共计 12166 个字符，预计需要花费 31 分钟才能阅读完成。
先点赞再看，养成好习惯
背景
公司某个规定引擎零碎，次要用来做一些费用计算和业务逻辑核验的性能。不过因为一些 不可形容的历史起因 ，导致该零碎 没有文档也没有源码，就连配置形式都是靠口口相传。
尽管这个零碎比拟老，但毕竟是商业产品，性能上还是比较完善好用的。该零碎在接入业务零碎的算费和核验规定后，很快就上线了。
不过上线后，会偶发的呈现服务耗时过长的问题。失常状况下，该服务响应耗时也就 20ms 以下。但呈现问题时，服务的耗时会 减少到几十秒，每次呈现长耗时的工夫点也不固定。而且在长耗时期间，所有达到该服务的申请都会呈现长耗时，并不只是个别申请才会受影响。
实践上这种问题测试之类的环境应该也有；但因为测试环境重启很频繁，偶发的长耗时可能认为是在重启，就始终没人注意。
尽管啥材料都没有，但问题还是得解决啊，时不时的几十秒耗时谁能顶得住。对接这规定引擎的还是业务的外围零碎，超时一分钟得少挣多少保费……
抱着试试看的心态，先钻研一下。
排查通过
这种偶发长耗时的问题，排查起来是比拟麻烦的。无奈稳固复现，也没有法则，就算弄个其余环境模拟也不是很好办；再加上这个零碎没文档没源码，更没人懂它的构造和流程，查起来就更吃力了。
看监控
在查看了监控历史之后，发现每次呈现长耗时的时候，CPU & 磁盘 IO 的利用率会升高，但也没高的很离谱。CPU 高的时候不过也才 五六十，而磁盘就更低了，只是略微有一点稳定而已，这点稳定会带来几十秒的耗时，可有点说不过去。
看日志
CPU 那块只是略微有点高，但也不能阐明什么问题，还是得找到根本原因。于是我又翻了下那个零碎的日志，看看能不能找到什么线索。
卡工夫，看日志，折腾了半小时，终于在日志上看到一个要害线索：
2021-05-08 10:12:35.897 INFO [com. 马赛克.rules.res.execution] (default-threads - 65) 规定集 /ansNcreckonRuleApp/1.0/ansncreckonrule/61.0 已在 58 秒后解析结束。58 秒……这行日志的工夫点，和咱们理论产生耗时的工夫点是能够匹配上的，在这个 58 秒范畴内，的确有大量的申请耗时，而且都是小于 58 秒或略大于 58 秒的。
除了这个耗时的打印之外，GC 日志也有点可疑。每次呈现这个耗时日志之前，都会有一次 GC 流动日志，不过暂停工夫并不长：
2021-06-07T17:36:44.755+0800: [GC2021-06-07T17:36:44.756+0800: [DefNew: 879616K->17034K(3531079K), 0.0472190 secs] 3549012K->2686430K(10467840K), 0.0473160 secs] [Times: user=0.05 sys=0.00, real=0.2 secs] 更奇怪的是……不是每次 GC 之后，都会有耗时日志
GC 问题
认真查看 gc 日志后发现，每次慢响应之前不久，都会有一次 GC，不过不是 FULL GC，而且每次暂停工夫也不长，远不迭申请的耗时工夫。而且 GC 过程中的 CPU 利用率并不高，从数据上看还是比拟失常的。
好当初有（一丁点）线索了：
- 长耗时期间，CPU 利用率有减少
- 长耗时期间有日志打印，在加载某个货色，时长是能够匹配的
-
每次长耗时之前，有 GC 流动
猜想可能的起因
毕竟没有源码，也没人懂，想手撕代码都没机会，只能靠猜了……
从以上几个线索来看，GC 流动之后呈现 CPU 利用率减少，而后打印了一行加载日志，工夫还能够和该零碎的长耗时申请对应上。
而且每次长耗时日志之前不久的中央，都会有一次 GC 流动，那么阐明这个资源加载的机会和 GC 有关系，GC 会影响资源加载……
想到这里，也大略猜到起因了。很可能是用弱援用 (Weak Reference) 来保护了这个资源缓存，当 GC 后弱援用的资源被回收，所以须要从新加载（弱援用的具体解释以及测试后果能够参考《Java 中的强援用 / 软援用 / 弱援用 / 虚援用以及 GC 策略》）。
那既然可能是这个起因，如果我找到这个弱援用保护资源缓存的中央，给他改成强援用就能解决问题了！尽管没有源码，但还是能够反编译啊，反编译之后改一下缓存那块的代码，问题不大。
定位资源加载点
终于找到了可能的起因，可是有一个问题……我怎么晓得这行耗时日志在哪打印的？在哪个类里？我连这个服务是用的什么 Web 容器都不晓得。
没方法，上 Arthas 吧，不过必定不能在生产环境间接测。于是我又新整了一套长期测试环境，用于排查这个问题。
幸好日志里有个 loggerName 前缀com. 马赛克.rules.res.execution，通过 Arthas 的 trace 性能，能够用通配符的模式来 trace 这个包名下的所有类：
# trace 该包名下的所有类，所有办法，只显示耗时大于 1000ms 的办法
# 因为这个输入后果可能会比拟多，所以 > 输入到文件，并且后盾运行
trace com. 马赛克.rules.res.* * '#cost > 1000' > /app/slow_trace.log &trace 命令执行了十几秒才返回，一共影响了 169 个类和 1617 个办法，可见通配符匹配多危险……要是生产这样玩我可能会被拉出去祭天。
联合后面形容的状况，GC 后会有这个耗时问题，那当初来手动触发一次 GC，
利用 Arthas 的 vmtool 能够间接 forceGC（利用 jmap 或者其余的伎俩也能够）：
vmtool --action forceGcforceGC 后，从新测试该零碎接口
和下面的状况一样，果然又呈现了长耗时，申请返回后打印了雷同的耗时日志，只是和生产环境的相比工夫更长了（因为我用了 arthas trace 加强）
2020-04-08 12:30:35.897 INFO [com. 马赛克.rules.res.execution] (default-threads - 65) 规定集 /ansNcreckonRuleApp/1.0/ansncreckonrule/61.0 已在 70 秒后解析结束。同时 Arthas trace 日志写入的那个文件中，也有了内容（链路切实太长，没法贴代码，只能截图了）：
这个 trace 日志一千多行，此处删减了局部内容。
Arthas 的 trace 命令不会进行全链路跟踪，所以这里的 一次 trace 后果 只是以后门路。但曾经不错了，问题范畴又再一次放大。
从上图能够看到 IlrRulesetProvider:getRuleset 这个办法是次要耗时点，那就先来看看这个办法里是个什么玩法。
为了简略，这里长期用 Arthas 的 jad 命令，间接反编译这个类，看看外面的逻辑：
jad ilog.rules.res.xu.ruleset.internal.IlrRulesetProvider代码有点多，这里删减一些，只保留要害局部：
public final XURulesetImpl getRuleset(IlrXURulesetArchiveInformation archive, IlrXUContext xuCtx, boolean waitParsing, Listener listener) throws IlrRulesetArchiveInformationNotFoundException, IlrRulesetCreationException, IlrRulesetAlreadyParsingException, IlrRulesetCacheException, XUException {String canonicalPath = archive.getCanonicalPath().toString();
this.logger.finest("IlrRulesetProvider.getRuleset" + canonicalPath + " " + waitParsing);
if (!archive.getProperties().isShareable()) {return this.factory.createRuleset(archive, xuCtx);
} else {ClassLoader cl = archive.getXOMClassLoader();
XURulesetImpl ruleset;
while(true) {synchronized(this.parsingRulesets) {
// 字面意思是，从缓存中获取规定集，有的话间接 return 了
ruleset = (XURulesetImpl)this.getCache().getRuleset(canonicalPath, cl);
if (ruleset != null) {return ruleset;}
// 第一个加载的线程，将以后资源增加到 parsingRulesets 同时跳出 while
if (!this.parsingRulesets.contains(archive)) {this.parsingRulesets.add(archive);
break;
}
if (!waitParsing) {throw new IlrRulesetAlreadyParsingException("XU.ERROR.10406", (String[])null);
}
// 这里的 wait……应该是避免并发拜访，当其余线程也进入该代码块时 wait 期待第一个线程加载实现唤醒
try {this.parsingRulesets.wait();
} catch (InterruptedException var20) {throw new IlrRulesetCreationException("XU.ERROR.10009", (String[])null, var20);
}
}
}
if (!this.useWorkManager(archive)) {this.logger.finest("IlrRulesetProvider.getRuleset doesn't use the workmanager " + this.workManager, (Object[])null, xuCtx);
XURulesetImpl var9;
try {
// 创立资源
ruleset = this.factory.createRuleset(archive, xuCtx);
// 创立实现，增加到缓存
this.getCache().addRuleset(ruleset);
var9 = ruleset;
} finally {this.parsingStopped(archive);
}
return var9;
}
}
}尽管删减了很多，但看代码还是有点不清晰，毕竟反编译的代码浏览烦扰有点大，这里简略解释下下面的代码逻辑：
- 先从缓存容器中获取资源
- 如果取不到就执行创立逻辑
- 创立实现，再次增加到缓存
- 在加载时若已有其余线程也执行加载，会被动 wait 期待第一个创立实现的线程唤醒
再联合咱们下面的猜想：
很可能是该零碎用弱援用 (Weak Reference) 来保护了这个资源缓存，当 GC 后该资源被回收，所以须要从新加载
那问题就在这个缓存容器上了！只有看看这个 cache 就能晓得，必定有弱援用的代码！
反编译找代码
jad 反编译在终端里看代码还是太折腾了，不如在 IDE 里直观，所以还是得把代码拉下来剖析，不然找个关联类都吃力。
这个零碎下有很多 Jar 包，得先找到这些相干的类在哪个 Jar 里，利用 Arthas 的 sc 命令，也非常简单：
sc 查看 JVM 已加载的类信息
sc -d ilog.rules.res.xu.ruleset.internal.IlrRulesetProvider class-info ilog.rules.res.xu.ruleset.internal.IlrRulesetProvider
# 这里是咱们关怀的信息，该 class 所在的 jar
code-source /content/jrules-res-xu-JBOSS61EAP.rar/ra.jar
name ilog.rules.res.xu.ruleset.internal.IlrRulesetProvider
isInterface false
isEnum false
isAnonymousClass false
isArray false
isLocalClass false
isMemberClass false
isPrimitive false
isSynthetic false
simple-name IlrRulesetProvider
modifier final,public
annotation
interfaces com.ibm.rules.res.xu.ruleset.internal.RulesetParsingWork$Listener
super-class +-java.lang.Object
class-loader +-ModuleClassLoader for Module "deployment.jrules-res-xu-JBOSS61EAP.rar:main" from Service Module Loader
+-sun.misc.Launcher$AppClassLoader@2d74e4b3
+-sun.misc.Launcher$ExtClassLoader@5552bb15
classLoaderHash 2d022d73
Affect(row-cnt:1) cost in 79 ms.找到这个 ra.jar 后，把这个 jar 拖到 IDE 里反编译，不过这个 class 还有些关联的 class 不在这个 ra.jar 中。还是同样的方法，找到关联的 class，而后 sc -d 找到所在的 jar 地位，复制到本地 ide 反编译
重复折腾了几次后，终于把有关联的 4 个 jar 包都弄回本地了，当初能够在 IDE 里开开心心的看代码了。
剖析缓存容器的机制
首先是下面那个 createCache 办法，通过剖析后得悉，cache 的实现类为 IlrRulesetCacheImpl，这个类须要关怀的只有两个办法，getRuleset 和 addRuleset：
public void addRuleset(IlrXURuleset executableRuleset) {synchronized(this.syncObject) {
//...
this.entries.add(new IlrRulesetCacheEntry(executableRuleset, this.maxIdleTimeOutSupport));
//...
}
}
public IlrXURuleset getRuleset(String canonicalRulesetPath, ClassLoader xomClassLoader) {
// ...
List<IlrRulesetCacheEntry> cache = this.entries;
synchronized(this.syncObject) {Iterator iterator = cache.iterator();
while(iterator.hasNext()) {IlrRulesetCacheEntry entry = (IlrRulesetCacheEntry)iterator.next();
IlrXURuleset ruleset = (IlrXURuleset)entry.rulesetReference.get();
if (ruleset == null) {iterator.remove();
} else if (entry.canonicalRulesetPath.equals(canonicalRulesetPath) && (entry.xomClassLoader == xomClassLoader || entry.xomClassLoader != null && entry.xomClassLoader.getParent() == xomClassLoader)) {return ruleset;}
}
}
// ...
return null;
}看完这两个办法之后，很显著了，entries 才是要害的数据存储汇合，看看它是怎么个玩法：
protected transient List<IlrRulesetCacheEntry> entries = new ArrayList();居然只是个 ArrayList，持续看看 IlrRulesetCacheEntry这个类：
public class IlrRulesetCacheEntry {
protected String canonicalRulesetPath = null;
protected ClassLoader xomClassLoader = null;
protected IlrReference<IlrXURuleset> rulesetReference = null;
public IlrRulesetCacheEntry(IlrXURuleset executableRuleset, boolean maxIdleTimeOutSupport) {this.canonicalRulesetPath = executableRuleset.getCanonicalRulesetPath();
this.xomClassLoader = executableRuleset.getXOMClassLoader();
long maxIdleTime = executableRuleset.getRulesetArchiveProperties().getMaxIdleTime();
// 留神这里是要害，依据 maxIdleTime 的值抉择强援用和弱援用
if (maxIdleTime != 0L && (!maxIdleTimeOutSupport || maxIdleTime == -1L)) {this.rulesetReference = new IlrWeakReference(executableRuleset);
} else {this.rulesetReference = new IlrStrongReference(executableRuleset);
}
}
}代码曾经很直白了，依据 maxIdleTime 的不同应用不同的援用策略，不等于 0 就弱援用，等于 0 就强援用；不过还是得看下这俩 Reference 类的代码：
// 弱援用，继承 WeakReference
public class IlrWeakReference<T> extends WeakReference<T> implements IlrReference<T> {public IlrWeakReference(T t) {super(t);
}
}
// 强援用
public class IlrStrongReference<T> implements IlrReference<T> {
private T target;
IlrStrongReference(T target) {this.target = target;}
public T get() {return this.target;}
}这俩类并没有什么特地的中央，和类名的意思雷同；IlrWeakReference 继承于 WeakReference，那就是弱援用，当产生 GC 时，援用的对象会被删除。
尽管找到了这个弱援用的中央，但还是须要验证一下，是不是真的应用了这个弱援用
验证是否应用了弱援用
这里应用 Arthas 的 vmtool 命令，来看看缓存中的实时对象：
watch – 办法执行数据观测
vmtool --action getInstances --className ilog.rules.res.xu.ruleset.cache.internal.IlrRulesetCacheImpl --express 'instances[0].entries.get(0)'
@IlrRulesetCacheEntry[canonicalRulesetPath=@String[/ansNcreckonRuleApp/1.0/ansncreckonrule/1.0],
xomClassLoader=@XOMClassLoader[com.ibm.rules.res.persistence.internal.XOMClassLoader@18794875],
# 这里能够看到，rulesetRef 的实例是 IlrWeakReference
rulesetReference=@IlrWeakReference[ilog.rules.res.xu.ruleset.cache.internal.IlrWeakReference@dbd2972],
]从后果上看，石锤了就是弱援用。
但引起弱援用的毕竟是 maxIdleTime，还是须要找到 maxIdleTime 的源头……
寻找 maxIdleTime
在 IlrRulesetCacheEntry 的构造方法里能够看到，maxIdleTime 是从 IlrRulesetArchiveProperties 里获取的：
long maxIdleTime = executableRuleset.getRulesetArchiveProperties().getMaxIdleTime();那就持续看看 IlrRulesetArchiveProperties这个类：
public long getMaxIdleTime() {
// 从 properties 里获取 key 为 ruleset.maxIdleTime 的 value
String result = this.get("ruleset.maxIdleTime");
return result == null ? -1L : Long.valueOf(result);
}
public String get(Object key) {String result = (String)this.properties.get(key);
return result == null && this.defaults != null ? (String)this.defaults.get(key) : result;
}getMaxIdleTime 返回的默认值是 -1，也就是说如果没配置这个 maxIdleTime 值，默认也会应用弱援用策略。
到目前为止，问题算是曾经准确的定位到了，弱援用的缓存策略导致被 GC 时资源缓存被清空，从新加载资源导致了长耗时。
可是这零碎没源码没文档，我上哪改这个 maxIdleTime 去……
不过去都来了，都曾经看到 IlrRulesetArchiveProperties 这个类了，不如先看看这个类里到底配置了哪些值，有没有 maxIdleTime
vmtool --action getInstances --className com.ibm.rules.res.xu.ruleset.internal.CRERulesetImpl --express 'instances[0].getRulesetArchiveProperties()'
@IlrRulesetArchivePropertiesImpl[@String[ruleset.engine]:@String[cre],
@String[ruleset.status]:@String[enabled],
@String[ruleset.bom.enabled]:@String[true],
@String[ruleset.managedxom.uris]:@String[resuri://ans-nc-xom.zip/54.0,resuri://ruleapp-core-model-1.5.2.jar/2.0],
]从后果上能够看到，properties 里并没有 maxIdleTime 属性，和咱们下面的论断是能够匹配的。没有配置 maxIdleTime 属性，默认 -1，所以应用弱援用
寻找 maxIdleTime 的配置办法
反编译的代码尽管看不到正文，但从类名还是能够猜一下的，IlrRulesetArchiveProperties 这个类名应该是“规定集归档属性”的意思。
尽管我不懂这个零碎的业务规定，但有人懂啊！于是我找来了负责这个系统配置的老哥，找他给我解释了下这个零碎的各种概念。
老哥也很敌对，间接给我画了一张图
这个规定引擎零碎，有一个 App 的概念，就是 saas 平台里常说的那个利用的意思；每个 App 上面能够创立多个规定集，就是图上这个 RuleSet，每个 RuleSet 就是咱们的业务规定，比方费用计算公式或者逻辑核验规定，同时每个 RuleSet 还会记录多个每次变更的历史版本。
看到这张图，我也明确了个七七八八，下面定位的 IlrRulesetArchiveProperties 不就是规定集的属性？这个产品有个控制台，应该有这个属性配置的中央吧，不然弄这么个类干啥？规定集都是控制台创立的，那规定集属性应该也能够配置！
如我所料，控制台的规定集上果然有个属性的概念，而且还能够增加属性。
最重要的是，管制台上 ruleset.bom.enabled 这个属性，我下面用 arthas vmtool 看的时候也有，那就能够证实这里的配置，应该就是配置 IlrRulesetArchiveProperties 这个类的；只有是给这个规定集加上 maxIdleTime 是不是就能够应用强援用了？
而后我小心翼翼的点击了那个增加属性的按钮……
果然有 maxIdleTime 这个选项，抉择 maxIdleTime 之后，给它配置为 0。
验证后果
配置完了，还是重启验证一下是不是失效，谁晓得这个零碎支不反对热刷新呢，改变之后还是重启验证比拟稳当。
先验证该规定集的 properties：
vmtool --action getInstances --className com.ibm.rules.res.xu.ruleset.internal.CRERulesetImpl --express 'instances[0].getRulesetArchiveProperties()'
@IlrRulesetArchivePropertiesImpl[
# 新增配置
@String[ruleset.maxIdleTime]:@String[0],
@String[ruleset.engine]:@String[cre],
@String[ruleset.status]:@String[enabled],
@String[ruleset.bom.enabled]:@String[true],
@String[ruleset.managedxom.uris]:@String[resuri://ans-nc-xom.zip/54.0,resuri://ruleapp-core-model-1.5.2.jar/2.0],
]从下面能够看到，咱们新增的配置，曾经失效了，规定集上曾经有了这个 maxIdleTime。
再来看看缓存里的援用，是不是曾经变成了强援用：
vmtool --action getInstances --className ilog.rules.res.xu.ruleset.cache.internal.IlrRulesetCacheImpl --express 'instances[0].entries.get(0).rulesetReference'
# 这里是强援用
@IlrStrongReference[target=@CRERulesetImpl[com.ibm.rules.res.xu.ruleset.internal.CRERulesetImpl@28160472],
]在减少了 maxIdleTime 之后，规定集的缓存就变成了强援用，强援用下就不会再呈现因为 GC 被回收的状况了！
用 vmtool 来一遍 fullgc，试试看还会不会从新加载：
vmtool --action forceGc执行了十几遍，也没出呈现长耗时问题，问题应该是解决了。
接着把这个配置同步到测试环境，跑了三天，我时不时还下来手动 forceGc 一下，没有再呈现过这个长耗时的问题了。
为什么不是每次 GC 后都会呈现耗时
本文结尾就提到，每次长耗时之前不久都会有一次 GC 流动，但并不是每次 GC 后都会有一次长耗时。
弱援用保护的对象，并不是说在 GC 时就会被清空；只是在 GC 时，如果弱援用的对象曾经没有其余援用了，才会被回收，比方上面这个例子里：
Map<String,Object> dataMap = new HashMap<>();
WeakReference ref = new WeakReference(dataMap);
System.gc();
System.out.println(ref.get());
dataMap = null;
System.gc();
System.out.println(ref.get());
//output
{}
null第一次 gc 时，ref 里的数据不会被清空，而第二次 gc 前弱援用的数据，曾经没有其余任何援用了，此时会被清空。
联合这个零碎的问题来看，尽管规定集那里应用弱援用缓存，但如果在 GC 时，调用方还持有规定集对象没有开释，那么这个弱援用的规定集缓存也一样不会清空；所以才会呈现这个 不是每次 GC 都会导致从新加载，但每次从新加载却都是因为 GC 的问题
但我认为没有必要持续跟上来了，持有规定集对象的中央在哪，和这个耗时问题关系并不是很大；批改为强援用之后，就不会再有 GC 回收该对象的状况，那还在意谁持有干嘛呢（其实是我懒，没文档还没源码，找问题找的我头都要秃了）
写在前面
原本认为须要先反编译，而后批改代码从新打包能力搞定的问题，最初居然一行代码都没改就解决了，有点小惊喜……
不过这个规定引擎的设计思路还是挺好的，为了节俭内存，应用可配置的缓存策略，只是默认应用弱援用来保护规定集太激进了点。对于大多数服务端场景来说，不差它这点开释的内存，给多少用多少就行，开释了反而会引发更大的问题，从新加载导致的耗时才是最不能承受的。
原创不易，禁止未受权的转载。如果我的文章对您有帮忙，就请点赞 / 珍藏 / 关注激励反对一下吧❤❤❤❤❤❤
