一現象描述
    開發反饋某產品的agent 的程式hang在某些執行緒上,檢視日誌,agent master 累積很多未處理的訊息佇列。在17:00 – 21:00 之間，有一定程度的寫入量低峰，猜測可能是寫入資料庫變慢了，不過從目前得到的資訊來看無法完全確定。
"pool-10-thread-12" prio=10 tid=0x000000005f36d000 nid=0x1d81 runnable [0x00000000441de000]
java.lang.Thread.State: RUNNABLE
at java.net.SocketInputStream.socketRead0(Native Method)
.......
at com.mysql.jdbc.util.ReadAheadInputStream.read(ReadAheadInputStream.java:189)
- locked <0x00002aaab6da9758> (a com.mysql.jdbc.util.ReadAheadInputStream)
.....
at com.mysql.jdbc.MysqlIO.sqlQueryDirect(MysqlIO.java:2140)
at com.mysql.jdbc.ConnectionImpl.execSQL(ConnectionImpl.java:2626)
   - locked <0x00002aaab6da9b30> (a java.lang.Object)
at com.mysql.jdbc.PreparedStatement.executeInternal(PreparedStatement.java:2111)
at com.mysql.jdbc.PreparedStatement.executeUpdate(PreparedStatement.java:2407)
at org.apache.commons.dbcp.DelegatingStatement.executeBatch(DelegatingStatement.java:297)
at org.apache.commons.dbcp.DelegatingStatement.executeBatch(DelegatingStatement.java:297)
.......
at org.springframework.jdbc.core.JdbcTemplate.execute(JdbcTemplate.java:619)
at org.springframework.jdbc.core.JdbcTemplate.batchUpdate(JdbcTemplate.java:866)
.......
at org.apache.mina.core.filterchain.DefaultIoFilterChain$EntryImpl$1.messageReceived(DefaultIoFilterChain.java:793)
at org.apache.mina.core.filterchain.IoFilterEvent.fire(IoFilterEvent.java:71)
at org.apache.mina.core.session.IoEvent.run(IoEvent.java:63)
.......
at org.apache.mina.filter.executor.OrderedThreadPoolExecutor$Worker.run(OrderedThreadPoolExecutor.java:714)
at java.lang.Thread.run(Thread.java:619)

二 問題分析
業務程式碼層面:檢視程式堆疊發現,用於處理 handler 的執行緒池全部耗盡，並且都在處理資料庫的操作，導致 agent後續上報的監控資料或者心跳都不能及時被 master接受，agent 也就被hang住！
  資料庫層面：檢查資料庫服務端的max_connections 為1024 遠大於應用連線池配置的16。
分析到這裡，簡單來看只要加大應用程式的連線池執行緒數即可！但是思考一下，為什麼3個多月執行平穩，反而現在出現異常？agent 等待資料被處理，說明涉及到資料庫相關操作處理速度緩慢，而一般響應慢，有以下原因：
1 sql程式不夠最佳化，需要調整索引結構或者應用訪問資料庫方式，比如增加快取。
2 os 磁碟IO異常，導致訪問資料慢。
對於本例應用為寫入型insert 居多,而無最佳化空間。到伺服器上檢視IO使用率：{資料}
avg-cpu: %user %nice %system %iowait %steal %idle
   14.31 0.00 4.82 19.67 0.00 61.20
Device: rrqm/s wrqm/s r/s   w/s rkB/s wkB/s avgrq-sz avgqu-sz   await svctm %util
sda 0.02 143.19 18.47 199.18 1487.19 2673.67 38.23 435.77 3.55 3.22 99.5
%util 已經跑滿，r/s 為17 。
我們資料庫伺服器的配置為 12塊的300G 的SAS 盤做RAID10,最大可以支撐3k-5k tps。
root@rac1 # megacli -LDInfo -Lall -aALL
Adapter 0 -- Virtual Drive Information:
Virtual Disk: 0 (Target Id: 0)
Name:
RAID Level: Primary-1, Secondary-0, RAID Level Qualifier-0
....
Default Cache Policy: WriteBack, ReadAheadNone, Direct, No Write Cache if Bad BBU
Current Cache Policy: WriteBack, ReadAheadNone, Direct, No Write Cache if Bad BBU
Access Policy: Read/Write
Disk Cache Policy: Disabled
檢視RAID 卡的日誌表明，磁碟的io策略由於RAID卡充放電的原因由WB改為WT。
root@rac1#megacli -FwTermLog dsply -aALL
11/08/14 3:36:58: prCallback: PR completed for pd=0a
11/08/14 3:36:58: PR cycle complete
11/08/14 3:36:58: EVT#14842-11/03/12 3:36:58: 35=Patrol Read complete
11/08/14 3:36:58: Next PR scheduled to start at 11/10/12 3:01:59
11/08/14 0:48:04: EVT#14843-11/04/12 0:48:04: 44=Time established as 11/04/12 0:48:04; (25714971 seconds since power on)
11/08/14 15:30:13: EVT#14844-11/05/12 15:30:13: 195=BBU disabled; changing WB virtual disks to WT ---問題的原因
11/08/14 15:30:13: Change in current cache property detected for LD : 0!
11/08/14 15:30:13: EVT#14845-11/05/12 15:30:13: 54=Policy change on VD 00/0 to [ID=00,dcp=0d,ccp=0c,ap=0,dc=0,dbgi=0,S=0|0] from [ID=00,dcp=0d,ccp=0d,ap=0,dc=0,dbgi=0,S=0|0]
抽絲剝繭之後，明顯是磁碟raid 卡充電將磁碟的寫策略有write back 修改為write through ，io效能急劇下降導致應用層的執行緒等待問題。

三擴充
介紹一點 RAID 卡知識
RAID卡都有寫cache(Battery Backed Write Cache),寫cache對IO效能的提升非常明顯,因為掉電會丟失資料,所以必須由電池提供支援。電池會定期充放電,一般為90天左右,當發現電量低於某個閥值時,會將寫cache策略從writeback置為writethrough,相當於寫cache會失效,這時如果系統有大量的IO操作,可能會明顯感覺到IO響應速度變慢,cpu 佇列堆積系統load 飆高。

【案例】RAID卡寫策略改變引發的問題

相關文章