服务CPU 100%排查思路

出处： https://www.cnblogs.com/dennyzhangdd/p/11585971.html

一、引子

　　对于互联网公司，线上CPU飙升的问题很常见（例如某个活动开始，流量突然飙升时），按照本文的步骤排查，基本1分钟即可搞定！特此整理排查方法一篇，供大家参考讨论提高。

二、问题复现

　　线上系统突然运行缓慢，CPU飙升，甚至到100%，以及Full GC次数过多，接着就是各种报警：例如接口超时报警等。此时急需快速线上排查问题。

三、问题排查

　　不管什么问题，既然是CPU飙升，肯定是查一下耗CPU的线程，然后看看GC。

3.1 核心排查步骤

　　1.执行“top”命令：查看所有进程占系统CPU的排序。极大可能排第一个的就是咱们的java进程（COMMAND列）。PID那一列就是进程号。

　　2.执行“top -Hp 进程号”命令：查看java进程下的所有线程占CPU的情况。

　　3.执行“printf "%x 10"命令 ：后续查看线程堆栈信息展示的都是十六进制，为了找到咱们的线程堆栈信息，咱们需要把线程号转成16进制。例如,printf "%x 10-》打印：a，那么在jstack中线程号就是0xa.

　　4.执行 “jstack 进程号 | grep 线程ID”  查找某进程下-》线程ID（jstack堆栈信息中的nid）=0xa的线程状态。如果“"VM Thread" os_prio=0 tid=0x00007f871806e000 nid=0xa runnable”，第一个双引号圈起来的就是线程名，如果是“VM Thread”这就是虚拟机GC回收线程了

　　5.执行“jstat -gcutil 进程号 统计间隔毫秒 统计次数（缺省代表一致统计）”，查看某进程GC持续变化情况，如果发现返回中FGC很大且一直增大-》确认Full GC! 也可以使用“jmap -heap 进程ID”查看一下进程的堆内从是不是要溢出了，特别是老年代内从使用情况一般是达到阈值(具体看垃圾回收器和启动时配置的阈值)就会进程Full GC。

　　6.执行“jmap -dump:format=b,file=filename 进程ID”，导出某进程下内存heap输出到文件中。可以通过eclipse的mat(Eclipse Memory Analyzer)工具查看内存中有哪些对象比较多；

3.2 原因分析

1.内存消耗过大，导致Full GC次数过多

执行步骤1-5：

• 多个线程的CPU都超过了100%，通过jstack命令可以看到这些线程主要是垃圾回收线程-》上一节步骤2
• 通过jstat命令监控GC情况，可以看到Full GC次数非常多，并且次数在不断增加。--》上一节步骤5

确定是Full GC,接下来找到具体原因：

• 生成大量的对象，导致内存溢出-》执行步骤6，查看具体内存对象占用情况。
• 内存占用不高，但是Full GC次数还是比较多，此时可能是代码中手动调用 System.gc()导致GC次数过多，这可以通过添加 -XX:+DisableExplicitGC来禁用JVM对显示GC的响应。

2.代码中有大量消耗CPU的操作，导致CPU过高，系统运行缓慢；

执行步骤1-4：在步骤4 jstack，可直接定位到代码行。例如某些复杂算法，甚至算法BUG，无限循环递归等等。

3.由于锁使用不当，导致死锁。

执行步骤1-4： 如果有死锁，会直接提示。关键字：deadlock.步骤四，会打印出业务死锁的位置。

造成死锁的原因：最典型的就是2个线程互相等待对方持有的锁。

4.随机出现大量线程访问接口缓慢。

　　代码某个位置有阻塞性的操作，导致该功能调用整体比较耗时，但出现是比较随机的；平时消耗的CPU不多，而且占用的内存也不高。

思路：

　　首先找到该接口，通过压测工具不断加大访问力度，大量线程将阻塞于该阻塞点。

执行步骤1-4：

"http-nio-8080-exec-4" #31 daemon prio=5 os_prio=31 tid=0x00007fd08d0fa000 nid=0x6403 waiting on condition [0x00007000033db000]

   java.lang.Thread.State: TIMED_WAITING (sleeping)-》期限等待

    at java.lang.Thread.sleep(Native Method)

    at java.lang.Thread.sleep(Thread.java:340)

    at java.util.concurrent.TimeUnit.sleep(TimeUnit.java:386)

    at com.*.user.controller.UserController.detail(UserController.java:18)-》业务代码阻塞点

如上图，找到业务代码阻塞点，这里业务代码使用了TimeUnit.sleep()方法，使线程进入了TIMED_WAITING(期限等待)状态。

 

5.某个线程由于某种原因而进入WAITING状态，此时该功能整体不可用，但是无法复现；

　　执行步骤1-4：jstack多查询几次，每次间隔30秒，对比一直停留在parking 导致的WAITING状态的线程。例如CountDownLatch倒计时器，使得相关线程等待->AQS(AbstractQueuedSynchronizer AQS框架源码剖析)->LockSupport.park()。

"Thread-0" #11 prio=5 os_prio=31 tid=0x00007f9de08c7000 nid=0x5603 waiting on condition [0x0000700001f89000]   
java.lang.Thread.State: WAITING (parking) ->无期限等待
at sun.misc.Unsafe.park(Native Method)    
at java.util.concurrent.locks.LockSupport.park(LockSupport.java:304)    
at com.*.SyncTask.lambda$main$0(SyncTask.java:8)-》业务代码阻塞点
at com.*.SyncTask$$Lambda$1/1791741888.run(Unknown Source)    
at java.lang.Thread.run(Thread.java:748)

三、总结

　　按照3.1节的6个步骤走下来，基本都能找到问题所在。

---

另一篇关于CPU的分析： MySQL 如何优化cpu消耗

目录

• 谁在消耗cpu?
• 祸首是谁？
  • 用户
  • IO等待
  • 产生影响
• 如何减少CPU消耗？
  • 减少等待
  • 减少计算
    • 减少逻辑运算量
    • 减少逻辑IO量
    • 减少query请求量（非数据库本身）
  • 升级cpu

---

谁在消耗cpu?

　　用户+系统+IO等待+软硬中断+空闲

祸首是谁？

用户

用户空间CPU消耗，各种逻辑运算

正在进行大量tps
函数/排序/类型转化/逻辑IO访问...

用户空间消耗大量cpu，产生的系统调用是什么？那些函数使用了cpu周期？
参考
Linux 性能优化解析
MySQL 几种调式分析利器

IO等待

等待IO请求的完成

此时CPU实际上空闲

如vmstat中的wa 很高。但IO等待增加，wa也不一定会上升（请求I/O后等待响应，但进程从核上移开了）

产生影响

用户和IO等待消耗了大部分cpu

吞吐量下降（tps）
查询响应时间增加
慢查询数增加
对mysql的并发陡增，也会产生上诉影响

如何减少CPU消耗？

减少等待

减少IO量

SQL/index，使用合适的索引减少扫描的行数（需平衡索引的正收益和维护开销，空间换时间）

提升IO处理能力

加cache/加磁盘/SSD

减少计算

减少逻辑运算量

• 避免使用函数，将运算转移至易扩展的应用服务器中
  如substr等字符运算，dateadd/datesub等日期运算，abs等数学函数
• 减少排序，利用索引取得有序数据或避免不必要排序
  如union all代替 union，order by 索引字段等
• 禁止类型转换，使用合适类型并保证传入参数类型与数据库字段类型绝对一致
  如数字用tiny/int/bigint等，必需转换的在传入数据库之前在应用中转好
• 简单类型，尽量避免复杂类型，降低由于复杂类型带来的附加运算。更小的数据类型占用更少的磁盘、内存、cpu缓存和cpu周期
• ....

减少逻辑IO量

• index，优化索引，减少不必要的表扫描
  如增加索引，调整组合索引字段顺序，去除选择性很差的索引字段等等

• table，合理拆分，适度冗余
  如将很少使用的大字段拆分到独立表，非常频繁的小字段冗余到“引用表”

• SQL，调整SQL写法，充分利用现有索引，避免不必要的扫描，排序及其他操作
  如减少复杂join，减少order by，尽量union all，避免子查询等

• 数据类型，够用就好，减少不必要使用大字段
  如tinyint够用就别总是int，int够用也别老bigint，date够用也别总是timestamp

• ....

减少query请求量（非数据库本身）

• 适当缓存，降低缓存数据粒度，对静态并被频繁请求的数据进行适当的缓存
  如用户信息，商品信息等
• 优化实现，尽量去除不必要的重复请求
  如禁止同一页面多次重复请求相同数据的问题，通过跨页面参数传递减少访问等
• 合理需求，评估需求产出比，对产出比极端底下的需求合理去除
• ....

升级cpu

• 若经过减少计算和减少等待后还不能满足需求，cpu利用率还高T_T
• 是时候拿出最后的杀手锏了，升级cpu，是选择更快的cpu还是更多的cpu了？**

• 低延迟（快速响应），需要更快的cpu（每个查询只能使用一个cpu）
• 高吞吐，同时运行很多查询语句，能从多个cpu处理查询中收益

参考
《高性能MySQL》
《图解性能优化》
大部分整理自《MySQL Tuning For CPU Bottleneck》