告警
正在開會，突然釘釘告警聲響個不停，同時市場人員反饋客戶在投訴系統登不進了，報504錯誤。檢視釘釘上的告警資訊，幾臺業務伺服器節點全部報CPU超過告警閾值，達100%。
趕緊從會上下來，SSH登入伺服器，使用 top 命令檢視，幾個Java程式CPU佔用達到180%，190%，這幾個Java程式對應同一個業務服務的幾個Pod（或容器）。
定位
- 使用 docker stats 命令檢視本節點容器資源使用情況，對佔用CPU很高的容器使用 docker exec -it <容器ID>bash 進入。
- 在容器內部執行 top 命令檢視，定位到佔用CPU高的程式ID，使用 top -Hp <程式ID> 定位到佔用CPU高的執行緒ID。
- 使用 jstack <程式ID> > jstack.txt 將程式的執行緒棧列印輸出。
- 退出容器， 使用 docker cp <容器ID>:/usr/local/tomcat/jstack.txt ./ 命令將jstack檔案複製到宿主機，便於檢視。獲取到jstack資訊後，趕緊重啟服務讓服務恢復可用。
5.將2中佔用CPU高的執行緒ID使用 pringf '%x\n' <執行緒ID> 命令將執行緒ID轉換為十六進位制形式。假設執行緒ID為133，則得到十六進位制85。在jstack.txt檔案中定位到 nid=0x85的位置，該位置即為佔用CPU高執行緒的執行棧資訊。如下圖所示，
- 與同事確認，該處為使用一個框架的excel匯出功能，並且，匯出excel時沒有分頁，沒有限制！！！檢視SQL查詢記錄，該匯出功能一次匯出50w條資料，並且每條資料都需要做轉換計算，更為糟糕的是，操作者因為匯出時久久沒有響應，於是連續點選，幾分鐘內發起了10多次的匯出請求。。。於是，CPU被打滿，服務崩潰了，我也崩潰了。。
解決
對於此類耗資源的操作，一定要做好相應的限制。比如可以限制請求量，控制最大分頁大小，同時可以限制訪問頻率，比如同一使用者一分鐘內最多請求多少次。
再發
服務重啟後恢復。到了下午，又一臺伺服器節點CPU告警，依前面步驟定位到佔用CPU高的執行緒，如下
"GC task thread#0 (ParallelGC)" os_prio=0 tid=0x00007fa114020800 nid=0x10 runnable
"GC task thread#1 (ParallelGC)" os_prio=0 tid=0x00007fa114022000 nid=0x11 runnable
使用命令 jstat -gcutil <程式ID> 2000 10 檢視GC情況，如圖
發現Full GC次數達到1000多次，且還在不斷增長，同時Eden區，Old區已經被佔滿（也可使用jmap -heap <程式ID>檢視堆記憶體各區的佔用情況），使用jmap將記憶體使用情況dump出來，
jmap -dump:format=b,file=./jmap.dump 13
退出容器，使用 docker cp <容器ID>:/usr/local/tomcat/jmap.dump ./ 將dump檔案複製到宿主機目錄，下載到本地，使用 MemoryAnalyzer（下載地址：www.eclipse.org/mat/downloa… ）開啟，如圖
如果dump檔案比較大，需要增大MemoryAnalyzer.ini配置檔案中的-Xmx值
發現佔用記憶體最多的是char[], String物件，通過右鍵可以檢視引用物件，但點開貌似也看不出所以然來，進入記憶體洩露報告頁面，如圖
該頁面統計了堆記憶體的佔用情況，並且給出疑似洩露點，在上圖中點開“see stacktrace”連結，進入執行緒棧頁面，
似曾熟悉的畫面，還是跟excel匯出有關，資料太多，導致記憶體溢位。。。於是GC頻繁，於是CPU爆了。根源還是同一個。
總結
本文以處理一次線上服務CPU 100%的實戰過程示例了在遇到Java服務造成伺服器CPU消耗過高或記憶體溢位的一般處理方法，希望對大家定位線上類似問題提供參考。同時，開發實現功能時需要考慮的更深遠一些，不能停留在解決當前的場景，需要考慮資料量不斷增大時，你的實現是否還能適用。俗話說，初級程式設計師解決當前問題，中級程式設計師解決兩年後的問題，高階程式設計師解決五年後的問題，_。
作者：雨歌
