今天測試團隊反饋說，服務A的響應很慢，我在想，測試環境也會慢？於是我自己用postman請求了一下接口，真的很慢，竟然要2s左右，正常就50ms左右的。
於是去測試服務器看了一下，發現服務器負載很高，並且該服務A占了很高的cpu。先用top命令，看了load average，發現都到了1.5左右（雙核cpu）了，並且有一個java進程（20798）占用cpu一直很高，如下圖：
於是，用命令jps -l看了一下java的20798，剛好就是服務A。
究竟服務A在跑什么，畢竟是測試環境。於是使用top -Hp 20798看一下是哪個線程在跑，如下圖：
發現線程20840占用cpu非常高，其他幾乎都是0。通過以下命令輸出該線程id（20840）的16進制：
printf "%x\n" 20840
輸出如下：
線程id（20840）的16進制是5186。
然后使用以下命令打印出該線程的堆棧信息：
jstack -l 20798 | grep -A 20 5168
輸入如下：
發現占用cpu的進程是jvm的GC線程，於是猜測是不是由於一直在進行FGC導致cpu飆高，於是使用以下命令看下FGC的頻率和耗時：
jstat -gc 20798 1000
輸出如下：
發現，果然是不斷地在進行着FGC，並且每次FGC的時間一直在升高。是什么導致一直都在FGC呢？是有大對象一直在創建，回收不了？於是使用以下命令看下heap中的對象情況：
jmap -histo:live 20798 | head -20
輸出如下：
發現一個業務類對象竟然有150w+個，並且占用了264M的堆大小，什么情況，並且這150w+個對象還是存活的（注意jmap使用的時候，已經帶上了:live選項，只輸出存活的對象），嚇我一跳。於是趕緊使用以下命令打出線程堆棧來看一下：
jstack -l 20798 > jstack_tmp.txt
輸出如下：
然后使用如下命令在輸出的線程堆棧中根據對象類查找一下：
grep -C 30 'omments' jstack_tmp.txt
輸出如下：
猜測是由於一下次從db load出了太多的CommentsEntity。
於是使用以下命令dump出heapdump出來重復確認一下：
jmap -dump:live,format=b,file=news_busy_live.hprof 20798
把heapdump文件news_busy_live.hprof下載到windows本地，使用mat工具進行分析，第一次打開發現打不開，畢竟news_busy_live.hprof有3G那么大，mat直接報OOM打不開，發現mat的配置文件MemoryAnalyzer.ini里面的配置-Xmx1024m，heap size才1G，太小了，於是改成-Xmx4096m，保存，重新打開mat，再打開news_busy_live.hprof文件即可，如下圖：
發現mat已經幫我們分析出了內存泄漏的可以對象，233w+個對象（前面通過jmap命令輸出的150W+個，是后面為了寫文章而專門重現的操作，這里的233w+個是當時真的出問題的時候dump出來的heap dump文件），太恐怖了。
通過以下操作，查看
點擊exclude all ....，因為弱引用，軟引用，虛引用等都可以被GC回收的，所以exclude，輸出如下：
發現一共有6個線程引用了那233w+個對象，於是去前面dump出來的線程堆棧跟蹤以下這幾個線程的情況，發現堆棧里面剛好這幾個線程也是在處理comments相關的邏輯，這個是剛好碰巧，一般線程id都對不上的，畢竟線程處理完之后就釋放了的。所以我們還是看回前面線程堆棧的信息，這里貼出根據關鍵字"omment"搜索出來的線程堆棧的信息，如下：
"XNIO-5 task-77" #248 prio=5 os_prio=0 tid=0x00007fc4511be800 nid=0x8f7 runnable [0x00007fc3e5af2000] java.lang.Thread.State: RUNNABLE ... at cn.xxxxxx.news.commons.redis.RedisUtil.setZSet(RedisUtil.java:1080) at cn.xxxxxx.news.service.impl.CommentsServiceV2Impl.setCommentIntoRedis(CommentsServiceV2Impl.java:1605) at cn.xxxxxx.news.service.impl.CommentsServiceV2Impl.loadCommentsFromDB(CommentsServiceV2Impl.java:386) ... at cn.xxxxxx.xxxs.controller.vxxx.xxxxController.getxxxxxx(NewsContentController.java:404) at cn.xxxxxx.xxx.controller.vxxx.xxxxxController$$FastClassBySpringCGLIB$$e7968481.invoke(<generated>) ... at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142) at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617) at java.lang.Thread.run(Thread.java:745) Locked ownable synchronizers: - <0x00000000f671ecd0> (a java.util.concurrent.ThreadPoolExecutor$Worker)
從上面的堆棧信息，結合前面的猜測（猜測是一次性從db load出太多的CommentsEntity），猜測應該是函數loadCommentsFromDB一次性從db load出太多CommentsEntity了。於是看了一下業務代碼，發現load出來的commentsEntity會放到redis的某一個zset，於是使用redis destopmanger看一下這個zset的數據，發現這個zset有22w的數據，從中找出幾條，發現對應的newsPk都是同一個，根據newsPk在db中找一下該newsPk的comments總記錄，發現該newsPk的comments記錄數是38w+條，那就是這個問題了，一次性從db中load了38w+的數據到內存。
一次性load那么多數據到內存，這肯定是一個慢查詢，不管是db還是網絡io，都肯定很慢。然后發現業務代碼還會有一個for循環，把這個CommentsEntityList遍歷一遍，一條一條放到redis，這也是一個非常慢的過程。
然后我去看了服務A的access log，發現在短時間內，請求了該newsPk多次數據，所以就導致了jvm的heap空間不夠，然后出現不斷FGC的現象，並且該newsPk的請求，由於超時，都在網關超時返回了。
為了驗證這個問題，我把相關的redis緩存刪除，然后調用該newsPk的接口獲取數據，發現很慢，並且cpu立刻飈上去了，然后調多幾次，並且不斷地進行FGC，至此已經復現了該問題，和猜測的一樣。等數據load到redis之后，再訪問該接口，就很正常沒問題。
上面發現問題的代碼，找時間做一下優化才行，先重啟服務A，讓服務可用先。
歡迎關注微信公眾號“ismallboy”，請掃碼並關注以下公眾號，並在公眾號下面回復“FGC”，獲得本文最新內容。
