系統(tǒng)監(jiān)控、診斷工具：細(xì)節(jié)問題一個都不放過！

1、問題背景

昨天下午突然收到運(yùn)維郵件報(bào)警，顯示數(shù)據(jù)平臺服務(wù)器cpu利用率達(dá)到了98.94%，而且最近一段時間一直持續(xù)在70%以上，看起來像是硬件資源到瓶頸需要擴(kuò)容了，但仔細(xì)思考就會發(fā)現(xiàn)咱們的業(yè)務(wù)系統(tǒng)并不是一個高并發(fā)或者CPU密集型的應(yīng)用，這個利用率有點(diǎn)太夸張，硬件瓶頸應(yīng)該不會這么快就到了，一定是哪里的業(yè)務(wù)代碼邏輯有問題。

2、排查思路

2.1?定位高負(fù)載進(jìn)程?pid

首先登錄到服務(wù)器使用top命令確認(rèn)服務(wù)器的具體情況，根據(jù)具體情況再進(jìn)行分析判斷。

通過觀察load average，以及負(fù)載評判標(biāo)準(zhǔn)（8核），可以確認(rèn)服務(wù)器存在負(fù)載較高的情況；

觀察各個進(jìn)程資源使用情況，可以看出進(jìn)程id為682的進(jìn)程，有著較高的CPU占比

2.2?定位具體的異常業(yè)務(wù)

這里咱們可以使用 pwdx 命令根據(jù) pid 找到業(yè)務(wù)進(jìn)程路徑，進(jìn)而定位到負(fù)責(zé)人和項(xiàng)目：

可得出結(jié)論：該進(jìn)程對應(yīng)的就是數(shù)據(jù)平臺的web服務(wù)。

2.3?定位異常線程及具體代碼行

傳統(tǒng)的方案一般是4步：

1、top oder by with P：1040 // 首先按進(jìn)程負(fù)載排序找到? maxLoad(pid)

2、top -Hp 進(jìn)程PID：1073 ? ?// 找到相關(guān)負(fù)載 線程PID

3、printf “0x%x\n”線程PID： 0x431 ?// 將線程PID轉(zhuǎn)換為 16進(jìn)制，為后面查找 jstack 日志做準(zhǔn)備

4、jstack ?進(jìn)程PID | vim +/十六進(jìn)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，之前介紹過淘寶的oldratlee 同學(xué)就將上面的流程封裝為了一個工具：show-busy-java-threads.sh，可以很方便的定位線上的這類問題：

可得出結(jié)論：是系統(tǒng)中一個時間工具類方法的執(zhí)行cpu占比較高，定位到具體方法后，查看代碼邏輯是否存在性能問題。

※?如果線上問題比較緊急，可以省略 2.1、2.2 直接執(zhí)行 2.3，這里從多角度剖析只是為了給大家呈現(xiàn)一個完整的分析思路。

3、根因分析

經(jīng)過前面的分析與排查，最終定位到一個時間工具類的問題，造成了服務(wù)器負(fù)載以及cpu使用率的過高。

• 異常方法邏輯：是把時間戳轉(zhuǎn)成對應(yīng)的具體的日期時間格式；

• 上層調(diào)用：計(jì)算當(dāng)天凌晨至當(dāng)前時間所有秒數(shù)，轉(zhuǎn)化成對應(yīng)的格式放入到set中返回結(jié)果；

• 邏輯層：對應(yīng)的是數(shù)據(jù)平臺實(shí)時報(bào)表的查詢邏輯，實(shí)時報(bào)表會按照固定的時間間隔來，并且在一次查詢中有多次（n次）方法調(diào)用。

那么可以得到結(jié)論，如果現(xiàn)在時間是當(dāng)天上午10點(diǎn)，一次查詢的計(jì)算次數(shù)就是 10*60*60*n次=36,000*n次計(jì)算，而且隨著時間增長，越接近午夜單次查詢次數(shù)會線性增加。由于實(shí)時查詢、實(shí)時報(bào)警等模塊大量的查詢請求都需要多次調(diào)用該方法，導(dǎo)致了大量CPU資源的占用與浪費(fèi)。

4、解決方案

定位到問題之后，首先考慮是要減少計(jì)算次數(shù)，優(yōu)化異常方法。排查后發(fā)現(xiàn)，在邏輯層使用時，并沒有使用該方法返回的set集合中的內(nèi)容，而是簡單的用set的size數(shù)值。確認(rèn)邏輯后，通過新方法簡化計(jì)算（當(dāng)前秒數(shù)-當(dāng)天凌晨的秒數(shù)），替換調(diào)用的方法，解決計(jì)算過多的問題。上線后觀察服務(wù)器負(fù)載和cpu使用率，對比異常時間段下降了30倍，恢復(fù)至正常狀態(tài)，至此該問題得已解決。

5、總結(jié)

• 在編碼的過程中，除了要實(shí)現(xiàn)業(yè)務(wù)的邏輯，也要注重代碼性能的優(yōu)化。一個業(yè)務(wù)需求，能實(shí)現(xiàn)，和能實(shí)現(xiàn)的更高效、更優(yōu)雅其實(shí)是兩種截然不同的工程師能力和境界的體現(xiàn)，而后者也是工程師的核心競爭力。

• 在代碼編寫完成之后，多做 review，多思考是不是可以用更好的方式來實(shí)現(xiàn)。

• 線上問題不放過任何一個小細(xì)節(jié)！細(xì)節(jié)是魔鬼，技術(shù)的同學(xué)需要有刨根問題的求知欲和追求卓越的精神，只有這樣，才能不斷的成長和提升。

Refer：

[1]?線上服務(wù) CPU 100%？一鍵定位 so easy！

https://my.oschina.net/leejun2005/blog/1524687

[2]?linux 系統(tǒng)監(jiān)控、診斷工具之 top 詳解

https://my.oschina.net/leejun2005/blog/157910

END


若覺得文章對你有幫助，隨手轉(zhuǎn)發(fā)分享，也是我們繼續(xù)更新的動力。

長按二維碼，掃掃關(guān)注哦
?「C語言中文網(wǎng)」官方公眾號，關(guān)注手機(jī)閱讀教程??


推薦關(guān)注
關(guān)注公號
【Python開發(fā)與大數(shù)據(jù)人工智能】
因?yàn)殛P(guān)注后即可得算法小白資料大全

點(diǎn)擊“閱讀原文”，領(lǐng)取 2020 年最新免費(fèi)技術(shù)資料大全
↓↓↓?