关于resin ping超时的问题

最近遇到一个很奇怪的问题，就是在高峰期的时候，resin会ping ok超时（这是resin的一个自动检查工具，在conf/resin.conf配置），如下图：

三次以上超时的话就会自动重启，因为之前没有过这方面的经验，所以解决起来很费劲，走了很多弯路（由于每次超时基本上都会有Forcing GC due to low memory这样的字眼，所以开始误以为是内存泄露），下面是分析经过，希望对有些人有帮助。

 

我在服务器ping超时的时候dump了一些信息（dump脚本文章末尾给出），我们来分析一下：

 

首先看load：21:58:15 up 34 days,  1:24,  2 users,  load average: 0.32, 0.28, 0.27

很明显load不高。

 

再看top：

USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND                                                                                                    

root      18   0 12.1g  10g  89m S 21.7 70.0 203:49.72 java

cpu占用率也不高，这表示java没有进行密集的cpu计算，java内存占了70%，也就是15.6G*0.7=10.96G

 

再看看堆内存信息：

Eden Space:

   capacity = 5910298624 (5636.5MB)

   used     = 5481955816 (5228.000465393066MB)

   free     = 428342808 (408.4995346069336MB)

   92.75260295206363% used

From Space:

   capacity = 190119936 (181.3125MB)

   used     = 0 (0.0MB)

   free     = 190119936 (181.3125MB)

   0.0% used

To Space:

   capacity = 190578688 (181.75MB)

   used     = 0 (0.0MB)

   free     = 190578688 (181.75MB)

   0.0% used

PS Old Generation

   capacity = 4194304000 (4000.0MB)

   used     = 2836024848 (2704.644058227539MB)

   free     = 1358279152 (1295.355941772461MB)

   67.61610145568848% used

PS Perm Generation

   capacity = 190840832 (182.0MB)

   used     = 99512072 (94.90210723876953MB)

   free     = 91328760 (87.09789276123047MB)

   52.144014966356885% used

 

总共申请到的内存一共有：5636.5+181.3125+181.75+4000+182=10255.8125MB/1024M=10.015G，这说明JNI调用花费的内存为10.96-10.015=0.945G，JNI不存在内存泄漏。

 

可能有人觉得Eden用了92%，是不是太高了点，这很正常，它马上会被回收掉，我们可以再看看另一台服务器的堆内存信息：

Eden Space:

   capacity = 9814802432 (9360.125MB)

   used     = 1181853960 (1127.1037673950195MB)

   free     = 8632948472 (8233.02123260498MB)

   12.041546105367392% used

From Space:

   capacity = 337051648 (321.4375MB)

   used     = 245305144 (233.94121551513672MB)

   free     = 91746504 (87.49628448486328MB)

   72.7796898355471% used

To Space:

   capacity = 333905920 (318.4375MB)

   used     = 0 (0.0MB)

   free     = 333905920 (318.4375MB)

   0.0% used

PS Old Generation

   capacity = 8388608000 (8000.0MB)

   used     = 3622388416 (3454.5787963867188MB)

   free     = 4766219584 (4545.421203613281MB)

   43.18223495483399% used

PS Perm Generation

   capacity = 100728832 (96.0625MB)

   used     = 100571056 (95.91203308105469MB)

   free     = 157776 (0.1504669189453125MB)

   99.84336560161842% used

 

这样看来内存是完全够用的，Perm设置为256M，之后还会膨胀，所以99%也没什么。

我们再来看看gc信息：

 S0C      S1C      S0U    S1U      EC       EU         OC          OU       PC       PU       YGC   YGCT    FGC    FGCT     GCT  

185664.0 186112.0  0.0    0.0   5771776.0 5330191.7 4096000.0  2769555.5  186368.0 97179.8    266  106.315   5     19.005  125.320

我也没看出来有什么异常。

 

我们来总结一下：

内存够用

cpu也没有进行大量的操作

gc正常

关键是也没有发生oom异常（这表示内存够用）

另外，并不是每次超时之前resin都会打印Forcing GC due to low memory这样的字眼

所以，我认为不是内存泄漏的原因，也就不用再分析2G多大的heap文件了。

 

如果不是内存泄漏的原因，那么到底是什么原因呢？

有两个因素引起了我的注意：

1.以前也有过这种情况，但是也没有这么频繁，最近开始变得有点频繁了

2.我统计了发生超时的时间，绝大部分都集中在访问的高峰期

 

整个问题的关键因素是搞清楚resin为什么会ping超时，是cpu忙不过来了？不是，是网络堵了？也不是，是内存不够？也不是，那到底是为什么呢？上述信息明显不够，于是我在服务器上开启了resin的access.log；从access.log上可以看出，有大量的最近刚上线的请求，这是不是就是最近频繁发生的原因呢？另外，我在服务器发生超时的时候接了一个图：

 从截图来看，22：45：38发生一次超时，从access.log来看，前一次ping发生在22:44:17，第二次ping发生在22:45:45，照理说，ping是每隔1分钟ping的，也就是说第二次ping应该发生在22:45:17，但是却发生在22:45:45，中间这个误差就是超时的时间。也就是说这个ping操作完全没有连接上resin，突然想到，不是cpu忙不过，不是内存不够，那极有可能是达到了最大连接数限制了，刚开始我以为是thread-max配置最大连接数，后来仔细查了资料，发现不是这么回事。

 

Thread-max是thread-pool配置的，threadpool就是一个加工厂，每个thread都是一个工人，它们处理来自tcp连接的请求，所以不是连接数的设置。从网上找的资料，下了一个resin3.0.21源码包，找到Port类：

 

我没有去查找_connectionMax是否动态设置，但是据网上说resin是写死了的（又有的人说是pro专业版提供配置，但是我看Port类提供了动态设置的方法），也就是说最大连接数不能超过512个，看看代码：

 Port线程负责创建新的tcp连接，上面是代码，从这里可以看出，如果超出了最大连接数，就会等待60s，这个时间，ping早就超时了！！

 

那么我们的ping超时的时候，最大连接数到底是多少呢？幸好我当时也一并dump下了jstack，查找resin-tcp-connection-*:8080-，一共有515个这样的线程，除去"resin-tcp-connection-*:8080-101-EventThread"、"resin-tcp-connection-*:8080-101-SendThread(UserZooKeeper5:2181)"、"resin-tcp-connection-*:8080-101-SendThread(UserZooKeeper3:2181)"这三个不是用户tcp连接（是什么我也不知道），刚好剩下512个线程，这是巧合吗？好吧，我们再看看线上没有问题服务的tcp连接数，搜索resin-tcp-connection-*:8080-，一共是286个，小于512，这也是巧合吗？种种迹象表明，在ping超时时，我们的连接数达到了最大值512！！

 

最后的解决方法是，我参考了网上的方法，为resin加大了连接数，<http server-id="" host="*" port="8080" connection-max="700"/>

 

======================================dump脚本======================================

#!/bin/bash
export JAVA_HOME=/opt/j2sdk
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar:$CLASSPATH

time=`date +"%Y-%m-%d-%H:%M:%S"`
dir="/data/dump"
if [ ! -x $dir ]
then
 mkdir $dir
fi

#load
w > $dir/load_$time.data
echo load done!

#java cpu/mem
top -n 1 > $dir/top_$time.data
echo top done!

#resin pid
pid=`/opt/j2sdk/bin/jps | grep Resin | cut -d' ' -f1`
echo resin pid is $pid...

#gc
jstat -gc $pid > $dir/gc_$time.data
echo gc done!

#heap info
jmap -heap $pid > $dir/heapinfo_$time.data
echo heap info done!

#histo
jmap -histo:live $pid  > $dir/histo_$time.data
echo histo done!

#heap dump
jmap -dump:live,format=b,file=$dir/heapdump_$time.bin $pid
echo heap dump done!

#jstack
jstack $pid > $dir/jstack_$time.data

echo jstack done!