【全网首发】MQ-消息堆积-JDK Bug导致线程阻塞案例分析原创
背景介绍
业务介绍
在某学习APP浏览文章，客户端会将浏览的文章信息上传到服务端，服务端将浏览信息最终存储到HBase；
在某学习APP首页点击【我的】->【历史】，会展示用户浏览文章的历史记录。
技术介绍
服务端的服务是【阅读历史离线服务】，从metaq消费用户阅读文章的信息，解析、处理相关业务逻辑，最后存储到HBase。
问题现象
ECS监控
两台机器【xx-xxxx-xxx-xxx-xxx-xxx-6、xx-xxx-xxx-xxx-xxx-xxx-1】在早高峰的时候Load很高，CPU使用率正常。
metaq监控
造成消息消费的慢，每天早上都有大量消息堆积，导致用户看不到自己的阅读历史。
问题分析
基本情况
【阅读历史离线服务】共有x台ECS，每台ECS配置是8c16g。其中x台机器正常，2台机器不正常。
排查思路
找不同
分析不正常机器与正常机器有哪些差异：对比了【应用程序版本】、【应用程序配置】、【JVM配置参数】、【JDK版本】、【操作系统版本】，发现【JDK版本】不一致。
正常机器：
openjdk version "1.8.0_171"
OpenJDK Runtime Environment (build 1.8.0_171-b10)
OpenJDK 64-Bit Server VM (build 25.171-b10, mixed mode)
异常机器：
openjdk version "1.8.0_222"
OpenJDK Runtime Environment (build 1.8.0_222-b10)
OpenJDK 64-Bit Server VM (build 25.222-b10, mixed mode)
到此初步定位不同机器运行状态不一致的现象是由于【JDK版本】不一致造成的，所以将【问题机器的JDK版本】替换为【正常机器的JDK版本】问题就可以解决了。
定位问题代码
但是问题的根因还需要尝试排查一下，既然是【JDK版本】不一致造成的，那么会不会是【1.8.0_222】这个版本中有BUG，刚好我们写的程序触发了这个BUG？
所以接下来需要弄清楚程序运行过程中执行了哪些业务逻辑、这些业务逻辑涉及到了哪些JDK API，直接想到的工具是arthas profiler，下面是抓到的热点方法。
通过对比【异常机器】与【正常机器】的热点方法，发现Runtime.getRuntime().availableProcessors()很可疑：
业务相关代码：
CompletableFuture<Result> completableFuture = //业务逻辑，调用hbase-client中api
completableFuture.whenCompleteAsync((result, t) -> {
//业务逻辑处理
}, Pool.getSubmitPool()).exceptionally((t) -> {
//业务逻辑处理
}).get();
CompletableFuture相关代码:
/**
* Waits if necessary for this future to complete, and then
* returns its result.
*
* @return the result value
* @throws CancellationException if this future was cancelled
* @throws ExecutionException if this future completed exceptionally
* @throws InterruptedException if the current thread was interrupted
* while waiting
*/
public T get() throws InterruptedException, ExecutionException {
Object r;
return reportGet((r = result) == null ? waitingGet(true) : r);
}
/**
* Returns raw result after waiting, or null if interruptible and
* interrupted.
*/
private Object waitingGet(boolean interruptible) {
Signaller q = null;
boolean queued = false;
int spins = -1;
Object r;
while ((r = result) == null) {
if (spins < 0)
spins = (Runtime.getRuntime().availableProcessors() > 1) ?
1 << 8 : 0; // Use brief spin-wait on multiprocessors
else if (spins > 0) {
if (ThreadLocalRandom.nextSecondarySeed() >= 0)
--spins;
}
else if (q == null)
q = new Signaller(interruptible, 0L, 0L);
else if (!queued)
queued = tryPushStack(q);
else if (interruptible && q.interruptControl < 0) {
q.thread = null;
cleanStack();
return null;
}
else if (q.thread != null && result == null) {
try {
ForkJoinPool.managedBlock(q);
} catch (InterruptedException ie) {
q.interruptControl = -1;
}
}
}
if (q != null) {
q.thread = null;
if (q.interruptControl < 0) {
if (interruptible)
r = null; // report interruption
else
Thread.currentThread().interrupt();
}
}
postComplete();
return r;
}
猜测验证
public class Processors {
public static void main(String []args) {
int availableProcessors = Runtime.getRuntime().availableProcessors();
System.out.println("Available Processors: " + availableProcessors);
for(int i = 0;i < availableProcessors;i++){
Thread t = new Thread(()-> {
while (true){
try {
int ps = Runtime.getRuntime().availableProcessors();
Thread.sleep(1L);
}catch (Exception e){
e.printStackTrace();
}
}
});
t.start();
}
}
}
将验证代码在【JDK版本】为【1.8.0_222】的机器上运行，随即复现了线上问题。
定位根因
那么【1.8.0_222】与【1.8.0_171】版本在Runtime.getRuntime().availableProcessors()的实现上有什么差别呢？【1.8.0_222】增加了容器环境的逻辑，比【1.8.0_171】复杂了很多。
最后我们看看在https://bugs.openjdk.java.net/的解释吧。
总结：
Runtime.getRuntime().availableProcessors()在不同JDK版本上的实现是没有问题的，CompletableFuture.waitingGet在【1.8.0_222】版本上，没有测试到Runtime.getRuntime().availableProcessors()对性能的影响，导致了性能问题。
解决方法
openjdk在1.8.0_191~1.8.0_222之间的版本都存在问题，换成1.8.0_191之前，或1.8.0_232及以后的版本可以。
问题根因
CompletableFuture.get()的实现方式在一些jdk版本存在缺陷，
详情见：CompletableFuture should not call Runtime.availableProcessors on fast path
