【Azure Cloud Services】云服务频繁发生服务器崩溃的排查方案

问题描述

云服务(Cloud Services)在使用期间，频繁发生崩溃事件，在崩溃期间，查看CPU负载为100%，而且同时伴随以下情况：

1. 部署在云服务上的应用无法访问
2. 远程连接云服务实例（RDP）访问黑屏，无法加载或Busy状态

排查方案

在问题的关键点中，CPU负载达到了100%。所以首先需要排查如下几点：

• 当前云服务是单实例还是多实例?
• 实例的机型是小还是大？是什么型号的机器呢？
• 实例中运行的服务是不是非常耗费CPU？
• CPU出现满负载的情况是否有时间规律？
• 部署在云服务上的应用请求量是否与CPU100%的规律一致?

针对以上每一点，采用不同的解决方案。

一：修改云服务的实例数量

有多种方式修改云服务实例的数量。在门户中直接修改或修改云服务配置文件ServiceConfiguration.Cloud.cscfg中<Instances count="1" />数量

• 云服务门户 -> 配置

• 修改ServiceConfiguration.Cloud.cscfg后重新发布

二：修改云服务中实例机型的大小和型号

ServiceDefinition.csdef 文件指定 Azure 用于配置云服务的设置，在其中可以指定A，D，E等不同的系列机型。修改完成后重新打包云服务并进行部署。

• A系列:https://docs.azure.cn/zh-cn/cloud-services/cloud-services-sizes-specs#a-series
• D系列:https://docs.azure.cn/zh-cn/cloud-services/cloud-services-sizes-specs#d-series
• E系列:https://docs.azure.cn/zh-cn/cloud-services/cloud-services-sizes-specs#ev3-series

修改方式如下：

三：查看实例中具体是那个进程消耗CPU最高及时间规律

在CPU高的情况下RDP到当前实例上，打开任务管理器，到进程选项，看一下是哪个进程占用的CPU比较高，这是当前直观的方式之一。其他方式还包含：

• 开启Performance Monitor并设置抓取进程，详细步骤参考文章：【Azure微服务 Service Fabric 】在SF节点中开启Performance Monitor及设置抓取进程的方式
• 在Azure中开启Application Insights收集 Azure 云服务的性能计数器, 详细步骤参考文章：Application Insights
  

Performance Monitor 配置页面：

四：当CPU消耗与部署在云服务中的应用相关时，通过获取应用DUMP文件来判断CPU的具体消耗

当判断出是由于某个进程而引起的CPU消耗过高，但是需要进一步分析改进程为何会占用如此多资源时。就需要借助抓取dump和分析dump的工具，如：Procdump(抓取)，DebugDiag(分析)

Procdump抓取Dump的运行下面的命令如下：

procdump.exe -ma 9332 -c 90 -s 30 -n 3
参数说明：
-ma: 表示抓full dump
-c: 设置CPU的阈值，比如例子中阈值是90%
-s: CPU 连续超过阈值的时间长度，比如例子中是30s,即只有在这个进程连续占用CPU 超多90%且持续30s才会抓dump;
-n: 抓dump的数量，比如3 
9332 是进程id

参考资料

配置云服务的大小: https://docs.azure.cn/zh-cn/cloud-services/cloud-services-sizes-specs#configure-sizes-for-cloud-services