一个load过高的故障排查案例

现象： 6台4核机器load 全部在30以上，cpu使用us在90%, mem使用在90%，swap使用了100K，机器缓慢，前台浏览器页面打开缓慢，超时后白屏。
措施： top, shift+h ,shift + p, 找出消耗cpu时间最多的线程ID，dump 堆栈信息，找到该线程，看在做什么，发现有多个线程在执行同一个方法。该方法内有一个循环，从一个node节点向上找其父节点，并不断将该节点数据放入List,猜测该节点的父节点ID肯定与该节点形成死循环了，导致while不能跳出。修改代码限制向上寻找的层级，达到一定数量后，从循环中跳出，重新发布后，问题解决。

总结：1，排查cpu消耗类故障方法。
1）top shift+h shift+p ，找到java 进程编号，在列出所有线程按cpu消耗排序，找到执行时间最长的线程ppid。
2）java/bin/jstack PID > /tmp/jstack.log 导出堆栈信息。
3）将10进制的PID转换成16进制（a-f字符要小写），在该文件中寻找该16进制的PPID，并查看该线程堆栈信息，看这些线程在做什么。
4）找到堆栈中对应代码查看，是否有消耗cpu的大循环，修改，发布会解决问题。
2，同时，如果内存消耗过大导致频繁full gc，可以按照如下方法排查：
1）使用jmap dump jvm内存到指定目录，可引起full GC , 慎重操作。
2）使用ftp或其他方法，将文件拉到本地机器。使用mat，分析堆内存，利用leak suspect找出可能的内存泄漏。