CPU负载过高异常排查实践与总结

商务办公
昨天下午突然收到运维邮件报警,显示数据平台服务器cpu利用率达到了98.94%,而且最近一段时间一直持续在70%以上,看起来像是硬件资源到瓶颈需要扩容了,但仔细思考就会发现咱们的业务系统并不是一个高并发或者CPU密集型的应用,这个利用率有点太夸张,硬件瓶颈应该不会这么快就到了,一定是哪里的业务代码逻辑有问题。

 昨天下午突然收到运维邮件报警,显示数据平台服务器cpu利用率达到了98.94%,而且最近一段时间一直持续在70%以上,看起来像是硬件资源到瓶颈需要扩容了,但仔细思考就会发现咱们的业务系统并不是一个高并发或者CPU密集型的应用,这个利用率有点太夸张,硬件瓶颈应该不会这么快就到了,一定是哪里的业务代码逻辑有问题。

[[250452]]

1、排查思路

1.1 定位高负载进程

首先登录到服务器使用top命令确认服务器的具体情况,根据具体情况再进行分析判断。

 

CPU负载过高异常排查实践与总结

通过观察load average,以及负载评判标准(8核),可以确认服务器存在负载较高的情况;

 

CPU负载过高异常排查实践与总结

观察各个进程资源使用情况,可以看出进程id为682的进程,有着较高的CPU占比

1.2 定位具体的异常业务

这里咱们可以使用 pwdx 命令根据 pid 找到业务进程路径,进而定位到负责人和项目:

 

CPU负载过高异常排查实践与总结

可得出结论:该进程对应的就是数据平台的web服务。

1.3 定位异常线程及具体代码行

传统的方案一般是4步:

  1. top oder by with P:1040 // 首先按进程负载排序找到 maxLoad(pid)
  2. top -Hp 进程PID:1073 // 找到相关负载 线程PID
  3. printf “0x%x ”线程PID: 0x431 // 将线程PID转换为 16进制,为后面查找 jstack 日志做准备
  4. jstack 进程PID | vim +/十六进制线程PID - // 例如:jstack 1040|vim +/0x431 -

但是对于线上问题定位来说,分秒必争,上面的 4 步还是太繁琐耗时了,之前介绍过淘宝的oldratlee 同学就将上面的流程封装为了一个工具:show-busy-java-threads.sh,可以很方便的定位线上的这类问题:

 

CPU负载过高异常排查实践与总结

可得出结论:是系统中一个时间工具类方法的执行cpu占比较高,定位到具体方法后,查看代码逻辑是否存在性能问题。

※ 如果线上问题比较紧急,可以省略 2.1、2.2 直接执行 2.3,这里从多角度剖析只是为了给大家呈现一个完整的分析思路。

2、根因分析

经过前面的分析与排查,最终定位到一个时间工具类的问题,造成了服务器负载以及cpu使用率的过高。

  • 异常方法逻辑:是把时间戳转成对应的具体的日期时间格式;
  • 上层调用:计算当天凌晨至当前时间所有秒数,转化成对应的格式放入到set中返回结果;
  • 逻辑层:对应的是数据平台实时报表的查询逻辑,实时报表会按照固定的时间间隔来,并且在一次查询中有多次(n次)方法调用。

那么可以得到结论,如果现在时间是当天上午10点,一次查询的计算次数就是 10*60*60*n次=36,000*n次计算,而且随着时间增长,越接近午夜单次查询次数会线性增加。由于实时查询、实时报警等模块大量的查询请求都需要多次调用该方法,导致了大量CPU资源的占用与浪费。

3、解决方案

定位到问题之后,首先考虑是要减少计算次数,优化异常方法。排查后发现,在逻辑层使用时,并没有使用该方法返回的set集合中的内容,而是简单的用set的size数值。确认逻辑后,通过新方法简化计算(当前秒数-当天凌晨的秒数),替换调用的方法,解决计算过多的问题。上线后观察服务器负载和cpu使用率,对比异常时间段下降了30倍,恢复至正常状态,至此该问题得已解决。

 

CPU负载过高异常排查实践与总结

4、总结

  • 在编码的过程中,除了要实现业务的逻辑,也要注重代码性能的优化。一个业务需求,能实现,和能实现的更高效、更优雅其实是两种截然不同的工程师能力和境界的体现,而后者也是工程师的核心竞争力。
  • 在代码编写完成之后,多做 review,多思考是不是可以用更好的方式来实现。
  • 线上问题不放过任何一个小细节!细节是魔鬼,技术的同学需要有刨根问题的求知欲和追求卓越的精神,只有这样,才能不断的成长和提升。
责任编辑:武晓燕 来源: 今日头条
相关推荐

2019-04-29 14:23:46

Java服务器CPU

2020-11-02 09:25:33

CPUJava线程

2010-08-18 09:52:25

Memcache

2011-11-18 15:18:41

Junit单元测试Java

2023-11-10 07:23:57

Kubernetes集群网络

2017-08-19 23:21:14

线上CPU定位

2017-08-18 22:40:33

线上线程备份

2013-03-25 09:19:10

Linux服务器故障排查

2013-03-26 09:21:40

Linux服务器故障排查

2015-08-24 11:02:56

网络故障负载均衡

2023-06-19 07:27:50

网易严选全链路

2019-01-21 11:17:13

CPU优化定位

2014-06-11 10:29:03

2012-02-01 14:28:03

Java线程

2020-10-12 14:18:15

CPU技巧代码

2012-10-19 09:57:43

Apache负载均衡集群功能

2019-12-20 14:21:26

JVM调优垃圾回收

2011-08-18 13:57:47

Star Schema

2012-08-09 09:42:23

HadoopNoSQL实施

2021-07-15 23:16:09

IO异常排查
点赞
收藏

51CTO技术栈公众号