[[390700]]

 前段時(shí)間我們新上了一個(gè)新的應(yīng)用，因?yàn)榱髁恳恢辈淮?，集群QPS大概只有5左右，寫接口的rt在30ms左右。

因?yàn)樽罱尤肓诵碌臉I(yè)務(wù)，業(yè)務(wù)方給出的數(shù)據(jù)是日常QPS可以達(dá)到2000，大促峰值QPS可能會(huì)達(dá)到1萬。

所以，為了評(píng)估水位，我們進(jìn)行了一次壓測(cè)。壓測(cè)過程中發(fā)現(xiàn)，當(dāng)單機(jī)QPS達(dá)到200左右時(shí)，接口的rt沒有明顯變化，但是CPU利用率急劇升高，直到被打滿。

壓測(cè)停止后，CPU利用率立刻降了下來。

于是開始排查是什么導(dǎo)致了CPU的飆高。

問題排查與解決

在壓測(cè)期間，登錄到機(jī)器，開始排查問題。

本案例的排查過程使用的阿里開源的Arthas工具進(jìn)行的，不使用Arthas，使用JDK自帶的命令也是可以。

在開始排查之前，可以先看一下CPU的使用情況，最簡(jiǎn)單的就是使用top命令直接查看： 

top - 10:32:38 up 11 days, 17:56,  0 users,  load average: 0.84, 0.33, 0.18  
Tasks:  23 total,   1 running,  21 sleeping,   0 stopped,   1 zombie  
%Cpu(s): 95.5 us,  2.2 sy,  0.0 ni, 76.3 id,  0.0 wa,  0.0 hi,  0.0 si,  6.1 st  
KiB Mem :  8388608 total,  4378768 free,  3605932 used,   403908 buff/cache  
KiB Swap:        0 total,        0 free,        0 used.  4378768 avail Mem  
   PID USER      PR  NI    VIRT    RES    SHR S  %CPU %MEM     TIME+ COMMAND    
   3480 admin     20   0 7565624   2.9g   8976 S  241.2 35.8 649:07.23 java    
   1502 root      20   0  401768  40228   9084 S   1.0  0.5  39:21.65 ilogtail  
   181964 root      20   0 3756408 104392   8464 S   0.7  1.2   0:39.38 java     
   496 root      20   0 2344224  14108   4396 S   0.3  0.2  52:22.25 staragentd    
   1400 admin     20   0 2176952 229156   5940 S   0.3  2.7  31:13.13 java  
   235514 root      39  19 2204632  15704   6844 S   0.3  0.2  55:34.43 argusagent  
   236226 root      20   0   55836   9304   6888 S   0.3  0.1  12:01.91 systemd-journ 

可以看到，進(jìn)程ID為3480的Java進(jìn)程占用的CPU比較高，基本可以斷定是應(yīng)用代碼執(zhí)行過程中消耗了大量CPU，接下來開始排查具體是哪個(gè)線程，哪段代碼比較耗CPU。

首先，下載Arthas命令： 

curl -L http://start.alibaba-inc.com/install.sh | sh 

啟動(dòng) 

./as.sh 

使用Arthas命令"thread -n 3 -i 1000"查看當(dāng)前"最忙"（耗CPU）的三個(gè)線程：

通過上面的堆棧信息，可以看出，占用CPU資源的線程主要是卡在JDBC底層的TCP套接字讀取上。連續(xù)執(zhí)行了很多次，發(fā)現(xiàn)很多線程都是卡在這個(gè)地方。

通過分析調(diào)用鏈，發(fā)現(xiàn)這個(gè)地方是我代碼中有數(shù)據(jù)庫(kù)的insert，并且使用TDDL（阿里內(nèi)部的分布式數(shù)據(jù)庫(kù)中間件）來創(chuàng)建sequence，在sequence的創(chuàng)建過程中需要和數(shù)據(jù)庫(kù)有交互。

但是，基于對(duì)TDDL的了解，TDDL每次從數(shù)據(jù)庫(kù)中查詢sequence序列的時(shí)候，默認(rèn)會(huì)取出1000條，緩存在本地，只有用完之后才會(huì)再?gòu)臄?shù)據(jù)庫(kù)獲取下一個(gè)1000條序列。

按理說我們的壓測(cè)QPS只有300左右，不應(yīng)該這么頻繁的何數(shù)據(jù)庫(kù)交互才對(duì)。但是，經(jīng)過多次使用Arthas的查看，發(fā)現(xiàn)大部分CPU都耗盡在這里。

于是開始排查代碼問題。最終發(fā)現(xiàn)了一個(gè)很傻的問題，那就是我們的sequence創(chuàng)建和使用有問題： 

public Long insert(T dataObject) {  
    if (dataObject.getId() == null) {  
        Long id = next();  
        dataObject.setId(id);  
    }  
    if (sqlSession.insert(getNamespace() + ".insert", dataObject) > 0) {  
        return dataObject.getId();  
    } else {  
        return null;  
    }  
}  
public Sequence sequence() {  
    return SequenceBuilder.create()  
        .name(getTableName())  
        .sequenceDao(sequenceDao)  
        .build();  
}  
/**  
 * 獲取下一個(gè)主鍵ID  
 *  
 * @return  
 */  
protected Long next() {  
    try {  
        return sequence().nextValue();  
    } catch (SequenceException e) {  
        throw new RuntimeException(e);  
    }  
}     

是因?yàn)椋?strong>我們每次insert語(yǔ)句都重新build了一個(gè)新的sequence，這就導(dǎo)致本地緩存就被丟掉了，所以每次都會(huì)去數(shù)據(jù)庫(kù)中重新拉取1000條，但是只是用了一條，下一次就又重新取了1000條，周而復(fù)始。

于是，調(diào)整了代碼，把Sequence實(shí)例的生成改為在應(yīng)用啟動(dòng)時(shí)初始化一次。這樣后面在獲取sequence的時(shí)候，不會(huì)每次都和數(shù)據(jù)庫(kù)交互，而是先查本地緩存，本地緩存的耗盡了才會(huì)再和數(shù)據(jù)庫(kù)交互，獲取新的sequence。 

public abstract class BaseMybatisDAO implements InitializingBean {  
        @Override  
        public void afterPropertiesSet() throws Exception {  
            sequence = SequenceBuilder.create().name(getTableName()).sequenceDao(sequenceDao).build();  
        }  
    } 

通過實(shí)現(xiàn)InitializingBean，并且重寫afterPropertiesSet()方法，在這個(gè)方法中進(jìn)行Sequence的初始化。

改完以上代碼，提交進(jìn)行驗(yàn)證。通過監(jiān)控?cái)?shù)據(jù)可以看出優(yōu)化后，數(shù)據(jù)庫(kù)的讀RT有明顯下降：

sequence的寫操作QPS也有明顯下降：

于是我們開始了新的一輪壓測(cè)，但是發(fā)現(xiàn)，CPU的使用率還是很高，壓測(cè)的QPS還是上不去，于是重新使用Arthas查看線程的情況。

發(fā)現(xiàn)了一個(gè)新的比較耗費(fèi)CPU的線程的堆棧，這里面主要是因?yàn)槲覀冇玫搅艘粋€(gè)聯(lián)調(diào)工具，該工具預(yù)發(fā)布默認(rèn)開啟了TDDL的采集（官方文檔中描述為預(yù)發(fā)布默認(rèn)不開啟TDDL采集，但是實(shí)際上會(huì)采集）。

這個(gè)工具在打印日志過程中會(huì)進(jìn)行脫敏，脫敏框架會(huì)調(diào)用Google的re2j進(jìn)行正則表達(dá)式的匹配。

因?yàn)槲业牟僮髦蠺DDL操作比較多，默認(rèn)采集大量TDDL日志并且進(jìn)行脫敏處理，確實(shí)比較耗費(fèi)CPU。

所以，通過在預(yù)發(fā)布中關(guān)閉DP對(duì)TDDL的采集，即可解決該問題。

總結(jié)與思考

本文總結(jié)了一次線上CPU飆高的問題排查過程，其實(shí)問題都不難，并且還挺傻的，但是這個(gè)排查過程是值得大家學(xué)習(xí)的。

其實(shí)在之前自己排查過很多次CPU飆高的問題，這次也是按照老方法進(jìn)行排查，但是剛開始并沒有發(fā)現(xiàn)太大的問題，只是以為是流量升高導(dǎo)致數(shù)據(jù)庫(kù)操作變多的正?，F(xiàn)象。

期間又多方查證（通過Arthas查看sequence的獲取內(nèi)容、通過數(shù)據(jù)庫(kù)查看最近插入的數(shù)據(jù)的主鍵ID等）才發(fā)現(xiàn)是TDDL的Sequence的初始化機(jī)制有問題。

在解決了這個(gè)問題之后，以為徹底解決問題，結(jié)果又遇到了DP采集TDDL日志導(dǎo)致CPU飆高，最終再次解決后有了明顯提升。

所以，事出反常必有妖，排查問題就是一個(gè)抽絲剝繭的過程。