一次容器化springboot程式OOM問題探險

背景

運維人員反饋一個容器化的java程式每跑一段時間就會出現OOM問題，重啟後，間隔大概兩天後復現。

問題調查

一查日誌

由於是容器化部署的程式，登上主機後使用docker logs ContainerId查看輸出日誌，並沒有發現任何異常輸出。 使用docker stats查看容器使用的資源情況，分配了2G大小，也沒有發現異常。

二缺失的工具

打算進入容器內部一探究竟,先使用docker ps 找到java程式的ContainerId
,再執行docker exec -it ContainerId /bin/bash進入容器。進入後，本想著使用jmap、jstack 等JVM分析命令來診斷，結果發現命令都不存在，顯示如下：

bash: jstack: command not found
bash: jmap: command not found
bash: jps: command not found
bash: jstat: command not found

突然意識到，可能打鏡像的時候使用的是精簡版的JDK，並沒有這些jVM分析工具，但是這仍然不能阻止我們分析問題的腳步，此時docker cp命令就派上用場了，它的作用是：在容器和宿主機之間拷貝文件。這裡使用的思路是：拷貝一個新的jdk到容器內部，目的是為了執行JVM分析命令，參照用法如下：

Usage:  docker cp [OPTIONS] CONTAINER:SRC_PATH DEST_PATH|-
        docker cp [OPTIONS] SRC_PATH|- CONTAINER:DEST_PATH [flags]

有了JVM工具，我們就可以開始分析咯。

三查GC情況

通過jstat查看gc情況

 bin/jstat -gcutil 1 1s

看樣子沒有什麼問題，full gc也少。再看一下對象的占用情況，由於是容器內部，進程號為1，執行如下命令：

bin/jmap -histo 1 |more 

發現ByteBuffer對象占用最高，這是異常點一。

四查線程快照情況

• 通過jstack查看線程快照情況。

 bin/jstack -l 1 > thread.txt

下載快照，這裡推薦一個線上的線程快照分析網站。

https://gceasy.io

上傳後，發現創建的線程近2000個，且大多是TIMED_WAITING狀態。感覺逐漸接近真相了。 點擊詳情發現有大量的kafka-producer-network-thread | producer-X 線程。如果是低版本則是大量的ProducerSendThread線程。(後續驗證得知)，可以看出這個是kafka生產者創建的線程，如下是生產者發送模型：

根據生產者的發送模型，我們知道，這個sender線程主要做兩個事，一是獲取kafka集群的Metadata共用給多個生產者，二是把生產者送到本地消息隊列中的數據，發送至遠端集群。而本地消息隊列底層的數據結構就是java NIO的ByteBuffer。

這裡發現了異常點二：創建過多kafka生產者。

由於沒有業務代碼，決定寫一個Demo程式來驗證這個想法，定時2秒創建一個生產者對象，發送當前時間到kafka中，為了更好的觀察，啟動時指定jmx埠，使用jconsole來觀察線程和記憶體情況,代碼如下：

nohup java -jar -Djava.rmi.server.hostname=ip 
 -Dcom.sun.management.jmxremote.port=18099
 -Dcom.sun.management.jmxremote.rmi.port=18099
 -Dcom.sun.management.jmxremote.ssl=false
 -Dcom.sun.management.jmxremote.authenticate=false -jar
 com.hyq.kafkaMultipleProducer-1.0.0.jar   2>&1 &

連接jconsole後觀察，發現線程數一直增長，使用記憶體也在逐漸增加,具體情況如下圖：

故障原因回顧

分析到這裡，基本確定了，應該是業務代碼中迴圈創建Producer對象導致的。
在kafka生產者發送模型中封裝了 Java NIO中的 ByteBuffer 用來保存消息數據，ByteBuffer的創建是非常消耗資源的，儘管設計了BufferPool來複用，但也經不住每一條消息就創建一個buffer對象，這也就是為什麼jmap顯示ByteBuffer占用記憶體最多的原因。

總結

在日常的故障定位中，多多使用JDK自帶的工具，來幫助我們輔助定位問題。一些其他的知識點：
jmap -histo顯示的對象含義：

[C 代表  char[]
[S 代表 short[]
[I 代表 int[]
[B 代表 byte[]
[[I 代表 int[][]

如果導出的dump文件過大，可以將MAT上傳至伺服器，分析完畢後，下載分析報告查看，命令為：

./mat/ParseHeapDump.sh active.dump  org.eclipse.mat.api:suspects
org.eclipse.mat.api:overview org.eclipse.mat.api:top_components

可能儘快觸發Full GC的幾種方式

1) System.gc();或者Runtime.getRuntime().gc();

2 ) jmap -histo:live或者jmap -dump:live。
這個命令執行，JVM會先觸發gc，然後再統計信息。
3） 老生代記憶體不足的時候