Arthas 实践——生产环境排查 CPU 飚高问题

生产环境 CPU 告警：

13:40 收到我们的生产环境服务器绿版 CUP 超负载告警通知。

图片

此时心里只有一个想法，重启大法好，马上登录服务器，执行 top 发现进程 30247 和 28337 占用 CPU 为 200 多和100 多基本占用了 4 核的 3 核，整个过程大概用时 30 秒，维护群依然很平静，运营的电话也没打过来，这时候我断定，这次问题应该影响面很小，用户可能也暂时没有发现，好吧，还有时间做排查。

图片

Arthas排查过程：

• 开启 Arthas 工具找到对应的 30247 运单模块和 28337 支付模块，选择运单模块进入：

java -jar arthas-boot.jar

图片

• 执行 dashboard 命令，线程 35 和 12042 不正常 CUP 占用 49%：

dashboard

图片

• 执行 thread 35 thread 12042 定位代码行：

thread 35thread 12042

图片

• 查看代码，业务需求为生成一个至少包含 2 个数字的随机字符串，我们使用的统一的工具类方法，该方法中先通过 UUID.randomUUID() 随机出一个 10 位的字符池，然后再从这个字符池中随机需要位数的字符串，如果随机出来的 10 位字符池中都是字母，则二次随机时候就会出现死循环，问题代码如下：

public static String getRandomStr(boolean numberFlag, int length) {    String retStr = "";    String strTable =        numberFlag            ? UUID.randomUUID().toString().replaceAll("-", "").substring(0, 10)            : "1234567890abcdefghijkmnpqrstuvwxyz";    int len = strTable.length();    boolean bDone = true;    do {      retStr = "";      int count = 0;      for (int i = 0; i < length; i++) {        double dblR = Math.random() * len;        int intR = (int) Math.floor(dblR);        char c = strTable.charAt(intR);        if (('0' <= c) && (c <= '9')) {          count++;        }        retStr += strTable.charAt(intR);      }      if (count >= 2) {        bDone = false;      }    } while (bDone);    return retStr;  }

• 线下模拟不到二万次 UUID.randomUUID() 前十位会出现一次全字母的情况。

图片

• 最终原因是死循环导致的 CPU 飚高，修复代码，增加是否都是字母的判断，第一次随机出来的 10 位字符池都是字母，则重新随机。

Arthas 常用命令：

安装

curl -O arthas.aliyun.com/arthas-boot…
java -jar arthas-boot.jar

基础命令

help——查看命令帮助信息
cat——打印文件内容，和 linux 里的 cat 命令类似
echo–打印参数，和 linux 里的 echo 命令类似
grep——匹配查找，和 linux 里的 grep 命令类似
tee——复制标准输入到标准输出和指定的文件，和 linux 里的 tee 命令类似
pwd——返回当前的工作目录，和 linux 命令类似
cls——清空当前屏幕区域
session——查看当前会话的信息
reset——重置增强类，将被 Arthas 增强过的类全部还原，Arthas 服务端关闭时会重置所有增强过的类
version——输出当前目标 Java 进程所加载的 Arthas 版本号
history——打印命令历史
quit——退出当前 Arthas 客户端，其他 Arthas 客户端不受影响
stop——关闭 Arthas 服务端，所有 Arthas 客户端全部退出
keymap——Arthas 快捷键列表及自定义快捷键

jvm相关

dashboard——当前系统的实时数据面板
thread——查看当前 JVM 的线程堆栈信息
jvm——查看当前 JVM 的信息
sysprop——查看和修改 JVM 的系统属性
sysenv——查看 JVM 的环境变量
vmoption——查看和修改 JVM 里诊断相关的 option
perfcounter——查看当前 JVM 的 Perf Counter 信息
logger——查看和修改 logger
getstatic——查看类的静态属性
ognl——执行 ognl 表达式
mbean——查看 Mbean 的信息
heapdump——dump java heap, 类似 jmap 命令的 heap dump 功能

class/classloader相关

sc——查看 JVM 已加载的类信息
sm——查看已加载类的方法信息
jad——反编译指定已加载类的源码
mc——内存编译器，内存编译 .java 文件为 .class 文件
redefine——加载外部的 .class 文件，redefine 到 JVM 里
dump——dump 已加载类的 byte code 到特定目录
classloader——查看 classloader 的继承树，urls，类加载信息，使用 classloader 去 getResource

monitor/watch/trace相关

• monitor 方法执行监控

monitor -c 5 demo.MathGame primeFactors

-c 5 未统计周期默认 120s

• watch 能观察到的范围为：返回值、抛出异常、入参

watch demo.MathGame primeFactors “{params,target,returnObj}” -x 2 -b -s -n 2

-x 2 输出结果的属性遍历深度
-b 方法调用前
-s 方法返回后
-n 2 执行2次

watch demo.MathGame primeFactors “{params[0],throwExp}” -e -x 2

-e表示抛出异常时才触发

• trace 方法内部调用路径，并输出方法路径上的每个节点上耗时

trace demo.MathGame run