記一次JVM FullGC引起嚴重線上事故的定位、分析、解決過程

掃描下方海報二維碼，試聽課程：

（課程詳細大綱，請參見文末）

「 這篇文章給你們聊一次線上生產系統事故的解決經歷，其背後表明的是線上生產系統的JVM FullGC可能引起的嚴重故障。

1、業務場景介紹

先簡單說說線上生產系統的一個背景，由於僅僅是文章做爲案例來說，因此弱化大量的業務背景。

簡單來講，這是一套分佈式系統，系統A須要將一個很是核心以及關鍵的數據經過網絡請求，傳輸給另一個系統B。

因此這裏其實就考慮到了一個問題，若是系統A剛剛將核心數據傳遞給了系統B，結果系統B莫名其妙宕機了，豈不是會致使數據丟失？

因此在這個分佈式系統的架構設計中，採起了很是經典的一個Quorum算法。

這個算法簡單來講，就是系統B必需要部署奇數個節點，好比說至少部署3臺機器，或者是5臺機器，7臺機器，相似這樣子。

而後系統A每次傳輸一個數據給系統，都必需要對系統B部署的所有機器都發送請求，將一份數據傳輸給系統B部署的全部機器。

要斷定系統A對系統B的一次數據寫是成功的，要求系統A必須在指定時間範圍內對超過Quorum數量的系統B所在機器傳輸成功。

舉個例子，假設系統B部署了3臺機器，那麼他的Quorum數量就是：3 / 2 + 1 = 2，也就是說系統B的Quorum數量就是：全部機器數量 / 2 + 1。

因此係統A要斷定一個核心數據是否寫成功，若是系統B一共部署了3臺機器的話，那麼系統A必須在指定時間內收到2臺系統B所在機器返回的寫成功的響應。

此時系統A才能認爲這條數據對系統B是寫成功了。這個就是所謂的Quorum機制。

也就是說，分佈式架構下，系統之間傳輸數據，一個系統要確保本身給另一個系統傳輸的數據不會丟失，必需要在指定時間內，收到另一個系統Quorum（大多數）數量的機器響應說寫成功。

這套機制實際上在不少分佈式系統、中間件系統中都有很是普遍的使用，咱們線上的分佈式系統也是採用了這個Quorum機制在兩個系統之間傳輸數據。

給你們上一張圖，一塊兒來看一下這套架構長啥樣。

如上圖所示，圖中很清晰的展現了系統A和系統B之間傳輸一份數據時的Quorum機制。

接下來，咱們用代碼給你們展現一下，上面的Quorum寫機制在代碼層面大概是什麼樣子的。

PS：

由於實際這套機制涉及大量的底層網絡傳輸、通訊、容錯、優化的東西，因此下面代碼通過了大幅度簡化，僅僅表達出了一個核心的意思。

上面就是通過大幅精簡後的代碼，不過核心的意思是表達清晰了。你們能夠仔細看兩遍，其實仍是很容易弄懂的。

這段代碼其實含義很簡單，說白了就是異步開啓線程發送數據給系統B全部的機器，同時進入一個while循環等待系統B的Quorum數量的機器返回響應結果。

若是超過指定超時時間還沒收到預期數量的機器返回結果，那麼就斷定系統B部署的集羣出現故障，接着讓系統A直接退出，至關於系統A宕機。

整個代碼，就是這麼個意思！

2、問題凸現

光是看代碼其實沒啥難的，可是問題就在於線上運行的時候，可不是跟你寫代碼的時候想的同樣簡單。

有一次線上生產系統運行的過程當中，總體系統負載都很平穩，原本是不該該有什麼問題，可是結果忽然收到報警，說系統A忽然宕機了。

而後就開始進行排查，左排查右排查，發現系統B集羣都好好的，不該該有問題。

而後再查查系統A，發現系統A別的地方也沒什麼問題。

最後結合系統A自身的日誌，以及系統A的JVM FullGC進行垃圾回收的日誌，咱們纔算是搞清楚了具體的故障緣由。

3、定位問題

其實緣由很是的簡單，就是系統A在線上運行一段時間後，會偶發性的進行長時間Stop the World的JVM FullGC，也就是大面積垃圾回收。

可是，此時會形成系統A內部的工做線程大量的卡頓，再也不工做。要等JVM FullGC結束以後，工做線程纔會恢復運做。

咱們來看下面那個代碼片斷：

可是這種系統A的莫名宕機是不正確的，由於若是沒有JVM FullGC，原本上面那個if語句是不會成立的。

他會停頓1秒鐘進入下一輪while循環，接着就能夠收到系統B返回的Quorum數量的結果，這個while循環就能夠中斷，繼續運行了。

結果由於出現了JVM FullGC卡頓了幾十秒，致使莫名其妙就觸發了if判斷的執行，系統A莫名其妙就退出宕機了。

因此，線上JVM FullGC致使的系統長時間卡頓，是形成系統不穩定運行的隱形殺手之一！

4、解決問題

至於上述代碼穩定性的優化，也很簡單。咱們只要在代碼里加入一些東西，監控一下上述代碼中是否發生了JVM FullGC。

若是發生了JVM FullGC，就自動延長expireTime就能夠了。

好比下面代碼的改進：

經過上述代碼的改進，就能夠有效的優化線上系統的穩定性，保證其在JVM FullGC發生的狀況下，也不會隨意出現異常宕機退出的狀況了。

END

《21天互聯網Java進階面試訓練營（分佈式篇）》詳細目錄，掃描圖片末尾的二維碼，試聽課程