Java服务器宕机解决方法论

0 前言

全是干货的技术殿堂

文章收录在我的 GitHub 仓库，欢迎Star/fork：
Java-Interview-Tutorial
https://github.com/Wasabi1234/Java-Interview-Tutorial

1 宕机概要

1.1 定义

向服务器的请求都没有响应或者响应非常缓慢

前端界面的崩溃并非宕机

1.2 分类

• 进程闪退
  • 内部崩溃
  • 外部终止
• 线程锁死或者无限等待
• 内存溢出

下面分别进行详解

2 进程闪退

2.1 内部崩溃

JVM 发生内部崩溃，那么必然会生成"hs_err_pid"开头的文件,下面讲一种常见情况:

• 无法申请内存，显示commit_memory错误

Current thread (0x00007f3e40013000):  JavaThread "Unknown thread" [_thread_in_vm, id=11408, stack(0x00007f3e49983000,0x00007f3e49a84000)]
 
Stack: [0x00007f3e49983000,0x00007f3e49a84000],  sp=0x00007f3e49a82360,  free space=1020k
Native frames: (J=compiled Java code, j=interpreted, Vv=VM code, C=native code)
V  [libjvm.so+0x9a32da]  VMError::report_and_die()+0x2ea
V  [libjvm.so+0x497f7b]  report_vm_out_of_memory(char const*, int, unsigned long, char const*)+0x9b
V  [libjvm.so+0x81fcce]  os::Linux::commit_memory_impl(char*, unsigned long, bool)+0xfe
V  [libjvm.so+0x820219]  os::pd_commit_memory(char*, unsigned long, unsigned long, bool)+0x29
V  [libjvm.so+0x819faa]  os::commit_memory(char*, unsigned long, unsigned long, bool)+0x2a
V  [libjvm.so+0x99eae9]  VirtualSpace::expand_by(unsigned long, bool)+0x1c9
V  [libjvm.so+0x99ec6d]  VirtualSpace::initialize(ReservedSpace, unsigned long)+0xcd
V  [libjvm.so+0x57962f]  CardGeneration::CardGeneration(ReservedSpace, unsigned long, int, GenRemSet*)+0x11f
V  [libjvm.so+0x46ceed]  ConcurrentMarkSweepGeneration::ConcurrentMarkSweepGeneration(ReservedSpace, unsigned long, int, CardTableRS*, bool, FreeBlockDictionary<FreeChunk>::DictionaryChoice)+0x5d
V  [libjvm.so+0x57a906]  GenerationSpec::init(ReservedSpace, int, GenRemSet*)+0x106
V  [libjvm.so+0x56afe4]  GenCollectedHeap::initialize()+0x344
V  [libjvm.so+0x9751aa]  Universe::initialize_heap()+0xca
V  [libjvm.so+0x976379]  universe_init()+0x79
V  [libjvm.so+0x5b1d25]  init_globals()+0x65
V  [libjvm.so+0x95dc6d]  Threads::create_vm(JavaVMInitArgs*, bool*)+0x1ed
V  [libjvm.so+0x639fe4]  JNI_CreateJavaVM+0x74

这一般是因为 Xmx 设置过大，超过系统可用内存，JVM 申请内存失败.
比如服务器总内存32G ，同时运行多个程序,程序 A 配了20G的Xmx,其他程序也配了20G Xmx ，Linux的交换空间也没有设置，这时候如果其他程序用满20G的内存那么服务的可用内存必然低于12G，这时如果Tomcat需要大于12G的内存就很容易发生该错误，直接宕机!

解决方案

• 减少Xmx值使得所有的综合不超过服务器物理内存
• 调整 Xms=Xmx
• 服务器不要运行其他不必要的东西
• 配置一部分swap空间（虚拟内存）

2.2 外部终止

如果找不到"hs_err_pid"开头的文件那么，这个进程的闪退必然是被从外部终止的。

2.2.1 OOMKiller

java长期内存占用过高，系统需要内存使用的时候没有内存，Linux的oomkiller机制会干掉最低优先级的内存

检查 /var/logs/message ， /var/logs/dmesg或者对应日期文件，看看有没有类似下面的内容，日志有时间可以判断

2.2.2 SSH注销

检查/var/log/auth.log，/var/log/secure或者对应日期的文件，检查宕机的时间点有没有

时间吻合，那么宕机原因即可确认。

解决方案

使用nohup命令在后台运行启动程序，检查ssh注销原因

2.2.3 其他人为因素

不是很好判断，需要给shell加上操作记录

3 线程锁死/无限等待

• 表现
  系统无法访问时，当前cpu占用非常低

使用 jstack命令输出线程堆栈即可

jstack pid >> 1.txt

or

jstack -F pid >> 1.txt

都行,或者用jprofiler工具看堆栈，或者其他任何可以拿到堆栈的工具都可以， java的堆栈就是java方法调用的路径，可以定位一些简单的问题

4 内存溢出

• 现象
  CPU全部占满，内存达到配置Xmx最大值

4.1 CPU占满缘由

并不是 CPU 不够用，而是涉及到JVM的GC 机制，大部分情况来说CPU都是过剩的

JVM 使用GC的方法来回收没有被引用的内存块，在当前的回收机制中，回收器是并发进行的，回收的线程个数有一个公式：

当CPU核心数

• 小于8
  1个核心对应一个gc线程
• 大于8
  gc的线程数= 8 + ((N - 8) * 5/8)

N代表核心的数量，这是默认的gc线程创建公式

threads = N <= 8 ? N : (8 + ((N - 8) * 5/8))

当然也可以通过参数 -XX:ParallelCMSThreads=20 来配置 GC 线程数，就不会使用默认的设置，默认情况下不要调整，因为调了也没什么卵用，最多在宕机的时候cpu占用按照你设定的值来。

当发生内存溢出的时候，或者快要内存溢出的时候，不一定是内存溢出，JVM 发现内存不够了，就会 GC，所有线程开始工作，暂停 JVM 运行，开始回收，如果回收到内存了，ok，jvm可以正确继续执行，

这也就是为什么有时候配置内存溢出的参数没有自动生成dump的原因，因为他能运行，但是比较慢，所以没有OOM，就不会生成dump，

如果没有回收到什么内存，gc会循环持续执行，这就导致了cpu全部占满的现象，所以说内存溢出的时候，一定伴随cpu占满（按照设置或者公式计算的线程量）

4.2 JVM内存分配机制

在说说JVM怎么分配内存的，大家都知道给客户配置Xmx参数和xms参数，Xmx代表的是最大堆内存，xms代表的是最小堆内存，至于permsize就和这些都没有关系，不能算在内存溢出，遇到抛错outofmemory permsize什么的调大就行了

permsize是一个被jvm也抛弃的参数只存在1.7之前的jdk中，是用来保存java的class等内容的存储空间，1.8被metaspace替代

这个内存怎么不回收的啊，一问都是在任务管理器看的!这个地方是看不到内存回收的，或者说他也会回收，但是可能要等个好几天才会回收一次，可以忽略这种机制的存在

形而上学

WC 论

把内存比喻成茅坑，操作系统64g内存就是一共64个茅坑，那么JVM的内存回收相当于茅坑调度系统，每个gc线程相当于调度系统派出去的茅坑检查员，给jvm设置了 Xms=2g， Xmx=32g，那么程序启动，jvm直接占了两个茅坑，任务管理器看到内存占用2g，即使没人上厕所，JVM也不会把坑还给操作系统

假设一个人上厕所10秒，一开始的时候 20秒有一个人来上厕所，那么 jvm通过茅坑检查员发现哎两个坑总有一个是空的，维持茅坑数量不变，内存的占用一直是2g，过了些时候，来的人开始增多了，变成5秒有一个人来上厕所，茅坑检查员向JVM汇报有人开始有排队了，两个坑位很紧张，不行要多弄几个坑才行，于是，jvm向系统又申请了两个坑，任务管理器可以看到内存占用变成了4个G，这时候又突然发生压力增大，变成了1秒来一个人，4个坑肯定不够啊，于是jvm又把内存扩容到10-11g，现在够用了，任务管理器会看到内存一直维持在10-11g，终于大家都上完厕所了，没人排队了，茅坑都空出来了，但是，jvm是个霸道总裁，被他占的东西，除非死不然不会吐出来的，所以任务管理器里面看到内存还是10-11g不会降低，除非jvm死了，实际没有任何内存占用（所以不要再说内存不回收的问题，这个内存的回收不回收和宕机是没有直接关系的）

如果这时候突然一下子来了很多很多的人，比如一下子来了64个人要上厕所，这时候会怎样了，JVM把他的所有的茅坑检查员都派出去检查啊，然后发现完蛋了茅坑不够用啊，申请到32个都不够用啊，于是jvm的特派茅坑检查员就一个坑一个坑的拍，一个坑一个坑的催，结果呢，检查员在催，大家就拉不出来了，上厕所的时间无限期延长，外面的人要进去，里面的人出不来，BOOM，厕所就不响应了，后面来的人都拉裤子了。

怎么解决问题呢?

• 换个茅坑管理员，更好的调度茅坑检查员和分配茅坑，这就有了G1回收器 ，茅坑越多效果越好，目前JDK情况内存大于10G的情况G1的效果好于CMS，低于10G的情况下不如CMS
• 从源头控制人员，不要一下子来这么多人（申请内存），也就是常见的不要让模板查大量数据或者发生笛卡儿积的行为

而上面讲的线程锁死的情况要做类比的话，就是32个坑呗32个人占了，还死活不肯出来，导致后面排队的人失去响应了。

没有味道的比喻

解释一下java的面向对象和对象引用:
一栋大楼 10层一共1000个工位 （类比物理内存）
包给一个二房东 中介公司Z （jvm）
中介公司和大楼物业谈好了 弹性缴费
租多少出去收多少钱
Z公司先一下子租了300个位置 （类比Xms）省钱
Z公司和物业谈好最多租600个位置（类比Xmx）
Z公司找到了公司A(200人)来这里 就占用了200个工位 （类比报表一次查询）
公司A是一个大的对象，每个人就是 类比最小的单元格，每个小团队也是一个对象，个人被小团队引用，小团队又被更上级的比如产品，比如大技术支持大团队引用，大团队又被公司引用，最终公司这个大对象
占用了200工位，类比下来200个工位内存不释放的根就是这个公司在这儿上班
这时候公司A倒闭了，200个工位就空出来了(内存释放)
内存溢出宕机是什么情况呢？
找Z公司租工位的公司 总工位超过了600，总不能坐大腿上上班啊，于是物业不会给Z工位的，合同写的好好的，Z公司不满足客户需求，运作不起来破产倒闭

还有经常遇到的申请内存失败的崩溃是什么情况呢?

物业是个滑头，不止找了Z公司一家中介，还有Y公司也是做中介的，(类比两个JVM)
并且都承诺Z和Y公司都是最多可以租600个位置
初始都租的300个位置，大家相处融洽
随着公司不停入住，这时候矛盾就出现了
Y公司效益比较好，先找了公司，已经占了600个位置了
这时候Z公司的效益也上来了，也要增加工位 （类比申请内存）
这时候物业根本没有位置能给他。
于是Z公司运转不下去，破产倒闭

5 总结

宕机分析的目的就是要找到占用内存的东西，把他找出来，找出他的原因，然后把它改掉。JVM的内存对象分配相当于一颗树，所有的对象都被层层引用，直到GCRoot根节点，如果没有根节点的引用，这个对象是完全可以直接释放掉的，大部分也是因为gcRoot存在的对象过多导致的宕机，当然也不排除可以使用已经回收的对象来分析，由于生成dump的时间不精确，可能他生成的时候 ，对应的大组件已经回收了，但是jvm缓过来还需要一些时间，所以还是处于大量gc的状态，这时候只能通过对于引用的检索找到最多的引用对象来进行分析