記一次 .NET 某化妝品 webapi 卡死分析

一線碼農發表於2021-12-06
WebAPI

一：背景

1. 講故事

10月份星球裡的一位老朋友找到我，說他們公司的程式在一個網紅直播帶貨下給弄得無響應了，無響應期間有大量的 RabbitMQ 超時，尋求如何找到根源，聊天截圖我就不發了。

既然無響應了，那必然是程式的大量執行緒被主動或者被動的掛起，朋友也很及時的從程式上抽了一管血下來，接下來就上 windbg 一起探究下到底發生了什麼？

二：Windbg 分析

1. 執行緒們都怎麼了

要想看所有執行緒，還是老命令 !t 。


0:000> !t
ThreadCount:      5221
UnstartedThread:  0
BackgroundThread: 5199
PendingThread:    0
DeadThread:       21
Hosted Runtime:   no
                                                                                                            Lock  
 DBG   ID     OSID ThreadOBJ           State GC Mode     GC Alloc Context                  Domain           Count Apt Exception
  20    1     74e4 00000276CB778180  202a020 Preemptive  0000000000000000:0000000000000000 00000276cb77c9d0 -00001 MTA 
  31    2     42cc 00000276CB6CA830    2b220 Preemptive  0000000000000000:0000000000000000 00000276cb77c9d0 -00001 MTA (Finalizer) 
  32    3     2b40 00000276CB85D1B0  102a220 Preemptive  0000000000000000:0000000000000000 00000276cb77c9d0 -00001 MTA (Threadpool Worker) 
   2    6     bccc 00000276CBA5D2F0    20220 Preemptive  0000000000000000:0000000000000000 00000276cb77c9d0 -00001 Ukn 
  33    9     7224 00000276CBA5C0C0  3029220 Preemptive  0000000000000000:0000000000000000 00000276cb77c9d0 -00001 MTA (Threadpool Worker) System.IO.IOException 00000279ccc56cd0
   9   23     29e0 0000027BD86FD180    20220 Preemptive  0000000000000000:0000000000000000 00000276cb77c9d0 -00001 Ukn 
...

從簡要資訊看，當前有 5000+ 的執行緒，太牛了，一般一臺機器的所有程式的執行緒加起來也沒這麼多。。。不過我目前看到最多的是 1w + 的執行緒 ???， 就是那種不用執行緒池，直接用 Thread 造成的一種執行緒垃圾。

可以看到執行緒列表中的 9號執行緒 拋了託管異常，接下來看看是個啥錯誤, 使用 !wpe 00000279ccc56cd0 命令。


0:000> !wpe 00000279ccc56cd0
Address: 00000279ccc56cd0
Exception Type: System.IO.IOException
Message: Unable to read data from the transport connection: 遠端主機強迫關閉了一個現有的連線。.
Inner Exception: 00000279ccc56b20 System.Net.Sockets.SocketException 遠端主機強迫關閉了一個現有的連線。
Stack:
SP               IP               Function
000000791b88c970 00007ffd844a1b31 System.Net.Sockets.NetworkStream.Read(Byte[], Int32, Int32)
000000791b88ee80 00007ffd849e6f8a System.IO.BufferedStream.ReadByteSlow()
000000791b88eeb0 00007ffd8312950a RabbitMQ.Client.Impl.InboundFrame.ReadFrom(System.IO.Stream, Byte[])
000000791b88ef40 00007ffd849e6d7d RabbitMQ.Client.Framing.Impl.Connection.MainLoopIteration()
000000791b88efa0 00007ffd8312832f RabbitMQ.Client.Framing.Impl.Connection.MainLoop()

HResult: 80131620

從堆疊資訊來看，程式做了一個遠端訪問 RabbitMQ，結果 tcp 連線被對方關閉了，貌似和朋友說的有大量 RabbitMQ 超時有關。

接下來就是檢視各個執行緒棧，研究下此時這些執行緒都在幹什麼，使用 ~*e !clrstack 命令，通過仔細研讀執行緒棧，我發現有大量的方法卡在 xxx.RabbitMq.RabbitMqConnection.GetInstance 方法處。


        Child SP               IP Call Site
0000008B8A9ED6A8 00007ffdf5246594 [HelperMethodFrame_1OBJ: 0000008b8a9ed6a8] System.Threading.Monitor.ReliableEnter(System.Object, Boolean ByRef)
0000008B8A9ED800 00007ffd84a6a4a9 xxx.RabbitMq.RabbitMqConnection.GetInstance(Microsoft.Extensions.Options.IOptions`1<xxx.RabbitMq.RabbitMqConfig>, Microsoft.Extensions.Logging.ILogger`1<System.Object>)
0000008B8A9ED860 00007ffd84a6a317 xxx.RabbitMq.RabbitMqProducer..ctor(Microsoft.Extensions.Options.IOptionsSnapshot`1<xxx.RabbitMq.RabbitMqConfig>, Microsoft.Extensions.Logging.ILogger`1<xxx.RabbitMq.RabbitMqProducer>)
0000008B8A9ED8A0 00007ffd8334817b DynamicClass.ResolveService(ILEmitResolverBuilderRuntimeContext, Microsoft.Extensions.DependencyInjection.ServiceLookup.ServiceProviderEngineScope)
0000008B8A9ED930 00007ffd83347d76 DynamicClass.ResolveService(ILEmitResolverBuilderRuntimeContext, Microsoft.Extensions.DependencyInjection.ServiceLookup.ServiceProviderEngineScope)
0000008B8A9EDE90 00007ffd844f3cb3 Microsoft.Extensions.DependencyInjection.ActivatorUtilities.GetService(System.IServiceProvider, System.Type, System.Type, Boolean) [/_/src/libraries/Common/src/Extensions/ActivatorUtilities/ActivatorUtilities.cs @ 173]
DynamicClass.lambda_method196(System.Runtime.CompilerServices.Closure, System.IServiceProvider, System.Object[])
0000008B8A9EDF20 00007ffd84a0fc9c Microsoft.AspNetCore.Mvc.Controllers.ControllerFactoryProvider+c__DisplayClass5_0.g__CreateController|0(Microsoft.AspNetCore.Mvc.ControllerContext)
0000008B8A9EDF70 00007ffd8452ce7f Microsoft.AspNetCore.Mvc.Infrastructure.ControllerActionInvoker.Next(State ByRef, Scope ByRef, System.Object ByRef, Boolean ByRef) [/_/src/Mvc/Mvc.Core/src/Infrastructure/ControllerActionInvoker.cs @ 285]
0000008B8A9EE030 00007ffd84a0fac8 Microsoft.AspNetCore.Mvc.Infrastructure.ControllerActionInvoker.InvokeInnerFilterAsync() [/_/src/Mvc/Mvc.Core/src/Infrastructure/ControllerActionInvoker.cs @ 490]
0000008B8A9EE0B0 00007ffd845346cd Microsoft.AspNetCore.Mvc.Infrastructure.ResourceInvoker.Next(State ByRef, Scope ByRef, System.Object ByRef, Boolean ByRef) [/_/src/Mvc/Mvc.Core/src/Infrastructure/ResourceInvoker.cs @ 883]
0000008B8A9EE240 00007ffd84a0f9ad Microsoft.AspNetCore.Mvc.Infrastructure.ResourceInvoker.InvokeNextExceptionFilterAsync() [/_/src/Mvc/Mvc.Core/src/Infrastructure/ResourceInvoker.cs @ 1024]
0000008B8A9EE2C0 00007ffd84534272 Microsoft.AspNetCore.Mvc.Infrastructure.ResourceInvoker.Next(State ByRef, Scope ByRef, System.Object ByRef, Boolean ByRef) [/_/src/Mvc/Mvc.Core/src/Infrastructure/ResourceInvoker.cs @ 883]
0000008B8A9EE450 00007ffd84a0f850 Microsoft.AspNetCore.Mvc.Infrastructure.ResourceInvoker.InvokeNextResourceFilter() [/_/src/Mvc/Mvc.Core/src/Infrastructure/ResourceInvoker.cs @ 976]
...

從呼叫棧資訊看，源頭是一個http請求，然後在 GetInstance 下的 lock 處被凍結，這就激發了我很大的好奇心，接下來根據 IP 匯出原始碼看看。


public sealed class RabbitMqConnection
{
    public static RabbitMqConnection GetInstance(IOptions<RabbitMqConfig> options, ILogger<dynamic> logger)
    {
        if (_uniqueInstance == null || _uniqueInstance.Connection == null || !_uniqueInstance.Connection.IsOpen)
        {
            lock (_objLock)
            {
                if (_uniqueInstance == null || _uniqueInstance.Connection == null || !_uniqueInstance.Connection.IsOpen)
                {
                    _uniqueInstance = new RabbitMqConnection(options.Value, logger);
                }
            }
        }
        return _uniqueInstance;
    }

	private RabbitMqConnection(RabbitMqConfig config, ILogger<dynamic> logger)
	{
		Policy.Handle<SocketException>().Or<BrokerUnreachableException>().WaitAndRetry(6, (int retryAttempt) => TimeSpan.FromSeconds(1.0), delegate (Exception ex, TimeSpan time, int retryCount, Context content)
		{
			if (6 == retryCount)
			{
				throw ex;
			}
			_logger.LogError(ex, $"{retryCount}:{ex.Message}");
		})
			.Execute(delegate
			{
				Connection = factory.CreateConnection();
			});
	}
}

從程式碼邏輯看，朋友用了 雙檢鎖 來給 RabbitMQ 例項做單例化，如果例項建立失敗還會有 6 次 1s 的嘗試，這種寫法乍一看沒什麼問題。

2. 單例寫法真的沒問題嗎

如果單例寫法沒問題的話，為什麼有大量的執行緒卡在 lock 處呢？ 既然是 單例 那肯定是 rabbitmq 第一次被例項化後，後人直接乘涼就好了哈，帶著這個疑問再次檢查 雙檢索 寫法，尼瑪，在判斷單例的時候居然做了 _uniqueInstance.Connection.IsOpen 判斷，大家知道這意味著什麼嗎？

這意味著，一旦 rabbitmq 在某個時刻掛掉了，單例條件就被破防了，無數的執行緒排隊來做 RabbimtMQ 的例項化，要知道這都是些不例項出來不罷休的勇士，繼而導致程式掛死...???

3. 驗證我的想法

既然從原始碼中推出了這個程式碼缺陷，但口說無憑，我得拿出證據，要想驗證很簡單，到託管堆尋找 RabbitMqConnection 例項，看下此時它的 IsOpen 是不是 false 即可, 通過 ILSpy 檢視原始碼發現它是用 CloseReason==null 來判斷的。

接下來看看 CloseReason 不為空即可。


0:000> !dumpheap -type RabbitMqConnection
         Address               MT     Size
00000277cbd7aa68 00007ffd831f1570       32  
00000277ccb13068 00007ffd831f1570       32   

0:000> !DumpObj /d 00000277cbd7b858
Name:        RabbitMQ.Client.Framing.Impl.AutorecoveringConnection
MethodTable: 00007ffd83235db0
EEClass:     00007ffd83242898
Size:        200(0xc8) bytes
File:        G:\xxx\RabbitMQ.Client.dll
Fields:
              MT    Field   Offset                 Type VT     Attr            Value Name
00007ffd82397238  4000180       bc       System.Boolean  1 instance                0 _disposed
00007ffd82390c68  4000181        8        System.Object  0 instance 00000277cbd7b920 _eventLock
00007ffd831fc230  4000182       10 ...g.Impl.Connection  0 instance 00000277cbd7d5f8 _delegate

0:000> !DumpObj /d 00000277cbd7d5f8
Name:        RabbitMQ.Client.Framing.Impl.Connection
MethodTable: 00007ffd831fc230
EEClass:     00007ffd8322cd70
Size:        232(0xe8) bytes
File:        G:\xxx\RabbitMQ.Client.dll
Fields:
              MT    Field   Offset                 Type VT     Attr            Value Name
00007ffd82397238  4000198       b8       System.Boolean  1 instance                0 _disposed
00007ffd82390c68  4000199        8        System.Object  0 instance 00000277cbd7d6e0 _eventLock
00007ffd82d93d00  400019a       10 ...ualResetEventSlim  0 instance 00000277cbd7d6f8 _appContinuation
00007ffd83276028  400019b       18 ...ShutdownEventArgs  0 instance 00000279ccc56e28 _closeReason

0:000> !do 00000277ccb13068
Name:        xxx.RabbitMq.RabbitMqConnection
MethodTable: 00007ffd831f1570
EEClass:     00007ffd831eb920
Size:        32(0x20) bytes
File:        G:\xxx\xxx.dll
Fields:
              MT    Field   Offset                 Type VT     Attr            Value Name
00007ffd831f13f8  400001f        8 ...Private.CoreLib]]  0 instance 00000278cbe4c2a0 _logger
00007ffd831f2ab0  4000020       10 ...lient.IConnection  0 instance 0000000000000000 <Connection>k__BackingField
00007ffd831f1570  400001d        8 ...abbitMqConnection  0   static 00000277cbd7aa68 _uniqueInstance
00007ffd82390c68  400001e       10        System.Object  0   static 00000277cbd7aa50 _objLock

從輸出資訊中可以很清楚的看到當前託管堆有兩個 RabbitMqConnection 物件，其中一個果然是失敗了(_closeReason=00000279ccc56e28)，還有一個正在努力的new <Connection>k__BackingField=0000000000000000， 這也就驗證了假設。

4. 後續

有了這些資訊，和朋友做了下溝通，建議再優化一下 IsOpen=false 時的異常處理邏輯，比如 return 或者 throw new，或者乾脆不要用懶檢測， 千萬不要硬著來。

至於造成 RabbitMQ 不響應的一系列誘因，朋友通過參考的開源專案，發現將別人的 AddSingleton 改成了 AddScoped。

這也就造成了每一次Http請求都要試探性的判斷單例邏輯, 別人的解法是一旦上層單例化了，下層就不會再次處理了，也就不會走 IsOpen 邏輯。

三：總結

造成本次程式卡死的事故，主要有兩點：

  1. RabbitMQ 生成單例化中的 IsOpen 判斷問題，建議改用自動重連屬性 AutomaticRecoveryEnabled 和 TopologyRecoveryEnabled，或者用靜態建構函式替代雙檢鎖。

  2. 過多的 http 請求對單例邏輯的試探，按照朋友的改發將 Scoped 改成 Singleton 來規避。

圖片名稱

相關文章