【全网首发】一次 Dubbo 线程上下文类加载器的疑难杂症分析原创
问题环境
dubbo：2.7.18
java：java8
问题背景
有业务（Java）的同学反馈，在接入了 devops 的某些 javaagent 以后会极大概率出现 dubbo 调用失败，dubbo 接口中用到的业务类都提示找不到，导致反序列化失败，部分日志输出如下：
[2023-02-09 19:22:58.982][][][DubboServerHandler-172.30.86.136:20880-thread-2][WARN][com.alibaba.com.caucho.hessian.io.SerializerFactory:686] Hessian/Burlap: 'com.seewo.kishframework.page.PageRequest' is an unknown class in org.springframework.boot.loader.LaunchedURLClassLoader@66373f77:
java.lang.ClassNotFoundException: com.seewo.kishframework.page.PageRequest
但是通过内存查看，com.seewo.kishframework.page.PageRequest 等失败的类都已经被org.springframework.boot.loader.LaunchedURLClassLoader@66373f77 加载.
离了个大谱。
源码初步分析
异常日志是在 com.alibaba.com.caucho.hessian.io.SerializerFactory#getDeserializer(java.lang.String) 这个函数中
try 代码中首先通过 loadSerializedClass 加载待反序列化的类，然后用这个 classloader 获取这个类对应的反序列化对象 deserializer。
loadSerializedClass 函数首先调用 getClassFactory 获取单例的 _classFactory，然后使用这个单例就加载类。
这里的 ClassFactory 创建的时候传入的 classloader 是当前线程的 ContextClassLoader。
public class Hessian2SerializerFactory extends SerializerFactory {
public Hessian2SerializerFactory() {
}
@Override
public ClassLoader getClassLoader() {
return Thread.currentThread().getContextClassLoader();
}
}
在首次初始化以后，反序列的类都是由此 SerializerFactory 加载。通过内存分析，可以看到，ClassFactory 的 classloader 居然是 sun.misc.Launcher$AppClassLoader，这个 classloader 的 classpath 是不包含 springboot 管理的 BOOT-INF 下的包的，导致这个 AppClassLoader 自然加载不到对应的类。
因此经过分析，之前日志里输出是误导的。
Hessian/Burlap: 'com.seewo.kishframework.page.PageRequest' is an unknown class in org.springframework.boot.loader.LaunchedURLClassLoader@66373f77:
java.lang.ClassNotFoundException: com.seewo.kishframework.page.PageRequest
这里显示是用 org.springframework.boot.loader.LaunchedURLClassLoader 去加载类找不到，是完全迷惑的，压根就不是用这个类加载器去加载的，而是用 ClassFactory 中的 _loader 。
现在就要搞清楚，为什么 ClassFactory 中的 _loader 会不对。
debug 阶段
通过修改 hessian-lite 的源码，重新替换对应的类，加入了堆栈
看下是谁第一次调用导致了懒加载单例的初始化，第一次调用的堆栈如下：
可以看到 DubboServerHandler-172.30.86.136-thread-2 这个线程的 ContextClassLoader 确实不知为何被设置为了sun.misc.Launcher$AppClassLoader，然后看更多日志，发现除了这个线程其它的 DubboServerHandler 线程的 ContextClassLoader 都是正常的。
这下问题思路基本上清晰了。因为 DubboServerHandler-172.30.86.136-thread-2 这个线程的 ContextClassLoader 是 sun.misc.Launcher$AppClassLoader，这线程最早调用 com.alibaba.com.caucho.hessian.io.SerializerFactory#getClassFactory 导致 SerializerFactory 的 _loader 被赋值为了 sun.misc.Launcher$AppClassLoader，后面的线程也没有机会对单例的 SerializerFactory 重新赋值。
接下来就是分析，最早的线程 DubboServerHandler-172.30.86.136-thread-2 是由谁创建的。又因为业务反馈他们去掉 devops 的 dubbo 健康检查 javaagent 以后，就没有再出现，于是把焦点放在了这个插件上。
这个插件的功能也很简单，就是监听一个端口，收到健康检查的请求以后，提交一个 Echo 任务到 dubbo 的任务池里，如果任务池没有被占满，可以被执行，那么表示 dubbo 健康，否则 dubbo 线程池已经被占满，表示不健康。
EchoTask 就是一个 Runnable，里面啥都没做
上面的 ThreadPoolExecutor 是通过字节码注入的方式从 dubbo 框架中获取的
问题就出在这个健康检查 javaagent 往 dubbo 的线程池提交的这个任务。为了弄清楚这个问题，需要一点点🤏🏻 Java ContextClassLoader 的知识。
线程上下文类加载器由继承自父线程。如果父线程没有设置上下文类加载器，则线程将继承类加载器的默认实现。线程 Thread 创建的代码如下：
private Thread(ThreadGroup g, Runnable target, String name,
long stackSize, AccessControlContext acc,
boolean inheritThreadLocals) {
this.name = name;
Thread parent = currentThread();
this.priority = parent.getPriority();
if (security == null || isCCLOverridden(parent.getClass()))
this.contextClassLoader = parent.getContextClassLoader();
else
this.contextClassLoader = parent.contextClassLoader;
}
往线程池里执行一个 runnable 的过程，就是调用 addWorker 创建线程并执行
public class ThreadPoolExecutor extends AbstractExecutorService {
public void execute(Runnable command) {
int c = ctl.get();
if (workerCountOf(c) < corePoolSize) {
if (addWorker(command, true)) // 创建并执行线程
return;
c = ctl.get();
}
}
private boolean addWorker(Runnable firstTask, boolean core) {
Worker w = null;
w = new Worker(firstTask); // 创建 worker
final Thread t = w.thread;
t.start(); // 启动线程
return true;
}
}
private final class Worker
extends AbstractQueuedSynchronizer
implements Runnable {
Worker(Runnable firstTask) {
setState(-1); // inhibit interrupts until runWorker
this.firstTask = firstTask;
this.thread = getThreadFactory().newThread(this); // 创建线程
}
}
dubbo 的 ThreadFactory 是 com.alibaba.dubbo.common.utils.NamedThreadFactory，里面构造了线程名。
public Thread newThread(Runnable runnable)
{
String name = mPrefix + mThreadNum.getAndIncrement();
Thread ret = new Thread(mGroup,runnable,name,0);
ret.setDaemon(mDaemo);
return ret;
}
从上面的代码可以分析出，创建的 DubboServerHandler 线程上下文类加载器，继承调用 new Thread 的父线程上下文类加载器。
可以用最简单的一个 demo 来看验证上面的结论。
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
class MyRunnable implements Runnable {
public void run() {
System.out.println("TCCL:" + Thread.currentThread().getContextClassLoader());
}
}
class MyClassLoader extends ClassLoader {
}
public class Test01 {
public static void main(String[] args) {
Thread.currentThread().setContextClassLoader(new MyClassLoader());
ExecutorService executors = Executors.newFixedThreadPool(100);
executors.execute(new MyRunnable()) ;
}
}
上面的代码输出
输出
TCCL:MyClassLoader@48140564
通过注入 org.apache.dubbo.common.threadlocal.NamedInternalThreadFactory.newThread 可以看到这个方法创建了 DubboServerHandler-172.30.102.71:20880-thread-1 线程。
于是这里的情况就很清楚了，因为 dubbo-health 这个 javaagent 是由 sun.misc.Launcher$AppClassLoader 加载的，其执行的线程上下文类加载器也是 sun.misc.Launcher$AppClassLoader，导致项目启动以后，k8s 不停发起健康检查触发了 javaagent 向 dubbo 线程池提交任务，导致了头几个 DubboServerHandler 线程（DubboServerHandler-xx-thread-1、DubboServerHandler-xx-thread-2等）的上下文成为了 sun.misc.Launcher$AppClassLoader。
当真实流量进来，被分派到头几个 DubboServerHandler 处理，此时它第一个调用 SerializerFactory 的 getClassFactory 导致 ClassFactory 的 _loader 被设置为了 sun.misc.Launcher$AppClassLoader，这个单例开始继续祸害了。
如果初始状态往 dubbo 线程池提交任务是一个很危险的事情，一定要保障线程的上下文是正确的，不然就悲剧了。
修改方法
这里修改方法也简单，只需要将提交任务的时候把自己 javaagent 的 classloader 切换为业务的 classloader 即可。
后记
发现旧版本的 dubbo 没有这个问题，是因为它是用 SerializerFactory 的 _loader，而不是 ClassFactory 中的 _loader
至于为什么，我就不想知道了。
