DotTrace系列：6. 程序异常诊断和 Request慢处理

技术分享 9个月前 (06-29) 0 999+

关注

一：背景

1. 讲故事

在我分析的众多dump中，有一些CPU爆高是因为高频的抛 Exception 导致，比如下面这张图，有 19 个线程都在抛 xxxResultException 异常。

从卦中虽知大量异常的痕迹，但从严谨的角度来说，最好再卜一卦，就是用 perfview 或者 dottrace 在 cpu 爆高的时段记录下异常的数量，这样就稳了，这篇我们就来解决这个棘手的问题。

二：异常诊断和 Request慢处理

1. 程序异常诊断

有一个项目平时CPU的利用率都是几个点，突然在某段时间CPU明显升高，高达20多个点，我想知道此时程序在干什么？截图如下：

这种问题除了抓dump，还有一个轻量级的途径就是用 dottrace，开启 timeline 模式跟踪，收集一段时间之后，打开跟踪文件。

从卦中可以看出如下信息：

大量的线程池线程正在 Running （灰蓝色）
Exceptions 事件个数高达 341w。
产生异常最多的是 ThrowHighFrequencyException 方法。
追踪周期仅为 15s

以上四个信息就能非常确认，程序的CPU爆高就是因为大量抛出异常所致，接下来选择Filters面板中的 Exceptions 进行下钻观察 异常类型 和 异常消息 的分布，截图如下：

从卦中可以看到 InvalidOperationException 异常抛的是最多的，高达 273w，并且还是定位在 ThrowHighFrequencyException 方中，接下来对父子方法 Show Code，代码参考如下：

     private static void WorkerThreadProc()     {         Random random = new Random(Thread.CurrentThread.ManagedThreadId);          while (running)         {             try             {                 // 80%概率抛出高频异常，20%概率抛出其他异常                 if (random.Next(100) < 80)                 {                     ThrowHighFrequencyException();                 }                 else                 {                     ThrowLowFrequencyException(random);                 }             }             catch (InvalidOperationException)             {                 Interlocked.Increment(ref highFrequencyExceptions);                 Interlocked.Increment(ref totalExceptions);             }             catch             {                 Interlocked.Increment(ref totalExceptions);             }         }     }      // 高频异常方法     private static void ThrowHighFrequencyException()     {         throw new InvalidOperationException("高频异常：无效操作");     }

到此问题真相大白，有些朋友可能想知道每个异常发生的时点，这就需要你放大 时间轴 了哈，图中的黑色便是。

还有一种方式就是打开 Event 面板 View -> Events，然后观察左侧的偏移时间(Timestamp)，非常清楚加明细，截图如下：

2. Request慢处理

在给web程序做性能优化时，经常要做的一件事情就是查找慢请求，这也是 dotrace 的强项，它用一个 Incoming HTTP Requests 提供了独家支持，刚好手里有一个 dtp 文件，直接打开。

从卦中可以看到当前程序涉及到的 http 请求总时间为 12s，那 12s 都被哪些request 请求分摊着呢？继续下钻即可，选择 Incoming HTTP Requests，截图如下：

从卦中可以看到当前 WeatherForecast/slow-random 累计时间是最高的，其次是 WeatherForecast/slow-fixed，这里有一个误区，累计时间最高不见得单次时间就高，这是一个很显然的道理。

接下来观察下 WeatherForecast/slow-random 请求的分布情况，观察时间轴可知有两次请求，截图如下：

接下来的问题是这两个请求来自于哪两个方法呢？选中一个时间稍微长的，放大时间轴之后，点击 Plain List 观察 Total Time 最高的一列即可，截图如下：

最后就是 Show Code 观察 GetWithRandomDelay 方法的源代码，参考如下：

         // 2. 随机慢速接口 - 延迟2-5秒随机         [HttpGet("slow-random")]         public async Task<IEnumerable<WeatherForecast>> GetWithRandomDelay()         {             // 随机等待2-5秒             var delay = Random.Shared.Next(2000, 5000);             await Task.Delay(delay);              return GenerateRandomForecasts(5);         }         // 辅助方法：生成随机天气预报数据         private IEnumerable<WeatherForecast> GenerateRandomForecasts(int count)         {             return Enumerable.Range(1, count).Select(index => new WeatherForecast             {                 Date = DateOnly.FromDateTime(DateTime.Now.AddDays(index)),                 TemperatureC = Random.Shared.Next(-20, 55),                 Summary = Summaries[Random.Shared.Next(Summaries.Length)]             });         }

当然其他接口的调查也可以参考同样的方式。