Linux系统 CPU 100% 异常排查实践与总结

0    88    1

Tags:

👉 本文共约2333个字,系统预计阅读时间或需9分钟。

1、问题背景

昨天下午突然收到运维邮件报警,显示数据平台服务器 cpu 利用率达到了 98.94%,而且最近一段时间一直持续在 70% 以上,看起来像是硬件资源到瓶颈需要扩容了,但仔细思考就会发现咱们的业务系统并不是一个高并发或者 CPU 密集型的应用,这个利用率有点太夸张,硬件瓶颈应该不会这么快就到了,一定是哪里的业务代码逻辑有问题。

2、排查思路

2.1 定位高负载进程 pid

首先登录到服务器使用 top 命令确认服务器的具体情况,根据具体情况再进行分析判断。

Linux系统 CPU 100% 异常排查实践与总结

通过观察 load average,以及负载评判标准(8 核),可以确认服务器存在负载较高的情况;

Linux系统 CPU 100% 异常排查实践与总结

观察各个进程资源使用情况,可以看出进程 id 为 682 的进程,有着较高的 CPU 占比

2.2 定位具体的异常业务

这里咱们可以使用 pwdx 命令根据 pid 找到业务进程路径,进而定位到负责人和项目:

Linux系统 CPU 100% 异常排查实践与总结

可得出结论:该进程对应的就是数据平台的 web 服务。

2.3 定位异常线程及具体代码行

传统的方案一般是 4 步:

  1. top oder by with P:1040 // 首先按进程负载排序找到 maxLoad (pid)
  2. top -Hp 进程 PID:1073 // 找到相关负载 线程 PID
  3. printf “0x% x\n” 线程 PID: 0x431 // 将线程 PID 转换为 16 进制,为后面查找 jstack 日志做准备
  4. jstack 进程 PID | vim +/ 十六进制线程 PID - // 例如:jstack 1040|vim +/0x431 -

但是对于线上问题定位来说,分秒必争,上面的 4 步还是太繁琐耗时了,之前介绍过淘宝的 oldratlee 同学就将上面的流程封装为了一个工具:show-busy-java-threads.sh,可以很方便的定位线上的这类问题:

Linux系统 CPU 100% 异常排查实践与总结

可得出结论:是系统中一个时间工具类方法的执行 cpu 占比较高,定位到具体方法后,查看代码逻辑是否存在性能问题。

※ 如果线上问题比较紧急,可以省略 2.1、2.2 直接执行 2.3,这里从多角度剖析只是为了给大家呈现一个完整的分析思路。

3、根因分析

经过前面的分析与排查,最终定位到一个时间工具类的问题,造成了服务器负载以及 cpu 使用率的过高。

  • 异常方法逻辑:是把时间戳转成对应的具体的日期时间格式;
  • 上层调用:计算当天凌晨至当前时间所有秒数,转化成对应的格式放入到 set 中返回结果;
  • 逻辑层:对应的是数据平台实时报表的查询逻辑,实时报表会按照固定的时间间隔来,并且在一次查询中有多次(n 次)方法调用。

那么可以得到结论,如果现在时间是当天上午 10 点,一次查询的计算次数就是 106060n 次 = 36,000n 次计算,而且随着时间增长,越接近午夜单次查询次数会线性增加。由于实时查询、实时报警等模块大量的查询请求都需要多次调用该方法,导致了大量 CPU 资源的占用与浪费。

本人提供Oracle(OCP、OCM)、MySQL(OCP)、PostgreSQL(PGCA、PGCE、PGCM)等数据库的培训和考证业务,私聊QQ646634621或微信db_bao,谢谢!
Linux系统 CPU 100% 异常排查实践与总结后续精彩内容已被小麦苗无情隐藏,请输入验证码解锁本站所有文章
验证码:
请关注本站微信公众号,回复“小麦苗博客”,获取验证码。在微信里搜索“DB宝”或者“www_xmmup_com”或者微信扫描右侧二维码都可以关注本站微信公众号。

标签:

Avatar photo

小麦苗

学习或考证,均可联系麦老师,请加微信db_bao或QQ646634621

您可能还喜欢...

发表回复

嘿,我是小麦,需要帮助随时找我哦
  • 18509239930
  • 个人微信

  • 麦老师QQ聊天
  • 个人邮箱
  • 点击加入QQ群
  • 个人微店

  • 回到顶部