Linux CPU100%+ 高负载问题排查记录

       

     
      今天LN现场售后人员反馈一台服务器上的业务办理出现问题，主要是运行缓慢，附带卡顿现象，没办法救急入救火就远程过去查查原因，本文用于记录排查过程并整理一些相关资料，希望对遇到类似问题的小伙伴们有帮助

---

排查过程：

第一步

先看看服务器情况，使用top命令可以监控linux的系统状况，主要用户查看显示系统中各个进程的资源占用情况，察看信息后发现CPU 占用高达100%+

 

top命令格式             

格式：top [-] [d delay] [q] [c] [S] [s] [i] [n] [b]

• d : 改变显示的更新速度，

• q : 没有任何延迟的显示速度

• c : 切换显示模式，共有两种模式，一是只显示执行档的名称，另一种是显示完整的路径与名称

• S : 累积模式，会将己完成或消失的子进程 ( dead child process ) 的 CPU time 累积起来

• s : 安全模式，将交谈式指令取消, 避免潜在的危机

• i : 不显示任何闲置 (idle) 或无用 (zombie) 的进程

• n : 更新的次数，完成后将会退出 top

• b : 批次档模式，搭配 "n" 参数一起使用，可以用来将 top 的结果输出到档案内

 

top 列含义

列名	含义
PID	进程id
PR	优先级
NI	nice值。负值表示高优先级，正值表示低优先级
VIRT	进程使用的虚拟内存总量，单位kb。VIRT=SWAP+RES
RES	进程使用的、未被换出的物理内存大小，单位kb。RES=CODE+DATA
SHR	共享内存大小，单位kb
S	进程状态。D=不可中断的睡眠状态 R=运行 S=睡眠 T=跟踪/停止 Z=僵尸进程
%CPU	上次更新到现在的CPU时间占用百分比
%MEM	进程使用的物理内存百分比
TIME+	进程使用的CPU时间总计，单位1/100秒
COMMAND	Command Name/Line命令名/命令行。

 第二步

CPU占比高，此问题多数是JVM 因堆内存不足频繁Full GC引起 。垃圾回收是根据可达性分析算法将不在GC Root根的引用链上的对象回收， 计算时会引发JVM 中的STW事件（stop the world）,此事件使Java应用程序暂时停顿，被STW中断的应用程序线程会在完成GC之后恢复，这个停顿就让业务出现卡顿现象 ，

所以使用jstat命令查看 Jstat命令查看JVM 信息，出乎我的意料，从信息中发现没有出现频发FGC的情况出现。一般频繁full gc的时候， FGC的次数会很多，GCT的时间会很大， 但我查询信息中FGC的次数并不大，因此这次问题不是 Full GC引起的CPU高负载+卡顿现象

 

jstat 命令格式

jstat [-命令选项] [vmid] [间隔时间/毫秒] [查询次数]

jstat 列含义

列名	含义
S0C	第一个幸存区的大小
S1C	第二个幸存区的大小
S0U	第一个幸存区的使用大小
S1U	第二个幸存区的使用大小
EC	伊甸园区的大小
EU	伊甸园区的使用大小
OC	老年代大小
OU	老年代使用大小
YGC	年轻代垃圾回收次数
YGCT	年轻代垃圾回收消耗时间
FGC	老年代垃圾回收次数
FGCT	老年代垃圾回收消耗时间
GCT	垃圾回收消耗总时间

第三步

不是JVM问题那么就只能查看线程栈了 ，所以使用jstack 查询这个线程到底在干嘛，使用top -Hp 进程号命令找到 CPU 消耗最多的线程号，从中发现正在运行的线程十分可疑，其占用CUP很高，将其转换成16进制 再从jstatck栈日志中查看211e的信息，信息如下显示

printf "0%x\n" PID 

此应用是一个老系统，老系统使用了ehcache当做缓存，从下发的栈信息发现，ehcache 正在执行OverflowDiskWriteTask任务，这个任务是ehcache超过最大缓存数后将缓存内容写入磁盘的操作，然后查看磁盘上的文件大小仍在增长，

所以本问题是由于ehcache在不停的做写操作占用CPU,让CPU飙升

"daoCache.data" daemon prio=10 tid=0x00007f199d281000 nid=0x211e runnable [0x00007f1a01942000]
   java.lang.Thread.State: RUNNABLE
	at java.io.ByteArrayOutputStream.(ByteArrayOutputStream.java:77)
	at net.sf.ehcache.util.MemoryEfficientByteArrayOutputStream.(MemoryEfficientByteArrayOutputStream.java:50)
	at net.sf.ehcache.util.MemoryEfficientByteArrayOutputStream.serialize(MemoryEfficientByteArrayOutputStream.java:89)
	at net.sf.ehcache.store.compound.factories.DiskStorageFactory.serializeElement(DiskStorageFactory.java:300)
	at net.sf.ehcache.store.compound.factories.DiskStorageFactory.write(DiskStorageFactory.java:280)
	at net.sf.ehcache.store.compound.factories.DiskStorageFactory$DiskWriteTask.call(DiskStorageFactory.java:385)
	at net.sf.ehcache.store.compound.factories.DiskOverflowStorageFactory$OverflowDiskWriteTask.call(DiskOverflowStorageFactory.java:246)
	at net.sf.ehcache.store.compound.factories.DiskOverflowStorageFactory$OverflowDiskWriteTask.call(DiskOverflowStorageFactory.java:235)
	at java.util.concurrent.FutureTask.run(FutureTask.java:262)
	at java.util.concurrent.ScheduledThreadPoolExecutor$ScheduledFutureTask.access$201(ScheduledThreadPoolExecutor.java:178)
	at java.util.concurrent.ScheduledThreadPoolExecutor$ScheduledFutureTask.run(ScheduledThreadPoolExecutor.java:292)
	at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1145)
	at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615)
	at java.lang.Thread.run(Thread.java:744)

jstack 格式

jstack [-l] pid

• -f 当’jstack [-l] pid’没有相应的时候强制打印栈信息
• -l 长列表. 打印关于锁的附加信息,例如属于java.util.concurrent的ownable synchronizers列表.
• -m 打印java和native c/c++框架的所有栈信息.
• -h 或者 -help 打印帮助信息
• pid 需要被打印配置信息的java进程id

---

解决方案：

问题是由于ehcache在不停的做写操作占用CPU,让CPU飙升，系统不能重启， 因此临时处理方案是从JBOSS控制台将其缓存清空，清空后问题解决

问题解决后看了下 ehcache.xml中的缓存配置， 配置中缓存的闲置时间timeToIdleSeconds时间为4小时，缓存个数是5W。从配置上分析怀疑是业务代码中存在问题，4小时内缓存了大量命中率低的数据，造成缓存数超过5W后ehcache开启将缓存写入磁盘的操作，所以暂时给售后以下建议

• 建议售后先将闲置时间timeToIdleSeconds修改为1小时， 此处也不敢直接修改的太小，有点儿担心不了系统造成系统其他问题，打算观察一段时间后再来决定设置的值
• 建议将overflowToDisk=true，修改成false禁止将缓存写入磁盘，毕竟缓存是用于提高读取速度。 

其实 ehcache 已经很少被使用了，reidis作为缓存是当今主流， 考虑到迁移需要投入的人力成本，迁移问题暂时搁置吧，考虑成本无法把事情做到最好估计也是很多人心中的痛