Arthas | 定位線上 Dubbo 線程池滿異常

前言

Dubbo 線程池滿異常應該是大多數 Dubbo 使用者都遇到過的一個問題，本文以 Arthas 3.1.7 版本為例，介紹如何針對該異常進行診斷，主要使用到 dashboard / thread 兩個指令。

推薦使用 Arthas

• 方式一： 推薦使用 IDEA 插件下載下傳 Cloud Toolkit 來使用 Arthas Cloud Toolkit 是阿裡雲釋出的免費本地 IDE 插件，幫助開發者更高效地開發、測試、診斷并部署應用。通過插件，可以将本地應用一鍵部署到任意伺服器，甚至雲端（ECS、EDAS、ACK、ACR 和 小程式雲等）；并且還内置了 Arthas 診斷、Dubbo工具、Terminal 終端、檔案上傳、函數計算 和 MySQL 執行器等工具。不僅僅有 IntelliJ IDEA 主流版本，還有 Eclipse、Pycharm、Maven 等其他版本。
• 方式二： 直接下載下傳

Dubbo 線程池滿異常介紹

了解線程池滿異常需要首先了解 Dubbo 線程模型，官方文檔：

http://dubbo.apache.org/zh-cn/docs/user/demos/thread-model.html

。

簡單概括下 Dubbo 預設的線程模型：Dubbo 服務端每次接收到一個 Dubbo 請求，便交給一個線程池處理，該線程池預設有 200 個線程，如果 200 個線程都不處于空閑狀态，則用戶端會報出如下異常：

Caused by: java.util.concurrent.ExecutionException: org.apache.dubbo.remoting.RemotingException: Server side(192.168.1.101,20880) threadpool is exhausted ...

服務端會列印 WARN 級别的日志：

[DUBBO] Thread pool is EXHAUSTED!

引發該異常的原因主要有以下幾點：

• 用戶端/服務端逾時時間設定不合理，導緻請求無限等待，耗盡了線程數；
• 用戶端請求量過大，服務端無法及時處理，耗盡了線程數；
• 服務端由于 fullgc 等原因導緻處理請求較慢，耗盡了線程數；
• 服務端由于資料庫、Redis、網絡 IO 阻塞問題，耗盡了線程數；
• …

原因可能很多，但究其根本，都是因為業務上出了問題，導緻 Dubbo 線程池資源耗盡了。是以出現該問題，首先要做的是：排查業務異常。

緊接着針對自己的業務場景對 Dubbo 進行調優：

• 調整 Provider 端的 dubbo.provider.threads 參數大小，預設 200，可以适當提高。多大算合适？至少 700 不算大；不建議調的太小，容易出現上述問題；
• 調整 Consumer 端的 dubbo.consumer.actives 參數，控制消費者調用的速率。這個實踐中很少使用，僅僅一提；
• 用戶端限流；
• 服務端擴容；
• Dubbo 目前不支援給某個 Service 單獨配置一個隔離的線程池，用于保護服務，可能在以後的版本中會增加這個特性。

另外，不止 Dubbo 如此設計線程模型，絕大多數服務治理架構、 HTTP 伺服器都有業務線程池的概念，是以理論上它們都會有線程池滿異常的可能，解決方案也類似。

那既然問題都解釋清楚了，我們還需要排查什麼呢？

一般線上上，有很多運作中的服務，這些服務都是共享一個 Dubbo 服務端線程池，可能因為某個服務的問題，導緻整個應用被拖垮，是以需要排查是不是集中出現在某個服務上，再針對排查這個服務的業務邏輯；需要定位到線程堆棧，揪出導緻線程池滿的元兇。

定位該問題，我的習慣一般是使用 Arthas 的 dashboard 和 thread 指令，而在介紹這兩個指令之前，我們先人為構造一個 Dubbo 線程池滿異常的例子。

複現 Dubbo 線程池滿異常

配置服務端線程池大小

dubbo.protocol.threads=10

預設大小是 200，不利于重制該異常。

模拟服務端阻塞

@Service(version = "1.0.0")

public class DemoServiceImpl implements DemoService {

@Override
public String sayHello(String name) {
    sleep();
    return "Hello " + name;
}

private void sleep() {
    try {
        Thread.sleep(5000);
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
}
           

}

sleep 方法模拟了一個耗時操作，主要是為了讓服務端線程池耗盡。

用戶端多線程通路

for (int i = 0; i < 20; i++) {

new Thread(() -> {
    while (true){
        try {
            Thread.sleep(1000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        try {
            demoService.sayHello("Provider");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}).start();           

問題複現

用戶端

（用戶端異常）

服務端

（服務端異常）

問題得以複現，保留該現場，并假設我們并不知曉 sleep 的耗時邏輯，使用 Arthas 來進行排查。

dashboard 指令介紹

$ dashboard

執行效果：

（dashboard）

可以看到如上所示的面闆，顯示了一些系統的運作資訊，這裡主要關注 THREAD 面闆，介紹一下各列的含義：

• ID: Java 級别的線程 ID，注意這個 ID 不能跟 jstack 中的 nativeID 一一對應；
• NAME: 線程名；
• GROUP: 線程組名；
• PRIORITY: 線程優先級, 1~10 之間的數字，越大表示優先級越高；
• STATE: 線程的狀态；
• CPU%: 線程消耗的 CPU 占比，采樣 100ms，将所有線程在這 100ms 内的 CPU 使用量求和，再算出每個線程的 CPU 使用占比；
• TIME: 線程運作總時間，資料格式為分：秒
• INTERRUPTED: 線程目前的中斷位狀态；
• DAEMON: 是否是 daemon 線程。

在空閑狀态下線程應該是處于 WAITING 狀态，而因為 sleep 的緣故，現在所有的線程均處于 TIME_WAITING 狀态，導緻後來的請求被處理時，抛出了線程池滿的異常。

在實際排查中，需要抽查一定數量的 Dubbo 線程，記錄他們的線程編号，看看它們到底在處理什麼服務請求。使用如下指令可以根據線程池名篩選出 Dubbo 服務端線程：

dashboard | grep "DubboServerHandler"

thread 指令介紹

使用 dashboard 篩選出個别線程 id 後，它的使命就完成了，剩下的操作交給 thread 指令來完成。其實，dashboard 中的 thread 子產品，就是整合了 thread 指令，但是 dashboard 還可以觀察記憶體和 GC 狀态，視角更加全面，是以我個人建議，在排查問題時，先使用 dashboard 縱觀全局資訊。

thread 使用示例：

• 檢視目前最忙的前 n 個線程

$ thread -n 3

（thread -n）

• 顯示所有線程資訊

$ thread

和 dashboard 中顯示一緻。

• 顯示目前阻塞其他線程的線程

$ thread -b

No most blocking thread found!

Affect(row-cnt:0) cost in 22 ms.

這個指令還有待完善，目前隻支援找出 synchronized 關鍵字阻塞住的線程， 如果是 java.util.concurrent.Lock， 目前還不支援。

• 顯示指定狀态的線程

$ thread --state TIMED_WAITING

（thread --state）

線程狀态一共有 [RUNNABLE, BLOCKED, WAITING, TIMED_WAITING, NEW, TERMINATED] 6 種。

• 檢視指定線程的運作堆棧

$ thread 46

（thread ${thread_id}）

介紹了幾種常見的用法，在實際排查中需要針對我們的現場做針對性的分析，也同時考察了我們對線程狀态的了解程度。我這裡列舉了幾種常見的線程狀态：

• 初始(NEW)

新建立了一個線程對象，但還沒有調用 start() 方法。

• 運作(RUNNABLE)

Java 線程将就緒（ready）和運作中（running）兩種狀态籠統的稱為“運作”。

• 阻塞(BLOCKED)

線程阻塞于鎖。

• 等待(WAITING)

進入該狀态的線程需要等待其他線程做出一些特定動作（通知或中斷）：

1. Object#wait() 且不加逾時參數
2. Thread#join() 且不加逾時參數
3. LockSupport#park()

• 逾時等待(TIMED_WAITING)

該狀态不同于 WAITING，它可以在指定的時間後自行傳回。

1. Thread#sleep()
2. Object#wait() 且加了逾時參數
3. Thread#join() 且加了逾時參數
4. LockSupport#parkNanos()
5. LockSupport#parkUntil()‘

• 終止(TERMINATED)

辨別線程執行完畢。

狀态流轉圖

（線程狀态）

問題分析

分析線程池滿異常并沒有通法，需要靈活變通，我們對下面這些 case 一個個分析：

• 阻塞類問題。例如資料庫連接配接不上導緻卡死，運作中的線程基本都應該處于 BLOCKED 或者 TIMED_WAITING 狀态，我們可以借助 thread --state 定位到；
• 繁忙類問題。例如 CPU 密集型運算，運作中的線程基本都處于 RUNNABLE 狀态，可以借助于 thread -n 來定位出最繁忙的線程；
• GC 類問題。很多外部因素會導緻該異常，例如 GC 就是其中一個因素，這裡就不能僅僅借助于 thread 指令來排查了；
• 定點爆破。還記得在前面我們通過 grep 篩選出了一批 Dubbo 線程，可以通過 thread ${thread_id} 定向的檢視堆棧，如果統計到大量的堆棧都是一個服務時，基本可以斷定是該服務出了問題，至于說是該服務請求量突然激增，還是該服務依賴的某個下遊服務突然出了問題，還是該服務通路的資料庫斷了，那就得根據堆棧去判斷了。

總結

本文以 Dubbo 線程池滿異常作為引子，介紹了線程類問題該如何分析，以及如何通過 Arthas 快速診斷線程問題。有了 Arthas，基本不再需要 jstack 将 16 進制轉來轉去了，大大提升了診斷速度。

本文轉自<阿裡巴巴雲原生技術圈>——阿裡巴巴雲原生小助手