcher.java:1127)  
        at java.util.regex.Matcher.matches(Matcher.java:502)  
        at RegexLoad.main(RegexLoad.java:27)  
  
\[2\] Busy(1.5%) thread(8591/0x218f) stack of java process(8576) under user(work):  
"C2 CompilerThread1" daemon prio=10 tid=0x00007f0c64095800 nid=0x218f waiting on condition \[0x0000000000000000\]  
   java.lang.Thread.State: RUNNABLE  
  
\[3\] Busy(0.8%) thread(8590/0x218e) stack of java process(8576) under user(work):  
"C2 CompilerThread0" daemon prio=10 tid=0x00007f0c64093000 nid=0x218e waiting on condition \[0x0000000000000000\]  
   java.lang.Thread.State: RUNNABLE  
  
\[4\] Busy(0.2%) thread(8593/0x2191) stack of java process(8576) under user(work):  
"VM Periodic Task Thread" prio=10 tid=0x00007f0c640a2800 nid=0x2191 waiting on condition   
  
\[5\] Busy(0.1%) thread(25159/0x6247) stack of java process(25137) under user(work):  
"VM Periodic Task Thread" prio=10 tid=0x00007f13340b4000 nid=0x6247 waiting on condition   
work@dev\_zz\_Master 10.48.186.32 23:46:04 ~/demo >  

可以看到，一鍵直接定位異常代碼行，是不是很方便？

2、線程死鎖，程序 hang 住

import java.util.*;  
public class SimpleDeadLock extends Thread {  
    public static Object l1 = new Object();  
    public static Object l2 = new Object();  
    private int index;  
    public static void main(String\[\] a) {  
        Thread t1 = new Thread1();  
        Thread t2 = new Thread2();  
        t1.start();  
        t2.start();  
    }  
    private static class Thread1 extends Thread {  
        public void run() {  
            synchronized (l1) {  
                System.out.println("Thread 1: Holding lock 1...");  
                try { Thread.sleep(10); }  
                catch (InterruptedException e) {}  
                System.out.println("Thread 1: Waiting for lock 2...");  
                synchronized (l2) {  
                    System.out.println("Thread 2: Holding lock 1 & 2...");  
                }  
            }  
        }  
    }  
    private static class Thread2 extends Thread {  
        public void run() {  
            synchronized (l2) {  
                System.out.println("Thread 2: Holding lock 2...");  
                try { Thread.sleep(10); }  
                catch (InterruptedException e) {}  
                System.out.println("Thread 2: Waiting for lock 1...");  
                synchronized (l1) {  
                    System.out.println("Thread 2: Holding lock 2 & 1...");  
                }  
            }  
        }  
    }  
}  

執(zhí)行之后的效果：

如何用工具定位：

一鍵定位：可以清晰的看到線程互相鎖住了對方等待的資源，導(dǎo)致死鎖，直接定位到代碼行和具體原因。

通過上面兩個例子，我想各位同學(xué)應(yīng)該對這個工具和工具能解決什么問題有了比較深刻的了解了，遇到 CPU 100% 問題可以從此不再慌亂。

不過更多的還是依賴大家自己去實踐，畢竟實踐出真知嘛~

3、免費實用的腳本工具大禮包

除了正文提到的 show-busy-java-threads.sh，oldratlee 同學(xué)還整合和不少常見的開發(fā)、運維過程中涉及到的腳本工具，覺得特別有用的我簡單列下：

（1）show-duplicate-java-classes

偶爾會遇到本地開發(fā)、測試都正常，上線后卻莫名其妙的 class 異常，歷經(jīng)千辛萬苦找到的原因竟然是 Jar 沖突！

這個工具就可以找出Java Lib（Java庫，即Jar文件）或Class目錄（類目錄）中的重復(fù)類。

Java開發(fā)的一個麻煩的問題是Jar沖突（即多個版本的Jar），或者說重復(fù)類。會出NoSuchMethod等的問題，還不見得當時出問題。找出有重復(fù)類的Jar，可以防患未然。

# 查找當前目錄下所有Jar中的重復(fù)類  
show-duplicate-java-classes  
  
# 查找多個指定目錄下所有Jar中的重復(fù)類  
show-duplicate-java-classes path/to/lib_dir1 /path/to/lib_dir2  
  
# 查找多個指定Class目錄下的重復(fù)類。Class目錄 通過 -c 選項指定  
show-duplicate-java-classes -c path/to/class_dir1 -c /path/to/class_dir2  
  
# 查找指定Class目錄和指定目錄下所有Jar中的重復(fù)類的Jar  
show-duplicate-java-classes path/to/lib_dir1 /path/to/lib_dir2 -c path/to/class_dir1 -c path/to/class_dir2  

例如：

# 在war模塊目錄下執(zhí)行，生成war文件  
$ mvn install  
...  
# 解壓war文件，war文件中包含了應(yīng)用的依賴的Jar文件  
$ unzip target/*.war -d target/war  
...  
# 檢查重復(fù)類  
$ show-duplicate-java-classes -c target/war/WEB-INF/classes target/war/WEB-INF/lib  
...  

（2）find-in-jars

在當前目錄下所有jar文件里，查找類或資源文件。

用法：注意，后面Pattern是grep的 擴展正則表達式。

find-in-jars 'log4j\\.properties'  
find-in-jars 'log4j\\.xml$' -d /path/to/find/directory  
find-in-jars log4j\\\.xml  
find-in-jars 'log4j\\.properties|log4j\\.xml'  

示例：

$ ./find-in-jars 'Service.class$'  
./WEB-INF/libs/spring-2.5.6.SEC03.jar!org/springframework/stereotype/Service.class  
./rpc-benchmark-0.0.1-SNAPSHOT.jar!com/taobao/rpc/benchmark/service/HelloService.class  

（3）housemd pid [java_home]

很早的時候，我們使用BTrace排查問題，在感嘆BTrace的強大之余，也曾好幾次將線上系統(tǒng)折騰掛掉。

2012年淘寶的聚石寫了HouseMD，將常用的幾個Btrace腳本整合在一起形成一個獨立風格的應(yīng)用，其核心代碼用的是Scala

HouseMD是基于字節(jié)碼技術(shù)的診斷工具, 因此除了Java以外, 任何最終以字節(jié)碼形式運行于JVM之上的語言, HouseMD都支持對它們進行診斷, 如Clojure(感謝@Killme2008提供了它的使用入門), scala, Groovy, JRuby, Jython, kotlin等.

使用housemd對java程序進行運行時跟蹤，支持的操作有：

• 查看加載類
• 跟蹤方法
• 查看環(huán)境變量
• 查看對象屬性值

詳細信息請參考:

https://github.com/CSUG/HouseMD/wiki/UserGuideCN

（4）jvm pid

執(zhí)行jvm debug工具，包含對java棧、堆、線程、gc等狀態(tài)的查看，支持的功能有：

========線程相關(guān)=======  
1 : 查看占用cpu最高的線程情況  
2 : 打印所有線程  
3 : 打印線程數(shù)  
4 : 按線程狀態(tài)統(tǒng)計線程數(shù)  
========GC相關(guān)=======  
5 : 垃圾收集統(tǒng)計（包含原因）可以指定間隔時間及執(zhí)行次數(shù)，默認1秒, 10次  
6 : 顯示堆中各代的空間可以指定間隔時間及執(zhí)行次數(shù)，默認1秒，5次  
7 : 垃圾收集統(tǒng)計?？梢灾付ㄩg隔時間及執(zhí)行次數(shù)，默認1秒, 10次  
8 : 打印perm區(qū)內(nèi)存情況*會使程序暫停響應(yīng)*  
9 : 查看directbuffer情況  
========堆對象相關(guān)=======  
10 : dump heap到文件*會使程序暫停響應(yīng)*默認保存到\`pwd\`/dump.bin,可指定其它路徑  
11 : 觸發(fā)full gc。*會使程序暫停響應(yīng)*  
12 : 打印jvm heap統(tǒng)計*會使程序暫停響應(yīng)*  
13 : 打印jvm heap中top20的對象。*會使程序暫停響應(yīng)*參數(shù)：1:按實例數(shù)量排序,2:按內(nèi)存占用排序，默認為1  
14 : 觸發(fā)full gc后打印jvm heap中top20的對象。*會使程序暫停響應(yīng)*參數(shù)：1:按實例數(shù)量排序,2:按內(nèi)存占用排序，默認為1  
15 : 輸出所有類裝載器在perm里產(chǎn)生的對象?？梢灾付ㄩg隔時間及執(zhí)行次數(shù)  
========其它=======  
16 : 打印finalzer隊列情況  
17 : 顯示classloader統(tǒng)計  
18 : 顯示jit編譯統(tǒng)計  
19 : 死鎖檢測  
20 : 等待X秒，默認為1  
q : exit  

進入jvm工具后可以輸入序號執(zhí)行對應(yīng)命令

可以一次執(zhí)行多個命令，用分號";"分隔，如：1;3;4;5;6

每個命令可以帶參數(shù)，用冒號":"分隔，同一命令的參數(shù)之間用逗號分隔，如：

Enter command queue:1;5:1000,100;10:/data1/output.bin  

（5）greys[@IP:PORT]

PS：目前Greys僅支持Linux/Unix/Mac上的Java6+，Windows暫時無法支持

Greys是一個JVM進程執(zhí)行過程中的異常診斷工具，可以在不中斷程序執(zhí)行的情況下輕松完成問題排查工作。

和HouseMD一樣，Greys-Anatomy取名同名美劇“實習醫(yī)生格蕾”，目的是向前輩致敬。代碼編寫的時候參考了BTrace和HouseMD兩個前輩的思路。

使用greys對java程序進行運行時跟蹤(不傳參數(shù)，需要先greys -C pid,再greys)。支持的操作有：

• 查看加載類，方法信息
• 查看JVM當前基礎(chǔ)信息
• 方法執(zhí)行監(jiān)控（調(diào)用量，失敗率，響應(yīng)時間等）
• 方法執(zhí)行數(shù)據(jù)觀測、記錄與回放（參數(shù)，返回結(jié)果，異常信息等）
• 方法調(diào)用追蹤渲染

詳細信息請參考:

https://github.com/oldmanpushcart/greys-anatomy/wiki

（6）sjksjk --commands sjk --help

使用sjk對Java診斷、性能排查、優(yōu)化工具

• ttop:監(jiān)控指定jvm進程的各個線程的cpu使用情況
• jps: 強化版
• hh: jmap -histo強化版
• gc: 實時報告垃圾回收信息

更多信息請參考:

https://github.com/aragozin/jvm-tools