关于阿里云:为什么在容器中-1-号进程挂不上-arthas

作者：卜比

本文是《容器中的 Java》系列文章之 4/n，欢送关注后续连载 :)。

系列 1：JVM 如何获取以后容器的资源限度？

系列 2：Java Agent 踩坑之

appendToSystemClassLoaderSearch 问题

系列 3：让 Java Agent 在 Dragonwell 上更好用

最近在容器环境中，发现在 Java 过程是 1 号过程的状况下，无奈应用 arthas。

提醒 AttachNotSupportedException: Unable to get pid of LinuxThreads manager thread。具体操作和报错如下：

# java -jar arthas-boot.jar
[INFO] arthas-boot version: 3.5.6
[INFO] Found existing java process, please choose one and input the serial number of the process, eg : 1. Then hit ENTER.
* [1]: 1 com.alibabacloud.mse.demo.ZuulApplication
1
[INFO] arthas home: /home/admin/.opt/ArmsAgent/arthas
[INFO] Try to attach process 1
[ERROR] Start arthas failed, exception stack trace:
com.sun.tools.attach.AttachNotSupportedException: Unable to get pid of LinuxThreads manager thread
    at sun.tools.attach.LinuxVirtualMachine.<init>(LinuxVirtualMachine.java:86)
    at sun.tools.attach.LinuxAttachProvider.attachVirtualMachine(LinuxAttachProvider.java:78)
    at com.sun.tools.attach.VirtualMachine.attach(VirtualMachine.java:250)
    at com.taobao.arthas.core.Arthas.attachAgent(Arthas.java:117)
    at com.taobao.arthas.core.Arthas.<init>(Arthas.java:27)
    at com.taobao.arthas.core.Arthas.main(Arthas.java:166)
[INFO] Attach process 1 success.

之前也遇到过，总是调整了下镜像，让 Java 过程不是 1 号过程就能够了。但这个不是长久之计，还是要抽时间看下这个问题。

咱们创立如下我的项目，来复现这个问题：

public class Main {public static void main(String args[]) throws Exception {while (true) {System.out.println("hello!");
      Thread.sleep(30 * 1000);
    }
  }
}

FROM openjdk:8u212-jdk-alpine
COPY ./ /app
WORKDIR /app/src/main/java/
RUN javac Main.java
CMD ["java", "Main"]

而后失常启动利用，并尝试用 arthas，或者 jstack：

$ # 构建镜像
$ docker build . -t example-attach
$ # 启动容器
$ docker run --name example-attach --rm example-attach

$ # 在另一个终端进入容器，执行 jstack
$ docker exec -it example-attach sh
/app/src/main/java # jstack 1
1: Unable to get pid of LinuxThreads manager thread

胜利复现问题！接下来开始剖析。

如下是在排查问题中，梳理进去的 jvm Attach 流程：

查找 /tmp/.java_pid${pid} 这个 unix socket，如果存在则查看权限，而后建设连贯。
如果不存在则先创立 /proc/${pid}/cwd/.attach_pid${pid}，开始告诉 jvm 线程。
首先判断是不是 LinuxThread 如果是 LinuxThread 则找到 LinuxThreadsManager，而后给其所有子过程发送 SIGQUIT.
如果不是 LinuxThread，则间接给指标过程发送 SIGQUIT。
指标过程收到信号后，创立 Attach Listener，监听 /tmp/.java_pid${pid}。
开始失常的 socket 通信，依据通信的具体内容，能够是 dumpThread（jstack），也能够是加载 JavaAgent，比方下面提到的 arthas。

Java Attach 机制之 Native 篇 [ 1] 也是一个不错的 attach API 解析。

首先，/tmp/.java_pid${pid} 过后是必定不存在的，如果存在就是间接通信加载 Arthas 了。也能够通过查看文件来确认这一点。

其次，.attach_pid${pid} 文件也是可能创立胜利的，

咱们也能够通过 strace 输入来确认：

open(“/proc/424/cwd/.attach_pid424”, O_RDWR|O_CREAT|O_EXCL|O_LARGEFILE, 0666 <unfinished …>。

最有可能的起因就是线程判断、发送信号这一步了，咱们以 jstack 为例查找为什么 attach 会失败。

原本相似上一次的查找过程，想着通过调试符号来查，然而在 alpine 上的调试符号无奈显示源码内容，编译环境又很麻烦。所以还是优先用 strace 来查，值得注意的是，jstack 的逻辑中有 fork，所以记得应用 strace -f jstack 1 来查。

查了下 strace 的输入，没有 kill 申请。看来问题是处在线程模型断定的。

刚刚提到 jvm 会判断是不是 LinuxThread，那么什么是 LinuxThread 呢？首先看下判断的源码：

艰深的讲，Linux 内核刚开始是不反对“线程”的，LinuxThread 机制就是通过 fork 机制 + 共享内存空间的形式来实现线程。但 LinuxThread 在内核看来就是一些独立的父子过程，在信号处理、同步原语上有很多缺点，要通过 manager thread 来解决这些逻辑。起初 Red Hat 发动 NPTL，内核开始反对线程能力，也可能通过更加规范的形式来解决信号、同步等逻辑。

能够用 getconf GNU_LIBPTHREAD_VERSION 来查看是哪种线程模型，比方我的机器上输入是 NPTL 2.34。

当然，如下面代码所写。能够用 confstr(_CS_GNU_LIBPTHREAD_VERSION,) 来获取以后的线程模型，详情参考手册 [ 2] 。

如果 confstr(_CS_GNU_LIBPTHREAD_VERSION,) 返回 0，则示意是 glibc 旧版本，认为是 LinuxThread：先找到 manager thread（通过查找父过程），而后给各个子过程发送 SIGQUIT 信号（这个过程须要遍历零碎内所有过程）。
如果 confstr(_CS_GNU_LIBPTHREAD_VERSION,) 后果蕴含 NPTL，则认为不是 LinuxThread，依照 NPTL 来解决：间接发送 SIGQUIT。

但很惋惜的是，LinuxThread/confstr(_CS_GNU_LIBPTHREAD_VERSION,) 不是 POSIX 规范，所以 Alpine 自带的 musl 对这个调用返回 0。

依照下面逻辑，jvm 会认为是 LinuxThread，尝试找到父过程，如果 pid 是 1 的话，天然找不到父过程，所以报错 Unable to get pid of LinuxThreads manager thread，导致文章最开始说的 arthas 无奈应用。

对于两种线程模型的具体比拟，能够参考 Linux 线程模型比拟：LinuxThreads 和 NPTL [3 ] 。

模仿了下先手动进入 shell（这时 sh 就是 1 号过程），而后再手动执行 java Main（pid 为 8），而后咱们看下 getLinuxThreadsManager 是怎么体现的：

能够看到，在这种状况下，jvm 认为 manager thread 是 1 号过程。此时会后执行 sendQuitToChildrenOf(mpid)：

即遍历所有的子过程，都发送 SIGQUIT，这个逻辑其实是有点奇怪的。“超常的主张，须要有超常的证据”[ 4] 。咱们从新跑一遍，用 strace -f 验证一下。

过程树（其中绿色的是线程）：

jstack 发送的 kill 信号，能够看到 jstack 给 1 号过程的所有子过程发送了 SIGQUIT：

这个行为和刚刚剖析是统一的。不过十分偶合的是，大部分过程是疏忽了 SIGQUIT 信号的，所以在这种状况下，jstack 反而是失常工作了的。

注：这种形式不须要调整容器参数，不须要重启容器，比拟举荐。

既然 attach 次要卡在了发送信号上，那咱们就用 shell 来模仿这个流程：

pid=1 ;\
touch /proc/${pid}/cwd/.attach_pid${pid} && \
  kill -SIGQUIT ${pid} && \
  sleep 2 &&
  ls /proc/${pid}/root/tmp/.java_pid${pid}
# 接下来就能够失常 java -jar arthas-boot.jar 挂 arthas 了

通过下面的操作后，Attach Listener 曾经启动并且监听了门路，第二次 attach 就间接能够连贯了；就能够依照失常的形式应用 arthas 了。

其中有一点须要留神，肯定须要提前创立 .attach_pid${pid} 文件， 不然 jvm 会将这个信号交给默认的 sigaction 解决，对于 pid 1 来说，会导致容器退出！

也有人基于相似原理，做了一个 jattach [ 5] 工具，能够间接在 Alpine 中，通过 apk add jattach 来装置，而后 jattach ${pid} properties，也能起到一样的成果。

注：这种形式须要调整启动参数或者环境变量，须要重启利用 / 容器，可能会失落业务现场。

Jvm 反对设置 -XX:+StartAttachListener，这样就能在启动 Jvm 的时候，主动启动 Attach Listener 线程并监听，也能够失常应用 arthas。

对于容器环境下，更加容易的做法是给容器增加环境变量 JAVA_TOOL_OPTIONS=-XX:+StartAttachListener，这样不必批改启动脚本也能达到成果。

注：这种形式须要批改镜像。

OpenJDK 8 官网没有修复这个问题，所以如果间接应用 openjdk:8-jdk-alpine，是防止不了这个问题的。Docker 镜像仓库也有人探讨这个问题 [ 6] 。

OpenJDK 11 就曾经解决了这个问题了（见源码 [ 7] ），不再对古旧的 LinuxThread 模型做判断，这样 arthas 也能工作。

不过 Alpine 官网仓库中的 OpenJDK 8 曾经通过本人打 patch 的形式，修复了这个问题：

https://gitlab.alpinelinux.or…

作为比拟出名的 JDK 发行版，也在 eclipse-temurin:8-jdk-alpine 中修复了这个问题，能够间接应用这个镜像。相干探讨见：

https://github.com/adoptium/j…

在 arthas 的 issue 中，或者网上相干的文章中，总是反复着 Java 不能作为 1 号过程。很多时候，就因为如此，咱们没有方法挂上诊断工具，导致现场失落，故障起因不能及时定位。

作为技术人员还是须要理解底层，这样在排查问题、架构设计上才会有更多自由度，更可能抓住问题、解决问题。

后续还会出系列文章，来解决容器环境下奇奇怪怪的 jvm 问题，欢送关注！

[1] Java Attach 机制之 Native 篇

https://my.oschina.net/u/3784…

[2] 详情参考手册

https://man7.org/linux/man-pa…

[3] Linux 线程模型比拟：LinuxThreads 和 NPTL

https://www.jianshu.com/p/6c5…

[4] 超常的主张，须要有超常的证据

https://zh.wikipedia.org/zh-hans/%E8%96%A9%E6%A0%B9%E6%A8%99%E6%BA%96

[5] jattach

https://github.com/apangin/ja…

[6] Docker 镜像仓库也有人探讨这个问题

https://github.com/docker-lib…

[7] 源码

https://github.com/openjdk/jdk11u/blob/jdk-11%2B28/src/jdk.attach/linux/classes/sun/tools/attach/VirtualMachineImpl.java#L78

关于阿里云:为什么在容器中-1-号进程挂不上-arthas

复现问题

失常的 attach 流程是什么样子的？

为什么对 1 号过程 attach 会报错？

为什么非 1 号过程就能 attach？

怎么解决这个问题？

最快捷 workaround

设置启动参数

上游优先，批改镜像

总结

相干链接

Just My Socks（注册教程内含优惠码）

关于阿里云:为什么在容器中-1-号进程挂不上-arthas

复现问题

失常的 attach 流程是什么样子的？

为什么对 1 号过程 attach 会报错？

为什么非 1 号过程就能 attach？

怎么解决这个问题？

最快捷 workaround

设置启动参数

上游优先，批改镜像

总结

相干链接

Just My Socks（注册教程 内含优惠码）

Just My Socks（注册教程内含优惠码）