记一次 .NET某智慧出行系统 CPU爆高分析

一：背景

1. 讲故事

前些天有位朋友找到我，说他们的系统出现了CPU 100%的情况，让我帮忙看一下怎么回事？dump也拿到了，本想着这种情况让他多抓几个，既然有了就拿现有的分析吧。

二：WinDbg 分析

1. 为什么会爆高

既然说是 100%，作为调试者得拿数据说话，可以使用 !tp 来观测一下。

 0:000:x86> !tp CPU utilization: 100% Worker Thread: Total: 382 Running: 382 Idle: 0 MaxLimit: 8191 MinLimit: 8 Work Request in Queue: 8694     Unknown Function: 6f62b650  Context: 4a36bbbc     Unknown Function: 6f62b650  Context: 4a36e1d4     Unknown Function: 6f62b650  Context: 4a372384     Unknown Function: 6f62b650  Context: 239adfec     Unknown Function: 6f62b650  Context: 4a374994     Unknown Function: 6f62b650  Context: 239b9e14     Unknown Function: 6f62b650  Context: 2399fd9c     ...  

从卦中看,不得了，CPU 100% 之外,所有的线程池线程全部被打满，人生自古最忌满，半贫半富半自安。同时线程池队列还累计了8694个任务待处理，说明这时候的线程池已经全面沦陷，要想找到这个答案，需要用 ~*e !clrstack 命令观察每一个线程此时正在做什么，输出如下：

 0:000:x86> ~*e !clrstack OS Thread Id: 0x22f4 (429) Child SP       IP Call Site 4bc1e060 0000002b [GCFrame: 4bc1e060]  4bc1e110 0000002b [HelperMethodFrame_1OBJ: 4bc1e110] System.Threading.Monitor.ObjWait(Boolean, Int32, System.Object) 4bc1e19c 24aad7da System.Threading.Monitor.Wait(System.Object, Int32, Boolean) 4bc1e1ac 2376f0d6 ServiceStack.Redis.PooledRedisClientManager.GetClient() 4bc1e1dc 2420bbc6 xxx.Service.CacheService.GetClient() ... 4bc1e234 24206fbe xxxBLL.GetxxxCount(System.Collections.Generic.Dictionary`2<System.String,System.Object>) 4bc1e3e0 216e25f9 DynamicClass.lambda_method(System.Runtime.CompilerServices.Closure, System.Web.Mvc.ControllerBase, System.Object[]) 4bc1e3f0 238b86b7 System.Web.Mvc.ActionMethodDispatcher.Execute(System.Web.Mvc.ControllerBase, System.Object[]) ... 4bc1eee0 2353d448 System.Web.Hosting.PipelineRuntime.ProcessRequestNotification(IntPtr, IntPtr, IntPtr, Int32) 4bc1efb8 00a9e3c2 [ContextTransitionFrame: 4bc1efb8]   

从卦中可以看到当前有 371个线程在 PooledRedisClientManager.GetClient 中的 Wait 上出不来，那为什么出不来呢？

2. 探究源码

要想找到这个答案，只能从源代码中观察，简化后的代码如下：

     public IRedisClient GetClient()     {         lock (writeClients)         {             AssertValidReadWritePool();             RedisClient inActiveWriteClient;             while ((inActiveWriteClient = GetInActiveWriteClient()) == null)             {                 if (!Monitor.Wait(writeClients, PoolTimeout.Value))                 {                     throw new TimeoutException("Redis Timeout expired. The timeout period elapsed prior to obtaining a connection from the pool. This may have occurred because all pooled connections were in use.");                 }             }         }     }      private RedisClient GetInActiveWriteClient()     {         int num = WritePoolIndex % writeClients.Length;         for (int i = 0; i < ReadWriteHosts.Count; i++)         {             int num2 = (num + i) % ReadWriteHosts.Count;             RedisEndPoint redisEndPoint = ReadWriteHosts[num2];             for (int j = num2; j < writeClients.Length; j += ReadWriteHosts.Count)             {                 if (writeClients[j] != null && !writeClients[j].Active && !writeClients[j].HadExceptions)                 {                     return writeClients[j];                 }             }         }         return null;     }  

仔细阅读卦中代码，之所以进入Wait主要是因为 GetInActiveWriteClient() 方法返回 null 所致，从异常信息看也知道此时是因为 writeClients 池已满，那这个池是不是满了呢？可以把 writeClients 数组挖出来，使用 !dso 命令。

 0:429:x86> !dso OS Thread Id: 0x22f4 (429) ESP/REG  Object   Name ... 4BC1E0D0 0ea38d18 ServiceStack.Redis.RedisClient[] 4BC1E100 0ea38bb0 ServiceStack.Redis.PooledRedisClientManager ...  0:429:x86> !da 0ea38d18 Name:        ServiceStack.Redis.RedisClient[] MethodTable: 237af1c0 EEClass:     0129a224 Size:        52(0x34) bytes Array:       Rank 1, Number of elements 10, Type CLASS Element Methodtable: 237ae954 [0] 0ea38dd4 [1] 0a9f9f58 [2] 0296e468 [3] 0c9786a0 [4] 0a9fe768 [5] 04a21f24 [6] 0aa0d758 [7] 10946d90 [8] 04a8c8b0 [9] 02a2a2a0  0:429:x86> !DumpObj /d 0ea38dd4 Name:        ServiceStack.Redis.RedisClient MethodTable: 237ae954 EEClass:     2375d154 Size:        152(0x98) bytes File:        C:WindowsxxxServiceStack.Redis.dll Fields: ... 0129aa48  4000169       7d       System.Boolean  1 instance        1 <Active>k__BackingField ...  

从卦中看 writeClients 池只有10个大小，并且都是 Active=1，所以返回 null 就不足为奇了。

3. 为什么client都在使用中呢

要想找到这个答案，需要看下上层的 xxxBLL.GetxxxCount 方法是如何调用的，为了保护隐私，就多模糊一点。

从图中可以看到，问题出在用 foreach 去不断的迭代 ServiceStack.Redis 导致 writeClient 池耗尽，导致大量的请求在不断的阻塞，不要忘了这里有371个线程在争抢哦，真是大忌。

接下来顺带洞察下这个 foreach 要 foreach 多少次？ 继续用 !dso 去挖。

 0:429:x86> !DumpObj /d 077cec20 Name:        System.Collections.Generic.List`1[[xxxInfo, xxx]] MethodTable: 241ad794 EEClass:     0193166c Size:        24(0x18) bytes File:        C:WindowsMicrosoft.NetassemblyGAC_32mscorlibv4.0_4.0.0.0__b77a5c561934e089mscorlib.dll Fields:       MT    Field   Offset                 Type VT     Attr    Value Name 01860eec  4001891        4     System.__Canon[]  0 instance 077e0048 _items 0129c9b0  4001892        c         System.Int32  1 instance      307 _size 0129c9b0  4001893       10         System.Int32  1 instance      307 _version 01296780  4001894        8        System.Object  0 instance 00000000 _syncRoot 01860eec  4001895        4     System.__Canon[]  0   static  <no information>  

从卦中看当前需要循环307次，也就再次验证了池耗尽的说法，我知道心细的朋友肯定会说，卡死这个我认，但能导致 CPU爆高 我就不能理解了，其实你仔细阅读源码就能理解了，这是经典的 锁护送(lock convoy) 现象，因为满足如下两个条件。

1. 多线程的 foreach 高频调用。
2. Wait 导致线程暂停进入等待队列。

4. 如何解决这个问题

知道了前因后果，解决起来就比较简单了，三种做法：

1. 将 foreach 迭代 改成 批量化处理，减少对 writeclient 的租用。
2. 增加 writeclient 的池大小，官网有所介绍。
3. ServiceStack.Redis 的版本非常老，又是收费的，最好换掉已除后患。

三：总结

这次生产事故分析还是非常有意思的，一个看似阻塞的问题也会引发CPU爆高，超出了一些人的认知吧，对，其实它就是经典的 lock convoy 现象，大家有任何dump问题可以找我，一如既往的免费分析。