Java服务器宕机的解决方法论
1 宕机概要
1.1 定义
向服务器的请求都没有响应或者响应非常慢。
前端界面的崩溃并非宕机。
1.2 分类
进程闪退
- 内部崩溃
- 外部终止
线程锁死或者无限等待
内存溢出
下面分别进行详解
2 进程闪退
2.1 内部崩溃
JVM 发生内部崩溃,必然会生成"hs_err_pid"开头的文件。
下面讲一种常见情况:
无法申请内存,显示commit_memory错误
Current thread (0x00007f3e40013000): JavaThread "Unknown thread" [_thread_in_vm, id=11408, stack(0x00007f3e49983000,0x00007f3e49a84000)] Stack: [0x00007f3e49983000,0x00007f3e49a84000], sp=0x00007f3e49a82360, free space=1020k Native frames: (J=compiled Java code, j=interpreted, Vv=VM code, C=native code) V [libjvm.so+0x9a32da] VMError::report_and_die()+0x2ea V [libjvm.so+0x497f7b] report_vm_out_of_memory(char const*, int, unsigned long, char const*)+0x9b V [libjvm.so+0x81fcce] os::Linux::commit_memory_impl(char*, unsigned long, bool)+0xfe V [libjvm.so+0x820219] os::pd_commit_memory(char*, unsigned long, unsigned long, bool)+0x29 V [libjvm.so+0x819faa] os::commit_memory(char*, unsigned long, unsigned long, bool)+0x2a V [libjvm.so+0x99eae9] VirtualSpace::expand_by(unsigned long, bool)+0x1c9 V [libjvm.so+0x99ec6d] VirtualSpace::initialize(ReservedSpace, unsigned long)+0xcd V [libjvm.so+0x57962f] CardGeneration::CardGeneration(ReservedSpace, unsigned long, int, GenRemSet*)+0x11f V [libjvm.so+0x46ceed] ConcurrentMarkSweepGeneration::ConcurrentMarkSweepGeneration(ReservedSpace, unsigned long, int, CardTableRS*, bool, FreeBlockDictionary<FreeChunk>::DictionaryChoice)+0x5d V [libjvm.so+0x57a906] GenerationSpec::init(ReservedSpace, int, GenRemSet*)+0x106 V [libjvm.so+0x56afe4] GenCollectedHeap::initialize()+0x344 V [libjvm.so+0x9751aa] Universe::initialize_heap()+0xca V [libjvm.so+0x976379] universe_init()+0x79 V [libjvm.so+0x5b1d25] init_globals()+0x65 V [libjvm.so+0x95dc6d] Threads::create_vm(JavaVMInitArgs*, bool*)+0x1ed V [libjvm.so+0x639fe4] JNI_CreateJavaVM+0x74
这一般是因为 Xmx 设置过大,超过系统可用内存,JVM 申请内存失败。
比如服务器总内存32G ,同时运行多个程序,程序 A 配了20GXmx,其他程序也配了20G Xmx ,Linux的交换空间也没有设置,这时候如果其他程序用满20G内存那么服务的可用内存必然低于12G,这时如果Tomcat需要大于12G的内存就很容易发生该错误,直接宕机!
解决方案
- 减少Xmx值使得所有的综合不超过服务器物理内存
- 调整 Xms=Xmx
- 服务器不要运行其他不必要的东西
- 配置一部分swap空间(虚拟内存)
2.2 外部终止
如果找不到"hs_err_pid"开头的文件,那么这个进程的闪退必然是被从外部终止的。
2.2.1 OOMKiller
java长期内存占用过高,系统需要内存使用的时候没有内存,Linux的oomkiller机制会干掉最低优先级的内存
检查 /var/logs/message , /var/logs/dmesg或者对应日期文件,看看有没有类似下面的内容,日志有时间可以判断
2.2.2 SSH注销
检查/var/log/auth.log,/var/log/secure或者对应日期的文件,检查宕机的时间点有没有
时间吻合,那么宕机原因即可确认。
解决方案
使用nohup命令在后台运行启动程序,检查ssh注销原因
2.2.3 其他人为因素
不是很好判断,需要给shell加上操作记录
3 线程锁死/无限等待
表现
系统无法访问时,当前cpu占用非常低
使用 jstack命令输出线程堆栈即可
jstack pid >> 1.txt or jstack -F pid >> 1.txt
都行,或者用jprofiler工具看堆栈,或者其他任何可以拿到堆栈的工具都可以, java的堆栈就是java方法调用的路径,可以定位一些简单的问题
4 内存溢出
现象
CPU全部占满,内存达到配置Xmx最大值
4.1 CPU占满缘由
并不是 CPU 不够用,而是涉及到JVM的GC 机制,大部分情况来说CPU都是过剩的
JVM 使用GC的方法来回收没有被引用的内存块,在当前的回收机制中,回收器是并发进行的,回收的线程个数有一个公式:
当CPU核心数
小于8
1个核心对应一个gc线程
大于8
gc的线程数= 8 + ((N - 8) * 5/8)
N代表核心的数量,这是默认的gc线程创建公式
threads = N <= 8 ? N : (8 + ((N - 8) * 5/8))
当然也可以通过参数 -XX:ParallelCMSThreads=20 来配置 GC 线程数,就不会使用默认的设置,默认情况下不要调整,因为调了也没什么卵用,最多在宕机的时候cpu占用按照你设定的值来。
当发生内存溢出的时候,或者快要内存溢出的时候,不一定是内存溢出,JVM 发现内存不够了,就会 GC,所有线程开始工作,暂停 JVM 运行,开始回收,如果回收到内存了,ok,jvm可以正确继续执行,
这也就是为什么有时候配置内存溢出的参数没有自动生成dump的原因,因为他能运行,但是比较慢,所以没有OOM,就不会生成dump,
如果没有回收到什么内存,gc会循环持续执行,这就导致了cpu全部占满的现象,所以说内存溢出的时候,一定伴随cpu占满(按照设置或者公式计算的线程量)
4.2 JVM内存分配机制
在说说JVM怎么分配内存的,大家都知道给客户配置Xmx参数和xms参数,Xmx代表的是最大堆内存,xms代表的是最小堆内存,至于permsize就和这些都没有关系,不能算在内存溢出,遇到抛错outofmemory permsize什么的调大就行了
permsize是一个被jvm也抛弃的参数只存在1.7之前的jdk中,是用来保存java的class等内容的存储空间,1.8被metaspace替代
这个内存怎么不回收的啊,一问都是在任务管理器看的!这个地方是看不到内存回收的,或者说他也会回收,但是可能要等个好几天才会回收一次,可以忽略这种机制的存在
形而上学
WC 论
如果把内存比喻成茅坑,操作系统64g内存就是一共64个茅坑,那么JVM的内存回收相当于茅坑调度系统,每个gc线程相当于调度系统派出去的茅坑检查员,给jvm设置了 Xms=2g, Xmx=32g,那么程序启动,jvm直接占了两个茅坑,任务管理器看到内存占用2g,即使没人上厕所,JVM也不会把坑还给操作系统。
假设一个人上厕所10秒,一开始的时候 20秒有一个人来上厕所,那么 jvm通过茅坑检查员发现哎两个坑总有一个是空的,维持茅坑数量不变,内存的占用一直是2g,过了些时候,来的人开始增多了,变成5秒有一个人来上厕所,茅坑检查员向JVM汇报有人开始有排队了,两个坑位很紧张,不行要多弄几个坑才行,于是,jvm向系统又申请了两个坑,任务管理器可以看到内存占用变成了4个G,这时候又突然发生压力增大,变成了1秒来一个人,4个坑肯定不够啊,于是jvm又把内存扩容到10-11g,现在够用了,任务管理器会看到内存一直维持在10-11g,终于大家都上完厕所了,没人排队了,茅坑都空出来了。
但是,jvm是个霸道总裁,被他占的东西,除非死不然不会吐出来的,所以任务管理器里面看到内存还是10-11g不会降低,除非jvm死了,实际没有任何内存占用(所以不要再说内存不回收的问题,这个内存的回收不回收和宕机是没有直接关系的)
如果这时候突然一下子来了很多很多人,比如一下子来了64个人要上厕所,这时候会怎样了,JVM把他的所有的茅坑检查员都派出去检查啊,然后发现完蛋了茅坑不够用啊,申请到32个都不够用啊,于是jvm的特派茅坑检查员就一个坑一个坑的拍,一个坑一个坑的催,结果呢,检查员在催,大家就拉不出来了,上厕所的时间无限期延长,外面的人要进去,里面的人出不来,BOOM,厕所就不响应了,后面来的人都拉裤子了。
怎么解决?
- 换个茅坑管理员,更好的调度茅坑检查员和分配茅坑,这就有了G1回收器 ,茅坑越多效果越好,目前JDK情况内存大于10G的情况G1的效果好于CMS,低于10G的情况下不如CMS
- 从源头控制人员,不要一下子来这么多人(申请内存),也就是常见的不要让业务查大量数据占内存。
而上面讲的线程锁死的情况要做类比的话,就是32个坑呗32个人占了,还死活不肯出来,导致后面排队的人失去响应了。
没有味道的比喻
解释一下java的面向对象和对象引用:
一栋大楼,10层共1000个工位 (类比物理内存)。
包给一个二房东 中介公司Z (jvm)。
中介公司和大楼物业谈好弹性缴费,租多少出去收多少钱。
Z公司先一下租300个位置 (类比Xms)省钱,
Z公司和物业谈好最多租600个位置(类比Xmx)。
Z公司找到了公司A(200人)来这里 就占用了200个工位 (类比一次数据查询)。
公司A是一个大的对象,每个人类比最小的单元格,每个小团队也是一个对象,个人被小团队引用,小团队又被更上级的比如产品,比如大技术支持大团队引用,大团队又被公司引用,最终公司这个大对象占用了200工位,类比下来200个工位内存不释放的根就是这个公司在这儿上班。
这时候公司A倒闭了,200个工位就空出来了(内存释放)。
- 内存溢出宕机是什么情况呢?
- 找Z公司租工位的公司,总工位超过了600,总不能坐大腿上上班啊,于是物业不会给Z工位的,合同写的好好的,Z公司不满足客户需求,运作不起来破产倒闭。
- 经常遇到的申请内存失败的崩溃是什么情况?
- 物业是个滑头,不止找了Z公司一家中介,还有Y公司也是做中介的(类比两个JVM)。都承诺Z和Y公司都是最多可以租600个位置。初始都租的300个位置,大家相处融洽,随着公司不停入住,矛盾出现了:
- Y公司效益比较好,先找了公司,已经占了600位置;
- 这时候Z公司的效益也上来了,也要增加工位 (类比申请内存),这时候物业根本没有位置能给他。于是Z公司运转不下去,破产倒闭
5 总结
宕机分析的目的就是要找到占用内存的东西,把他找出来,找出他的原因,然后把它改掉。JVM的内存对象分配相当于一颗树,所有的对象都被层层引用,直到GCRoot根节点,如果没有根节点的引用,这个对象是完全可以直接释放掉的,大部分也是因为gcRoot存在的对象过多导致的宕机,当然也不排除可以使用已经回收的对象来分析,由于生成dump的时间不精确,可能他生成的时候 ,对应的大组件已经回收了,但是jvm缓过来还需要一些时间,所以还是处于大量gc的状态,这时候只能通过对于引用的检索找到最多的引用对象来进行分析。
以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。