一次FGC导致CPU飙高的排查过程

    今天测试团队反馈说，服务A的响应很慢，我在想，测试环境也会慢？于是我自己用postman请求了一下接口，真的很慢，竟然要2s左右，正常就50ms左右的。

    于是去测试服务器看了一下，发现服务器负载很高，并且该服务A占了很高的cpu。先用top命令，看了load average，发现都到了1.5左右（双核cpu）了，并且有一个java进程（20798）占用cpu一直很高，如下图：

    于是，用命令jps -l看了一下java的20798，刚好就是服务A。

    究竟服务A在跑什么，毕竟是测试环境。于是使用top -Hp 20798看一下是哪个线程在跑，如下图：

    发现线程20840占用cpu非常高，其他几乎都是0。通过以下命令输出该线程id（20840）的16进制：

printf "%x\n" 20840

输出如下：

    线程id（20840）的16进制是5186。

    然后使用以下命令打印出该线程的堆栈信息：

jstack -l 20798 | grep -A 20 5168

    输入如下：

    发现占用cpu的进程是jvm的GC线程，于是猜测是不是由于一直在进行FGC导致cpu飙高，于是使用以下命令看下FGC的频率和耗时：

jstat -gc 20798 1000

输出如下：

    发现，果然是不断地在进行着FGC，并且每次FGC的时间一直在升高。是什么导致一直都在FGC呢？是有大对象一直在创建，回收不了？于是使用以下命令看下heap中的对象情况：

jmap -histo:live 20798 | head -20

输出如下：

    发现一个业务类对象竟然有150w+个，并且占用了264M的堆大小，什么情况，并且这150w+个对象还是存活的（注意jmap使用的时候，已经带上了:live选项，只输出存活的对象），吓我一跳。于是赶紧使用以下命令打出线程堆栈来看一下：

jstack -l 20798 > jstack_tmp.txt

输出如下：

然后使用如下命令在输出的线程堆栈中根据对象类查找一下：

grep -C 30 'omments' jstack_tmp.txt

输出如下：

    猜测是由于一下次从db load出了太多的CommentsEntity。

    于是使用以下命令dump出heapdump出来重复确认一下：

jmap -dump:live,format=b,file=news_busy_live.hprof 20798

    把heapdump文件news_busy_live.hprof下载到windows本地，使用mat工具进行分析，第一次打开发现打不开，毕竟news_busy_live.hprof有3G那么大，mat直接报OOM打不开，发现mat的配置文件MemoryAnalyzer.ini里面的配置-Xmx1024m，heap size才1G，太小了，于是改成-Xmx4096m，保存，重新打开mat，再打开news_busy_live.hprof文件即可，如下图：

    发现mat已经帮我们分析出了内存泄漏的可以对象，233w+个对象（前面通过jmap命令输出的150W+个，是后面为了写文章而专门重现的操作，这里的233w+个是当时真的出问题的时候dump出来的heap dump文件），太恐怖了。

    通过以下操作，查看

点击exclude all ....，因为弱引用，软引用，虚引用等都可以被GC回收的，所以exclude，输出如下：

    发现一共有6个线程引用了那233w+个对象，于是去前面dump出来的线程堆栈跟踪以下这几个线程的情况，发现堆栈里面刚好这几个线程也是在处理comments相关的逻辑，这个是刚好碰巧，一般线程id都对不上的，毕竟线程处理完之后就释放了的。所以我们还是看回前面线程堆栈的信息，这里贴出根据关键字"omment"搜索出来的线程堆栈的信息，如下：

"XNIO-5 task-77" #248 prio=5 os_prio=0 tid=0x00007fc4511be800 nid=0x8f7 runnable [0x00007fc3e5af2000]   java.lang.Thread.State: RUNNABLE       ...        at cn.xxxxxx.news.commons.redis.RedisUtil.setZSet(RedisUtil.java:1080)        at cn.xxxxxx.news.service.impl.CommentsServiceV2Impl.setCommentIntoRedis(CommentsServiceV2Impl.java:1605)        at cn.xxxxxx.news.service.impl.CommentsServiceV2Impl.loadCommentsFromDB(CommentsServiceV2Impl.java:386)        ...        at cn.xxxxxx.xxxs.controller.vxxx.xxxxController.getxxxxxx(NewsContentController.java:404)        at cn.xxxxxx.xxx.controller.vxxx.xxxxxController$$FastClassBySpringCGLIB$$e7968481.invoke(<generated>)        ...        at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)        at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)        at java.lang.Thread.run(Thread.java:745)​   Locked ownable synchronizers:        - <0x00000000f671ecd0> (a java.util.concurrent.ThreadPoolExecutor$Worker)​

    从上面的堆栈信息，结合前面的猜测（猜测是一次性从db load出太多的CommentsEntity），猜测应该是函数loadCommentsFromDB一次性从db load出太多CommentsEntity了。于是看了一下业务代码，发现load出来的commentsEntity会放到redis的某一个zset，于是使用redis destopmanger看一下这个zset的数据，发现这个zset有22w的数据，从中找出几条，发现对应的newsPk都是同一个，根据newsPk在db中找一下该newsPk的comments总记录，发现该newsPk的comments记录数是38w+条，那就是这个问题了，一次性从db中load了38w+的数据到内存。

    一次性load那么多数据到内存，这肯定是一个慢查询，不管是db还是网络io，都肯定很慢。然后发现业务代码还会有一个for循环，把这个CommentsEntityList遍历一遍，一条一条放到redis，这也是一个非常慢的过程。

    然后我去看了服务A的access log，发现在短时间内，请求了该newsPk多次数据，所以就导致了jvm的heap空间不够，然后出现不断FGC的现象，并且该newsPk的请求，由于超时，都在网关超时返回了。

    为了验证这个问题，我把相关的redis缓存删除，然后调用该newsPk的接口获取数据，发现很慢，并且cpu立刻飚上去了，然后调多几次，并且不断地进行FGC，至此已经复现了该问题，和猜测的一样。等数据load到redis之后，再访问该接口，就很正常没问题。

    上面发现问题的代码，找时间做一下优化才行，先重启服务A，让服务可用先。

　　　　　　　　　　　　　　　　　　　 欢迎关注微信公众号“ismallboy”，请扫码并关注以下公众号，并在公众号下面回复“FGC”，获得本文最新内容。