业务背景
业务中某个应用在消费MQ的时候,出现部分机器消息堆积,随着时间推移,堆积的机器数量越来越多,消息的堆积总量越来越多。
问题现象
系统监控
CPU、Load、内存、网络、磁盘监控指标正常;JVM 内存、GC正常。
MQ监控
分析过程
MQ消息堆积最常见的情况是:
应用侧处理MQ消息比较慢,触发了MQ的流控机制(MQ在统计到应用消费慢的时候,会逐步减少给应用侧的消息,最糟糕的情况是MQ一条消息也不会发给应用来消费)。
接下来的思路是慢在了哪?
- 在业务监控完备的情况下,通过分析业务监控指标,可以粗略定位异常点
- 明确运行的程序在忙些什么,分析线程堆栈信息
堆栈信息
上面图片中,TID=562的线程正在read Oracle返回的信息。经过观测,TID=562的线程一直处于上面图片中的状态。由于上面图片中的堆栈信息不完整,所以使用jstack抓取后分析出一个关键信息:
locked oracle.jdbc.driver.T4CConnection@31c02e79
T4CConnection分析
【oracle.jdbc.driver.T4CConnection@31c02e79】是与Oracle交互的数据库连接对象,需要分析出
- 该连接对象对应的socket信息
- 该连接对象正在执行的SQL
- 该连接对象关联的statements对象信息
T4CConnection信息
Socket信息
获取到Socket信息进行了如下几个方面的分析:
该Socket与Oracle服务端交互情况:
//通过tcpdump分析与Oracle服务端交互的报文,发现该连接上没有任何报文交互 tcpdump -i any tcp and port 45556 -A -nn
问:与Oracle DBA确认该Socket在服务端正在执行什么SQL?
答:没找到任何关于该Socket的信息
SQL信息
通过分析oracle.jdbc.driver.T4CConnection类代码及【oracle.jdbc.driver.T4CConnection@31c02e79】属性信息找到了正在执行的SQL及与该连接关联的statements信息:
SQL:
statements:
到此,我们分析出了引起线程阻塞的SQL详情。
解决办法
对参数是null的情况进行过滤,不再向Oracle发送这样的SQL语句;同时日志里对这种异常情况进行记录,以便更细致的分析数据为null的产生场景。
加强应用可观测性之线程执行耗时监控
○ 在业务逻辑开始的前面,添加一个filter
○ 当请求到达filter的时候,将当前线程及此时的时间记录到一个Map中
○ 当请求结束回到filter的时候,将当前线程从Map中删除
○ 单独起一个定时任务来遍历Map,当发现Map中某个线程执行时间超过阈值,就打印出线程的堆栈
○ 当开发人员收到异常堆栈的报警,人工介入进行系统恢复及问题快速定位