Java微服務隨機掉線排查思路

来源:https://www.cnblogs.com/lyalong/archive/2023/02/03/17089373.html
-Advertisement-
Play Games

背景 我們的業務共使用11台(阿裡雲)伺服器,使用SpringcloudAlibaba構建微服務集群,共計60個微服務,全部註冊在同一個Nacos集群 流量轉發路徑: nginx->spring-gateway->業務微服務 使用的版本如下: spring-boot.version:2.2.5.RE ...


背景

  • 我們的業務共使用11台(阿裡雲)伺服器,使用SpringcloudAlibaba構建微服務集群,共計60個微服務,全部註冊在同一個Nacos集群
  • 流量轉發路徑: nginx->spring-gateway->業務微服務
  • 使用的版本如下:
    spring-boot.version:2.2.5.RELEASE
    spring-cloud.version:Hoxton.SR3
    spring-cloud-alibaba.version:2.2.1.RELEASE
    java.version:1.8

案發

  • 春節放假期間,收到反饋,網頁報錯服務未找到(gateway找不到服務的報錯提示).
  • 查看nacos集群列表,發現個別服務丟失(下線).
  • 這個問題每幾天出現一次,出現時間不固定,每次掉線的服務像是隨機選的幾個.
  • 服務手動kill+restart後能穩定運行2-3天

排查和解決

懷疑對象一:伺服器記憶體爆了

1.進阿裡雲控制台查看故障機器近期的各項指標,但是發現故障機器的指標有重要的幾項丟失,記憶體使用率,cpu使用率,系統負載均不顯示

2.控制台看不了只好進伺服器內查看各指標
free -m 查看記憶體,無異常
3.提交阿裡工單,授權阿裡工程師幫忙修複控制台顯示問題,懷疑這個問題對業務有影響

4.控制台修複後掉線問題依然存在

懷疑對象二:CPU滿載

能感覺到執行命令很流暢,所以感覺不是這個原因, top查看後很正常

懷疑對象三:磁碟滿了

雖然概率很小,但是看一下,du -sh *發現磁碟容量還能用到公司倒閉

懷疑對象四:網路有問題
  1. 伺服器那三個基本故障暫時排除後,最大懷疑對象就是網路,畢竟服務掉線肯定是服務端一段時間內接收不到客戶端心跳包,所以把客戶端踢下線了.
  2. 通過telnet,mtr -n *.*.*.*,netstat -nat |grep "TIME_WAIT" | wc -l這些命令也只能看個大概.
  3. echo "1" > /proc/sys/net/ipv4/tcp_tw_reuse修改內核參數,開啟TIME_WAIT socket復用能力,提升實例的網路發送請求性能.
  4. 查看nacos客戶端(微服務)的日誌,在前面案發里提到沒有日誌記錄
懷疑對象五:Nacos集群服務端故障
  1. 查看nacos集群部署的那幾台伺服器,查看伺服器基礎指標(記憶體,cpu,磁碟等),未發現異常(畢竟還有幾十個微服務都很正常工作)
  2. 查看nacos服務端日誌,發現確實有主動下線服務操作,那就奇怪了,這個機器上的有些服務還在正常工作,為什麼會隨機下線幾個服務呢?
懷疑對象六:微服務占用資源太多

後來仔細想想,這個懷疑對象是不是有點離譜了?因為部署腳本都是同一個,而且負載均衡也是一樣的,但其他機器的這個服務都好好的.

1.調大每個微服務的記憶體占用

2.添加堆棧列印

3.等待一段時間後,異常依然存在,並且,沒有堆棧列印???因為進程好好的並沒退出!

4.google搜索nacos服務掉線,找到一篇看起來極其靠譜的文章!

5.上文提到我使用的springcloud版本,恰好這個版本的nacos-client版本就是1.4.1,於是立馬測試升級

6.觀察幾天後,發現問題依舊,只能將探查方向繼續轉回微服務本身.

7.使用arthas進行勘測各項指標,發現所有正常的服務各指標均正常.

8.想到服務掉線大概率是因為心跳包丟失,懷疑是心跳線程因為某些原因被殺死了.

9.翻看nacos-client源碼,找到心跳函數(nacos2.x不是這個),使用arthas監聽心跳包,嘗試能找到心跳丟失的證據,貼上當時的記錄


10.當異常再次發生......arthas監聽卡死,無任何記錄和響應........

11.無奈更換思路,寫一個監聽服務掉線的程式,期望可以在工作時間內及時獲取到異常

12.終於在工作時間捕獲到異常,第一時間進入伺服器內查看情況,

13.確認伺服器基礎項沒問題後,使用arthas查看服務進程堆棧情況,但是arthas無法進入進程!!!

14.用jstat查看GC情況,顯示很正常

15.用jmap/jstack輸出堆棧jstack -l 25944 >heap.txt,但是提示無法進入進程,無奈使用添加-F(這個參數的堆棧少了很多信息),jstack -F -l 25944 >heap.txt

16.查看堆棧文件,上萬行記錄,眼都看花了,但是沒有死鎖也沒有發現異常

17.此時發現監聽程式提示服務上線了???!!!檢查後發現確實掉線的幾個微服務自動恢復了,心想這就難排查了.

18.嘗試復現BUG,此時離第一次案發已經過去一周多,必須儘快處理好這個BUG,否則可能得被迫離職了...

19.當第二次發生異常的時候,使用同樣的方式,arthas無法進入->...->jstack輸出堆棧,奇跡發生了,服務又恢復正常了

20.思考/猜測:因為jvm死了(假死),所以導致進程中的一切內容,包括心跳線程,日誌等,都hold住.

20.Google搜索關鍵詞jvm停止(假死)排查,終於找到一個極其靠譜的回答

21.連忙查看對比使用的幾個機器內核版本號uname -r

22.那個低版本的就是故障機器,確認相關信息後,聯繫阿裡雲提交工單

23.升級完內核並重啟後機器後,觀察兩天至今,這個問題不存在了,誰能想到這個問題居然是因為Linux內核的BUG引起的,不得不佩服第一個發現這個BUG的大佬

完結感言

這個問題折磨了一周多,每日如鯁在喉!調試過程也是苦樂參半,樂的是突然有了調試思路,苦的是思路是一條死衚衕,還好最終結果是滿意的.
作為一名程式員,還是要時刻保持一顆探索的心,學海無涯!

2023-02-03 記於深圳

你要是覺得寫的還不錯,就點個關註,可以評論區留下足跡,以後方便查看. 你要是覺得寫的很辣雞,評論區歡迎來對線! 歡迎轉載!
您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • Map 介面與 Collection 併列存在的,用於保存具有映射關係的數據:key-value 被稱為 鍵值對 。Java集合可分為 Collection 和 Map 兩種體系。Map 中的 key 和 value 都可以是任何引用類型的數據。Map 中的 key 用 Set 集合存儲的,不允許... ...
  • 鋼鐵知識庫,一個學習python爬蟲、數據分析的知識庫。人生苦短,快用python。 使用pycharm創建python文件時候,有時候需要自動生成想要的文件頭,如何生成呢? 只需要以下幾步: 在file->settings中搜索temp,找到file and code templates->pyt ...
  • Java集合框架 每博一文案 《殺死一隻知更鳥》中有這樣一段話:“你永遠不可能真正地瞭解一個人,除非你穿上他的鞋子走來走去,站在他的角度思考問題。 可真當你走過他的路時,你連路過都覺得難過。” 世上沒有真正的感同身受,也永遠不會有一模一樣的境遇。 很多時候,你以為看到了全貌,但其實只有冰山一角。永遠 ...
  • 最大公約數演算法不是很無聊,計算最大公約數是數學中一個重要的概念,可以用於判斷兩個數是否互質、求分數的約分等,在很多領域都有廣泛的應用。具體如下: 判斷兩個數是否互質:兩個數的最大公約數為1,說明這兩個數是互質的。 求分數的約分:將分子和分母的最大公約數約分掉,使得分數的值不變。 求同餘方程的最小正整 ...
  • 聲明 本文章中所有內容僅供學習交流,抓包內容、敏感網址、數據介面均已做脫敏處理,嚴禁用於商業用途和非法用途,否則由此產生的一切後果均與作者無關,若有侵權,請聯繫我立即刪除! 本文章未經許可禁止轉載,禁止任何修改後二次傳播,擅自使用本文講解的技術而導致的任何意外,作者均不負責,若有侵權,請在公眾號【K ...
  • BP(Back Propagation)演算法是一種常用的神經網路訓練演算法,主要用於識別分類和預測。常用於圖像識別、語音識別、文本分類等場景。它的原理是通過對誤差進行反向傳播來更新網路的參數,使得模型的誤差最小。BP演算法最早於1986年由Rumelhart等人提出。BP演算法適用於處理非線性問題,並且不 ...
  • 基於php大文件分片上傳至七牛雲,使用的是七牛雲js-sdk V2版本,引入js文件,配置簡單,可以暫停,暫停後支持斷點續傳(刷新、關閉頁面、重新上傳、網路中斷等情況),可以配置分片大小和分片數量,官方文檔https://developer.qiniu.com/kodo/6889/javascrip ...
  • 基於php+webuploader的大文件分片上傳,帶進度條,支持斷點續傳(刷新、關閉頁面、重新上傳、網路中斷等情況)。文件上傳前先檢測該文件是否已上傳,如果已上傳提示“文件已存在”,如果未上傳則直接上傳。視頻上傳時會根據設定的參數(分片大小、分片數量)進行上傳,上傳過程中會在目標文件夾中生成一個臨 ...
一周排行
    -Advertisement-
    Play Games
  • 概述:這個WPF項目通過XAML繪製汽車動態速度表盤,實現了0-300的速度刻度,包括數字、指針,並通過定時器模擬速度變化,展示了動態效果。詳細實現包括界面設計、刻度繪製、指針角度計算等,通過C#代碼與XAML文件結合完成。 新建 WPF 項目: 在 Visual Studio 中創建一個新的 WP ...
  • 概述:在WPF中使用`WpfAnimatedGif`庫展示GIF動畫,首先確保全裝了該庫。通過XAML設置Image控制項,指定GIF路徑,然後在代碼中使用庫提供的方法實現動畫控制。這簡化了在WPF應用中處理GIF圖的過程,提供了方便的介面來管理動畫播放和暫停。 當使用 WpfAnimatedGif  ...
  • 您是否曾經訪問過一個網站,它需要很長時間載入,最終你敲擊 F5 重新載入頁面。 即使用戶刷新了瀏覽器取消了原始請求,而對於伺服器來說,API也不會知道它正在計算的值將在結束時被丟棄,刷新五次,伺服器將觸發 5 個請求。 為瞭解決這個問題,ASP.NET Core 為 Web 伺服器提供了一種機制,就 ...
  • 本章將和大家分享如何通過 Elasticsearch 實現自動補全查詢功能。 一、自動補全-安裝拼音分詞器 1、自動補全需求說明 當用戶在搜索框輸入字元時,我們應該提示出與該字元有關的搜索項,如圖: 2、使用拼音分詞 要實現根據字母做補全,就必須對文檔按照拼音分詞。在 GitHub 上恰好有 Ela ...
  • using System; using System.Collections.Generic; using System.IO; using System.Linq; using System.Text; using System.Windows.Forms; namespace OOP { pub ...
  • 概述:以上內容詳細介紹了在C#中如何從另一個線程更新GUI,包括基礎功能和高級功能。對於WinForms,使用`Control.Invoke`;對於WPF,使用`Dispatcher.Invoke`。高級功能使用`SynchronizationContext`實現線程間通信,確保清晰、可讀性高的代碼 ...
  • Nuget包 Microsoft.Extensions.Telemetry.Abstractions 包含的新的日誌記錄source generator,它支持使用[LogProperties]將整個對象作為State與日誌一起記錄。 我將展示一種方法來控制如何使用[LogProperties]對象 ...
  • 支持.Net/.Net Core/.Net Framework,可以部署在Docker, Windows, Linux, Mac。 常見的ORM技術(比如:Entity Framework,Dapper,SqlSugar,NHibernate,等…),它們不是在做Sql語句的程式化變種,就是在做Sq ...
  • 一、引言 在現代應用程式開發中,尤其是在涉及I/O操作(如網路請求、文件讀寫等)時,非同步編程成為了提高性能和用戶體驗的關鍵技術。C#作為.NET框架下的主流開發語言,提供了強大的非同步編程支持,通過async/await關鍵字,可以讓開發者以同步的方式編寫非同步代碼,極大地簡化了非同步編程的複雜性。本文將 ...
  • 一、引言 在.NET開發中,操作Office文檔(特別是Excel和Word)是一項常見的需求。然而,在伺服器端或無Microsoft Office環境的場景下,直接使用Office Interop可能會面臨挑戰。為瞭解決這個問題,開源庫NPOI應運而生,它提供了無需安裝Office即可創建、讀取和 ...