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
  • 1. 說明 /* Performs operations on System.String instances that contain file or directory path information. These operations are performed in a cross-pla ...
  • 視頻地址:【WebApi+Vue3從0到1搭建《許可權管理系統》系列視頻:搭建JWT系統鑒權-嗶哩嗶哩】 https://b23.tv/R6cOcDO qq群:801913255 一、在appsettings.json中設置鑒權屬性 /*jwt鑒權*/ "JwtSetting": { "Issuer" ...
  • 引言 集成測試可在包含應用支持基礎結構(如資料庫、文件系統和網路)的級別上確保應用組件功能正常。 ASP.NET Core 通過將單元測試框架與測試 Web 主機和記憶體中測試伺服器結合使用來支持集成測試。 簡介 集成測試與單元測試相比,能夠在更廣泛的級別上評估應用的組件,確認多個組件一起工作以生成預 ...
  • 在.NET Emit編程中,我們探討了運算操作指令的重要性和應用。這些指令包括各種數學運算、位操作和比較操作,能夠在動態生成的代碼中實現對數據的處理和操作。通過這些指令,開發人員可以靈活地進行算術運算、邏輯運算和比較操作,從而實現各種複雜的演算法和邏輯......本篇之後,將進入第七部分:實戰項目 ...
  • 前言 多表頭表格是一個常見的業務需求,然而WPF中卻沒有預設實現這個功能,得益於WPF強大的控制項模板設計,我們可以通過修改控制項模板的方式自己實現它。 一、需求分析 下圖為一個典型的統計表格,統計1-12月的數據。 此時我們有一個需求,需要將月份按季度劃分,以便能夠直觀地看到季度統計數據,以下為該需求 ...
  • 如何將 ASP.NET Core MVC 項目的視圖分離到另一個項目 在當下這個年代 SPA 已是主流,人們早已忘記了 MVC 以及 Razor 的故事。但是在某些場景下 SSR 還是有意想不到效果。比如某些靜態頁面,比如追求首屏載入速度的時候。最近在項目中回歸傳統效果還是不錯。 有的時候我們希望將 ...
  • System.AggregateException: 發生一個或多個錯誤。 > Microsoft.WebTools.Shared.Exceptions.WebToolsException: 生成失敗。檢查輸出視窗瞭解更多詳細信息。 內部異常堆棧跟蹤的結尾 > (內部異常 #0) Microsoft ...
  • 引言 在上一章節我們實戰了在Asp.Net Core中的項目實戰,這一章節講解一下如何測試Asp.Net Core的中間件。 TestServer 還記得我們在集成測試中提供的TestServer嗎? TestServer 是由 Microsoft.AspNetCore.TestHost 包提供的。 ...
  • 在發現結果為真的WHEN子句時,CASE表達式的真假值判斷會終止,剩餘的WHEN子句會被忽略: CASE WHEN col_1 IN ('a', 'b') THEN '第一' WHEN col_1 IN ('a') THEN '第二' ELSE '其他' END 註意: 統一各分支返回的數據類型. ...
  • 在C#編程世界中,語法的精妙之處往往體現在那些看似微小卻極具影響力的符號與結構之中。其中,“_ =” 這一組合突然出現還真不知道什麼意思。本文將深入剖析“_ =” 的含義、工作原理及其在實際編程中的廣泛應用,揭示其作為C#語法奇兵的重要角色。 一、下劃線 _:神秘的棄元符號 下劃線 _ 在C#中並非 ...