告警 正在開會，突然釘釘告警聲響個不停，同時市場人員反饋客戶在投訴系統登不進了，報504錯誤。查看釘釘上的告警信息，幾台業務伺服器節點全部報CPU超過告警閾值，達100%。 趕緊從會上下來，SSH登錄伺服器，使用 top 命令查看，幾個Java進程CPU占用達到180%，190%，這幾個Java進程 ...
告警
正在開會，突然釘釘告警聲響個不停，同時市場人員反饋客戶在投訴系統登不進了，報504錯誤。查看釘釘上的告警信息，幾台業務伺服器節點全部報CPU超過告警閾值，達100%。
趕緊從會上下來，SSH登錄伺服器，使用 top 命令查看，幾個Java進程CPU占用達到180%，190%，這幾個Java進程對應同一個業務服務的幾個Pod（或容器）。
定位
- 使用 docker stats 命令查看本節點容器資源使用情況，對占用CPU很高的容器使用 docker exec -it <容器ID>bash 進入。
- 在容器內部執行 top 命令查看，定位到占用CPU高的進程ID，使用 top -Hp <進程ID> 定位到占用CPU高的線程ID。
- 使用 jstack <進程ID> > jstack.txt 將進程的線程棧列印輸出。
- 退出容器， 使用 docker cp <容器ID>:/usr/local/tomcat/jstack.txt ./ 命令將jstack文件複製到宿主機，便於查看。獲取到jstack信息後，趕緊重啟服務讓服務恢復可用。
5.將2中占用CPU高的線程ID使用 pringf '%x\n' <線程ID> 命令將線程ID轉換為十六進位形式。假設線程ID為133，則得到十六進位85。在jstack.txt文件中定位到 nid=0x85的位置，該位置即為占用CPU高線程的執行棧信息。如下圖所示，
- 與同事確認，該處為使用一個框架的excel導出功能，並且，導出excel時沒有分頁，沒有限制！！！查看SQL查詢記錄，該導出功能一次導出50w條數據，並且每條數據都需要做轉換計算，更為糟糕的是，操作者因為導出時久久沒有響應，於是連續點擊，幾分鐘內發起了10多次的導出請求。。。於是，CPU被打滿，服務崩潰了，我也崩潰了。。
解決
對於此類耗資源的操作，一定要做好相應的限制。比如可以限制請求量，控制最大分頁大小，同時可以限制訪問頻率，比如同一用戶一分鐘內最多請求多少次。
再發
服務重啟後恢復。到了下午，又一臺伺服器節點CPU告警，依前面步驟定位到占用CPU高的線程，如下
"GC task thread#0 (ParallelGC)" os_prio=0 tid=0x00007fa114020800 nid=0x10 runnable
"GC task thread#1 (ParallelGC)" os_prio=0 tid=0x00007fa114022000 nid=0x11 runnable
使用命令 jstat -gcutil <進程ID> 2000 10 查看GC情況，如圖
發現Full GC次數達到1000多次，且還在不斷增長，同時Eden區，Old區已經被占滿（也可使用jmap -heap <進程ID>查看堆記憶體各區的占用情況），使用jmap將記憶體使用情況dump出來，
jmap -dump:format=b,file=./jmap.dump 13
退出容器，使用 docker cp <容器ID>:/usr/local/tomcat/jmap.dump ./ 將dump文件複製到宿主機目錄，下載到本地，使用 MemoryAnalyzer（下載地址：www.eclipse.org/mat/downloa… ）打開，如圖
如果dump文件比較大，需要增大MemoryAnalyzer.ini配置文件中的-Xmx值
發現占用記憶體最多的是char[], String對象，通過右鍵可以查看引用對象，但點開貌似也看不出所以然來，進入記憶體泄露報告頁面，如圖
該頁面統計了堆記憶體的占用情況，並且給出疑似泄露點，在上圖中點開“see stacktrace”鏈接，進入線程棧頁面，
似曾熟悉的畫面，還是跟excel導出有關，數據太多，導致記憶體溢出。。。於是GC頻繁，於是CPU爆了。根源還是同一個。
總結
本文以處理一次線上服務CPU 100%的實戰過程示例了在遇到Java服務造成伺服器CPU消耗過高或記憶體溢出的一般處理方法，希望對大家定位線上類似問題提供參考。同時，開發實現功能時需要考慮的更深遠一些，不能停留在解決當前的場景，需要考慮數據量不斷增大時，你的實現是否還能適用。俗話說，初級程式員解決當前問題，中級程式員解決兩年後的問題，高級程式員解決五年後的問題，_。
作者：雨歌
