前言
作为后端开发工程师, 当收到线上服务器 CPU 负载过高告警时, 你会这么做? 重启服务, 忽略告警? 不过在我看来一个合格的工程师是一定要定位到具体问题所在的, 从而 fix 它。下面记录一下线上服务器 CPU 负载过高排查过程, 把排查流程理清楚，以后遇到问题将会迅速定位到问题所在，快速解决。
什么样的场景会导致线上 CPU 负载过高？
代码层面常见的场景有：
程序陷入死循环，不停地消耗 CPU
线程死锁，线程相互等待，导致假死状态，不停地消耗 CPU
程序死循环场景
这里使用 JAVA 简单模拟程序死循环带来的系统高负载情况，代码如下：
/**
* @program: easywits
* @description: 并发下的 HashMap 测试 ….
* @author: zhangshaolin
* @create: 2018-12-19 15:27
**/
public class HashMapMultiThread {
static Map<String, String> map = new HashMap<>();
public static class AddThread implements Runnable {
int start = 0;
public AddThread(int start) {
this.start = start;
}
@Override
public void run() {
// 死循环, 模拟 CPU 占用过高场景
while (true) {
for (int i = start; i < 100000; i += 4) {
map.put(Integer.toString(i), Integer.toBinaryString(i));
}
}
}
public static void main(String[] args) throws InterruptedException {
// 线程并发对 HashMap 进行 put 操作 如果一切正常, 则得到 map.size() 为 100000
// 可能的结果:
//1. 程序正常, 结果为 100000
//2. 程序正常, 结果小于 100000
Thread thread1 = new Thread(new AddThread(0), “myTask-1”);
Thread thread2 = new Thread(new AddThread(1), “myTask-2”);
Thread thread3 = new Thread(new AddThread(2), “myTask-3”);
Thread thread4 = new Thread(new AddThread(3), “myTask-4″);
thread1.start();
thread2.start();
thread3.start();
thread4.start();
thread1.join();
thread2.join();
thread3.join();
thread4.join();
System.out.println(map.size());
}
}
}
线程死锁场景
同样使用 JAVA 程序简单模拟线程死锁场景，代码如下：
/**
* @program: easywits
* @description: 死锁 demo ….
* 1. 两个线程里面分别持有两个 Object 对象：lock1 和 lock2。这两个 lock 作为同步代码块的锁；
* 2. 线程 1 的 run() 方法中同步代码块先获取 lock1 的对象锁，Thread.sleep(xxx)，时间不需要太多，50 毫秒差不多了，然后接着获取 lock2 的对象锁。
* 这么做主要是为了防止线程 1 启动一下子就连续获得了 lock1 和 lock2 两个对象的对象锁
* 3. 线程 2 的 run)(方法中同步代码块先获取 lock2 的对象锁，接着获取 lock1 的对象锁，当然这时 lock1 的对象锁已经被线程 1 锁持有，线程 2 肯定是要等待线程 1 释放 lock1 的对象锁的
* <p>
* 线程 1″睡觉”睡完，线程 2 已经获取了 lock2 的对象锁了，线程 1 此时尝试获取 lock2 的对象锁，便被阻塞，此时一个死锁就形成了。
* @author: zhangshaolin
* @create: 2018-12-20 11:33
**/
public class DeadLock {
static Object lock1 = new Object();
static Object lock2 = new Object();
public static class Task1 implements Runnable {
@Override
public void run() {
synchronized (lock1) {
System.out.println(Thread.currentThread().getName() + ” 获得了第一把锁!!”);
try {
Thread.sleep(50);
} catch (InterruptedException e) {
e.printStackTrace();
}
synchronized (lock2) {
System.out.println(Thread.currentThread().getName() + ” 获得了第二把锁!!”);
}
}
}
}
public static class Task2 implements Runnable {
@Override
public void run() {
synchronized (lock2) {
System.out.println(Thread.currentThread().getName() + ” 获得了第二把锁!!”);
synchronized (lock1) {
System.out.println(Thread.currentThread().getName() + ” 获得了第一把锁!!”);
}
}
}
}
public static void main(String[] args) throws InterruptedException {
Thread thread1 = new Thread(new Task1(), “task-1”);
Thread thread2 = new Thread(new Task2(), “task-2″);
thread1.start();
thread2.start();
thread1.join();
thread2.join();
System.out.println(Thread.currentThread().getName() + ” 执行结束!”);
}
}
以上两种场景代码执行后，不出意外，系统 CPU 负载将会飙升，我的机器，4 核 CPU 已经明显感觉到卡顿了，所以线上应该杜绝出现死循环代码。。
使用 top 命令监控当前系统负载情况
执行第一种场景测试代码。
在 linux 命令行键入 top 指令后，就开始实时监控当前系统的负载信息，监控到的负载信息如下图所示：
从图中的监控信息可以快速大致的了解到，PID 为 17499 的进程 CPU 负载高达 328+%，是一个 JAVA 程序。简单介绍下监控信息如下：
PID：进程的 ID
USER：进程所有者
PR：进程的优先级别，越小越优先被执行
VIRT：进程占用的虚拟内存
RES：进程占用的物理内存
SHR：进程使用的共享内存
S：进程的状态。S 表示休眠，R 表示正在运行，Z 表示僵死状态，N 表示该进程优先值为负
%CPU：进程占用 CPU 的使用率
%MEM：进程使用的物理内存和总内存的百分比
TIME+：该进程启动后占用的总的 CPU 时间，即占用 CPU 使用时间的累加值
在监控页面下 按键盘数字 1 可以看到每个 CPU 的负载情况，如下图：
可以看到开了四个线程，无限循环之后，我的机器中四个核心 CPU，每颗负载接近百分百。
使用 top 命令监控进程中负载过高的线程
top -H -p pid: 查看指定进程中每个线程的资源占用情况 (每条线程占用 CPU 时间的百分比)，监控结果如下图：
以上监控指令输出的指标针对的是某个进程中的线程，从图中看可以快速得出结论：四个 JAVA 线程 CPU 负载极高，线程 ID 分别为:17532,17535,17533,17534, 注意这里打印出来的线程 ID 为十进制的哦！
根据进程 pid&& 线程 id 查看线程堆栈信息
jstack pid: 查看指定进程中线程的堆栈信息，这个命令最终会打印出指定进程的线程堆栈信息，而实际线上情况发生时，我们应当把快速把堆栈信息输出到日志文本中，保留日志信息，然后迅速先重启服务，达到临时缓解服务器压力的目的。
jstack 17499 > ./threadDump.log：将线程堆栈信息输出到当前目录下的 threadDump.log 文件。
注意：jstack 打印出的线程 id 号为十六进制，而 top 命令中打印出来的线程号为十进制，需要进行转换后，定位指定线程的堆栈信息
这里分析日志文件后，过滤出四个线程堆栈信息如下图：
从这四个线程执行的堆栈信息，很明显的看出：导致 CPU 飙升的程序正在执行 HashMap 的 put 操作。
友情提示：测试代码最好不要在公司的线上环境做测试哦！
更多原创文章会在公众号第一时间推送, 欢迎扫码关注 张少林同学