為啥要用HahSet?

假如我們現(xiàn)在想要在一大堆數(shù)據(jù)中查找X數(shù)據(jù)。LinkedList的數(shù)據(jù)結(jié)構(gòu)就不說(shuō)了，查找效率低的可怕。ArrayList哪，如果我們不知道X的位置序號(hào)，還是一樣要全部遍歷一次直到查到結(jié)果，效率一樣可怕。HashSet天生就是為了提高查找效率的。

背景

上午剛到公司，準(zhǔn)備開始一天的摸魚之旅時(shí)突然收到了一封監(jiān)控中心的郵件。

心中暗道不好，因?yàn)楸O(jiān)控系統(tǒng)從來(lái)不會(huì)告訴我應(yīng)用完美無(wú) bug，其實(shí)系統(tǒng)挺猥瑣。

打開郵件一看，果然告知我有一個(gè)應(yīng)用的線程池隊(duì)列達(dá)到閾值觸發(fā)了報(bào)警。

由于這個(gè)應(yīng)用出問題非常影響用戶體驗(yàn)；于是立馬讓運(yùn)維保留現(xiàn)場(chǎng) dump 線程和內(nèi)存同時(shí)重啟應(yīng)用，還好重啟之后恢復(fù)正常。于是開始著手排查問題。

分析

首先了解下這個(gè)應(yīng)用大概是做什么的。

簡(jiǎn)單來(lái)說(shuō)就是從 MQ 中取出數(shù)據(jù)然后丟到后面的業(yè)務(wù)線程池中做具體的業(yè)務(wù)處理。

而報(bào)警的隊(duì)列正好就是這個(gè)線程池的隊(duì)列。

跟蹤代碼發(fā)現(xiàn)構(gòu)建線程池的方式如下：

ThreadPoolExecutor executor = new ThreadPoolExecutor(coreSize, maxSize,
  0L, TimeUnit.MILLISECONDS,
  new LinkedBlockingQueue<Runnable>());;
  put(poolName,executor);

采用的是默認(rèn)的 LinkedBlockingQueue 并沒有指定大?。ㄟ@也是個(gè)坑），于是這個(gè)隊(duì)列的默認(rèn)大小為 Integer.MAX_VALUE。

由于應(yīng)用已經(jīng)重啟，只能從僅存的線程快照和內(nèi)存快照進(jìn)行分析。

內(nèi)存分析

先利用 MAT 分析了內(nèi)存，的到了如下報(bào)告。

其中有兩個(gè)比較大的對(duì)象，一個(gè)就是之前線程池存放任務(wù)的 LinkedBlockingQueue，還有一個(gè)則是 HashSet。

當(dāng)然其中隊(duì)列占用了大量的內(nèi)存，所以優(yōu)先查看，HashSet 一會(huì)兒再看。

由于隊(duì)列的大小給的夠大，所以結(jié)合目前的情況來(lái)看應(yīng)當(dāng)是線程池里的任務(wù)處理較慢，導(dǎo)致隊(duì)列的任務(wù)越堆越多，至少這是目前可以得出的結(jié)論。

線程分析

再來(lái)看看線程的分析，這里利用fastthread.io 這個(gè)網(wǎng)站進(jìn)行線程分析。

因?yàn)閺谋憩F(xiàn)來(lái)看線程池里的任務(wù)遲遲沒有執(zhí)行完畢，所以主要看看它們?cè)诟陕铩?/p>

正好他們都處于 RUNNABLE 狀態(tài)，同時(shí)堆棧如下：

發(fā)現(xiàn)正好就是在處理上文提到的 HashSet，看這個(gè)堆棧是在查詢 key 是否存在。通過查看 312 行的業(yè)務(wù)代碼確實(shí)也是如此。

這里的線程名字也是個(gè)坑，讓我找了好久。

定位

分析了內(nèi)存和線程的堆棧之后其實(shí)已經(jīng)大概猜出一些問題了。

這里其實(shí)有一個(gè)前提忘記講到：

這個(gè)告警是凌晨三點(diǎn)發(fā)出的郵件，但并沒有電話提醒之類的，所以大家都不知道。

到了早上上班時(shí)才發(fā)現(xiàn)并立即 dump 了上面的證據(jù)。

所有有一個(gè)很重要的事實(shí)：這幾個(gè)業(yè)務(wù)線程在查詢 HashSet 的時(shí)候運(yùn)行了 6 7 個(gè)小時(shí)都沒有返回。

通過之前的監(jiān)控曲線圖也可以看出：

操作系統(tǒng)在之前一直處于高負(fù)載中，直到我們?cè)缟峡吹綀?bào)警重啟之后才降低。

同時(shí)發(fā)現(xiàn)這個(gè)應(yīng)用生產(chǎn)上運(yùn)行的是 JDK1.7 ，所以我初步認(rèn)為應(yīng)該是在查詢 key 的時(shí)候進(jìn)入了 HashMap 的環(huán)形鏈表導(dǎo)致 CPU 高負(fù)載同時(shí)也進(jìn)入了死循環(huán)。

為了驗(yàn)證這個(gè)問題再次 review 了代碼。

整理之后的偽代碼如下：

//線程池
private ExecutorService executor;
private Set<String> set = new hashSet();
private void execute(){
 
 while(true){
 //從 MQ 中獲取數(shù)據(jù)
 String key = subMQ();
 executor.excute(new Worker(key)) ;
 }
}
public class Worker extends Thread{
 private String key ;
 public Worker(String key){
 this.key = key;
 }
 @Override
 private void run(){
 if(!set.contains(key)){
 //數(shù)據(jù)庫(kù)查詢
 if(queryDB(key)){
 set.add(key);
 return;
 }
 }
 //達(dá)到某種條件時(shí)清空 set
 if(flag){
 set = null ;
 }
 } 
}

大致的流程如下：

• 源源不斷的從 MQ 中獲取數(shù)據(jù)。
• 將數(shù)據(jù)丟到業(yè)務(wù)線程池中。
• 判斷數(shù)據(jù)是否已經(jīng)寫入了 Set。
• 沒有則查詢數(shù)據(jù)庫(kù)。
• 之后寫入到 Set 中。

這里有一個(gè)很明顯的問題，那就是作為共享資源的 Set 并沒有做任何的同步處理。

這里會(huì)有多個(gè)線程并發(fā)的操作，由于 HashSet 其實(shí)本質(zhì)上就是 HashMap，所以它肯定是線程不安全的，所以會(huì)出現(xiàn)兩個(gè)問題：

• Set 中的數(shù)據(jù)在并發(fā)寫入時(shí)被覆蓋導(dǎo)致數(shù)據(jù)不準(zhǔn)確。
• 會(huì)在擴(kuò)容的時(shí)候形成環(huán)形鏈表。

第一個(gè)問題相對(duì)于第二個(gè)還能接受。

通過上文的內(nèi)存分析我們已經(jīng)知道這個(gè) set 中的數(shù)據(jù)已經(jīng)不少了。同時(shí)由于初始化時(shí)并沒有指定大小，僅僅只是默認(rèn)值，所以在大量的并發(fā)寫入時(shí)候會(huì)導(dǎo)致頻繁的擴(kuò)容，而在 1.7 的條件下又可能會(huì)形成環(huán)形鏈表。

不巧的是代碼中也有查詢操作（contains()）,觀察上文的堆棧情況：

發(fā)現(xiàn)是運(yùn)行在 HashMap 的 465 行，來(lái)看看 1.7 中那里具體在做什么：

已經(jīng)很明顯了。這里在遍歷鏈表，同時(shí)由于形成了環(huán)形鏈表導(dǎo)致這個(gè) e.next 永遠(yuǎn)不為空，所以這個(gè)循環(huán)也不會(huì)退出了。

到這里其實(shí)已經(jīng)找到問題了，但還有一個(gè)疑問是為什么線程池里的任務(wù)隊(duì)列會(huì)越堆越多。我第一直覺是任務(wù)執(zhí)行太慢導(dǎo)致的。

仔細(xì)查看了代碼發(fā)現(xiàn)只有一個(gè)地方可能會(huì)慢：也就是有一個(gè)數(shù)據(jù)庫(kù)的查詢。

把這個(gè) SQL 拿到生產(chǎn)環(huán)境執(zhí)行發(fā)現(xiàn)確實(shí)不快，查看索引發(fā)現(xiàn)都有命中。

但我一看表中的數(shù)據(jù)發(fā)現(xiàn)已經(jīng)快有 7000W 的數(shù)據(jù)了。同時(shí)經(jīng)過運(yùn)維得知 MySQL 那臺(tái)服務(wù)器的 IO 壓力也比較大。

所以這個(gè)原因也比較明顯了：

由于每消費(fèi)一條數(shù)據(jù)都要去查詢一次數(shù)據(jù)庫(kù)，MySQL 本身壓力就比較大，加上數(shù)據(jù)量也很高所以導(dǎo)致這個(gè) IO 響應(yīng)較慢，導(dǎo)致整個(gè)任務(wù)處理的就比較慢了。

但還有一個(gè)原因也不能忽視；由于所有的業(yè)務(wù)線程在某個(gè)時(shí)間點(diǎn)都進(jìn)入了死循環(huán)，根本沒有執(zhí)行完任務(wù)的機(jī)會(huì)，而后面的數(shù)據(jù)還在源源不斷的進(jìn)入，所以這個(gè)隊(duì)列只會(huì)越堆越多！

這其實(shí)是一個(gè)老應(yīng)用了，可能會(huì)有人問為什么之前沒出現(xiàn)問題。

這是因?yàn)橹皵?shù)據(jù)量都比較少，即使是并發(fā)寫入也沒有出現(xiàn)并發(fā)擴(kuò)容形成環(huán)形鏈表的情況。這段時(shí)間業(yè)務(wù)量的暴增正好把這個(gè)隱藏的雷給揪出來(lái)了。所以還是得信墨菲他老人家的話。

總結(jié)

至此整個(gè)排查結(jié)束，而我們后續(xù)的調(diào)整措施大概如下：

• HashSet 不是線程安全的，換為 ConcurrentHashMap同時(shí)把 value 寫死一樣可以達(dá)到 set 的效果。
• 根據(jù)我們后面的監(jiān)控，初始化 ConcurrentHashMap 的大小盡量大一些，避免頻繁的擴(kuò)容。
• MySQL 中很多數(shù)據(jù)都已經(jīng)不用了，進(jìn)行冷熱處理。盡量降低單表數(shù)據(jù)量。同時(shí)后期考慮分表。
• 查數(shù)據(jù)那里調(diào)整為查緩存，提高查詢效率。
• 線程池的名稱一定得取的有意義，不然是自己給自己增加難度。
• 根據(jù)監(jiān)控將線程池的隊(duì)列大小調(diào)整為一個(gè)具體值，并且要有拒絕策略。
• 升級(jí)到 JDK1.8。
• 再一個(gè)是報(bào)警郵件酌情考慮為電話通知😂。

HashMap 的死循環(huán)問題在網(wǎng)上層出不窮，沒想到還真被我遇到了。現(xiàn)在要滿足這個(gè)條件還是挺少見的，比如 1.8 以下的 JDK 這一條可能大多數(shù)人就碰不到，正好又證實(shí)了一次墨菲定律。

好了，以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，如果有疑問大家可以留言交流，謝謝大家對(duì)腳本之家的支持。

最新評(píng)論