同事多線程使用不當(dāng)導(dǎo)致OOM，被我怒懟了
老規(guī)矩，我們先看下事故過程：某日，從 6 點(diǎn) 32 分開始少量用戶訪問 app 時(shí)會(huì)出現(xiàn)首頁訪問異常，到 7 點(diǎn) 20 分首頁服務(wù)大規(guī)模不可用，7 點(diǎn) 36 分問題解決。
整體經(jīng)過
事故的整個(gè)經(jīng)過如下：
6：58，發(fā)現(xiàn)報(bào)警，同時(shí)發(fā)現(xiàn)群里反饋首頁出現(xiàn)網(wǎng)絡(luò)繁忙，考慮到前幾日晚上門店列表服務(wù)上線發(fā)布過，所以考慮回滾代碼緊急處理問題。
7：07，開始先后聯(lián)系 XXX 查看解決問題。
7：36，代碼回滾完，服務(wù)恢復(fù)正常。
事故根本原因
事故代碼模擬如下：
public static void test() throws InterruptedException, ExecutionException {
Executor executor = Executors.newFixedThreadPool(3);
CompletionService<String> service = new ExecutorCompletionService<>(executor);
service.submit(new Callable<String>() {
@Override
public String call() throws Exception {
return "HelloWorld--" + Thread.currentThread().getName();
}
});
}
先拋出問題，我們后面會(huì)詳細(xì)闡述。問題的根源就在于 ExecutorCompletionService 結(jié)果沒調(diào)用 take，poll 方法。
正確的寫法如下所示：
public static void test() throws InterruptedException, ExecutionException {
Executor executor = Executors.newFixedThreadPool(3);
CompletionService<String> service = new ExecutorCompletionService<>(executor);
service.submit(new Callable<String>() {
@Override
public String call() throws Exception {
return "HelloWorld--" + Thread.currentThread().getName();
}
});
service.take().get();
}
一行代碼引發(fā)的血案，而且不容易被發(fā)現(xiàn)，因?yàn)?OOM 是一個(gè)內(nèi)存緩慢增長的過程，稍微粗心大意就會(huì)忽略，如果是這個(gè)代碼塊的調(diào)用量少的話，很可能幾天甚至幾個(gè)月后暴雷。
操作人回滾 or 重啟服務(wù)器確實(shí)是最快的方式，但是如果不是事后快速分析出 OOM 的代碼，而且不巧回滾的版本也是帶 OOM 代碼的，就比較悲催了。
如剛才所說，流量小了，回滾或者重啟都可以釋放內(nèi)存；但是流量大的情況下，除非回滾到正常的版本，否則 GG。
探討問題的根源
接下來我們來探討問題的根源，為了更好的理解 ExecutorCompletionService 的 “套路”，我們用 ExecutorService 來作為對比，可以讓我們更好的清楚，什么場景下用 ExecutorCompletionService。
先看 ExecutorService 代碼：（建議 down 下來跑一跑，以下代碼建議吃飯的時(shí)候不要去看，味道略重！不過便于理解 orz）
public static void test1() throws Exception{
ExecutorService executorService = Executors.newCachedThreadPool();
ArrayList<Future<String>> futureArrayList = new ArrayList<>();
System.out.println("公司讓你通知大家聚餐 你開車去接人");
Future<String> future10 = executorService.submit(() -> {
System.out.println("總裁：我在家上大號 我最近拉肚子比較慢 要蹲1個(gè)小時(shí)才能出來 你等會(huì)來接我吧");
TimeUnit.SECONDS.sleep(10);
System.out.println("總裁：1小時(shí)了 我上完大號了。你來接吧");
return "總裁上完大號了";
});
futureArrayList.add(future10);
Future<String> future3 = executorService.submit(() -> {
System.out.println("研發(fā)：我在家上大號 我比較快 要蹲3分鐘就可以出來 你等會(huì)來接我吧");
TimeUnit.SECONDS.sleep(3);
System.out.println("研發(fā)：3分鐘 我上完大號了。你來接吧");
return "研發(fā)上完大號了";
});
futureArrayList.add(future3);
Future<String> future6 = executorService.submit(() -> {
System.out.println("中層管理：我在家上大號 要蹲10分鐘就可以出來 你等會(huì)來接我吧");
TimeUnit.SECONDS.sleep(6);
System.out.println("中層管理：10分鐘 我上完大號了。你來接吧");
return "中層管理上完大號了";
});
futureArrayList.add(future6);
TimeUnit.SECONDS.sleep(1);
System.out.println("都通知完了,等著接吧。");
try {
for (Future<String> future : futureArrayList) {
String returnStr = future.get();
System.out.println(returnStr + "，你去接他");
}
Thread.currentThread().join();
} catch (Exception e) {
e.printStackTrace();
}
}
三個(gè)任務(wù)，每個(gè)任務(wù)執(zhí)行時(shí)間分別是 10s、3s、6s。
通過 JDK 線程池的 submit 提交這三個(gè) Callable 類型的任務(wù)：
- step1：主線程把三個(gè)任務(wù)提交到線程池里面去，把對應(yīng)返回的 Future 放到 List 里面存起來，然后執(zhí)行“都通知完了，等著接吧?！边@行輸出語句。
- step2：在循環(huán)里面執(zhí)行 future.get() 操作，阻塞等待。
最后結(jié)果如下：
先通知到總裁，也是先接總裁，足足等了 1 個(gè)小時(shí)，接到總裁后再去接研發(fā)和中層管理，盡管他們早就完事兒了，也得等總裁拉完~~
耗時(shí)最久的-10s 異步任務(wù)最先進(jìn)入 list 執(zhí)行，所以在循環(huán)過程中獲取這個(gè) 10s 的任務(wù)結(jié)果的時(shí)候，get 操作會(huì)一直阻塞，直到 10s 異步任務(wù)執(zhí)行完畢。即使 3s、5s 的任務(wù)早就執(zhí)行完了，也得阻塞等待 10s 任務(wù)執(zhí)行完。
看到這里，尤其是做網(wǎng)關(guān)業(yè)務(wù)的同學(xué)可能會(huì)產(chǎn)生共鳴，一般來說網(wǎng)關(guān) RPC 會(huì)調(diào)用下游 N 多個(gè)接口，如下圖：
如果都按照 ExecutorService 這種方式，并且恰巧前幾個(gè)任務(wù)調(diào)用的接口耗時(shí)比較久，同時(shí)阻塞等待，那就比較悲催了。
所以 ExecutorCompletionService 應(yīng)景而出。它作為任務(wù)線程的合理管控者，“任務(wù)規(guī)劃師”的稱號名副其實(shí)。
相同場景 ExecutorCompletionService 代碼：
public static void test2() throws Exception {
ExecutorService executorService = Executors.newCachedThreadPool();
ExecutorCompletionService<String> completionService = new ExecutorCompletionService<>(executorService);
System.out.println("公司讓你通知大家聚餐 你開車去接人");
completionService.submit(() -> {
System.out.println("總裁：我在家上大號 我最近拉肚子比較慢 要蹲1個(gè)小時(shí)才能出來 你等會(huì)來接我吧");
TimeUnit.SECONDS.sleep(10);
System.out.println("總裁：1小時(shí)了 我上完大號了。你來接吧");
return "總裁上完大號了";
});
completionService.submit(() -> {
System.out.println("研發(fā)：我在家上大號 我比較快 要蹲3分鐘就可以出來 你等會(huì)來接我吧");
TimeUnit.SECONDS.sleep(3);
System.out.println("研發(fā)：3分鐘 我上完大號了。你來接吧");
return "研發(fā)上完大號了";
});
completionService.submit(() -> {
System.out.println("中層管理：我在家上大號 要蹲10分鐘就可以出來 你等會(huì)來接我吧");
TimeUnit.SECONDS.sleep(6);
System.out.println("中層管理：10分鐘 我上完大號了。你來接吧");
return "中層管理上完大號了";
});
TimeUnit.SECONDS.sleep(1);
System.out.println("都通知完了,等著接吧。");
//提交了3個(gè)異步任務(wù)）
for (int i = 0; i < 3; i++) {
String returnStr = completionService.take().get();
System.out.println(returnStr + "，你去接他");
}
Thread.currentThread().join();
}
跑完結(jié)果如下：
這次就相對高效了一些，雖然先通知的總裁，但是根據(jù)大家上大號的速度，誰先拉完先去接誰，不用等待上大號最久的總裁了（現(xiàn)實(shí)生活里，建議采用第一種，不等總裁的后果 emmm 哈哈哈）。
放在一起對比下輸出結(jié)果：
兩段代碼的差異非常小，獲取結(jié)果的時(shí)候 ExecutorCompletionService 使用了：
completionService.take().get();
為毛要用 take() 然后再 get() 呢？？？？我們看看源碼：
CompletionService 接口以及接口的實(shí)現(xiàn)類
ExecutorCompletionService 是 CompletionService 接口的實(shí)現(xiàn)類：
接著跟一下 ExecutorCompletionService 的構(gòu)造方法，可以看到入?yún)⑿枰獋饕粋€(gè)線程池對象，默認(rèn)使用的隊(duì)列是 LinkedBlockingQueue，不過還有另外一個(gè)構(gòu)造方法可以指定隊(duì)列類型，如下兩張圖，兩個(gè)構(gòu)造方法。
默認(rèn) LinkedBlockingQueue 的構(gòu)造方法：
可選隊(duì)列類型的構(gòu)造方法：
submit 任務(wù)提交的兩種方式，都是有返回值的，我們例子中用到的就是第一種 Callable 類型的方法。
對比 ExecutorService 和 ExecutorCompletionService submit 方法，可以看出區(qū)別。
ExecutorService：
ExecutorCompletionService：
差異就在 QueueingFuture，這個(gè)到底作用是啥？
我們繼續(xù)跟進(jìn)去看：
- QueueingFuture 繼承自 FutureTask，而且紅線部分標(biāo)注的位置，重寫了 done() 方法。
- 把 task 放到 completionQueue 隊(duì)列里面，當(dāng)任務(wù)執(zhí)行完成后，task 就會(huì)被放到隊(duì)列里面去了。
- 此時(shí)此刻 completionQueue 隊(duì)列里面的 task 都是已經(jīng) done() 完成了的 task，而這個(gè) task 就是我們拿到的一個(gè)個(gè)的 future 結(jié)果。
- 如果調(diào)用 completionQueue 的 task 方法，會(huì)阻塞等待任務(wù)。等到的一定是完成了的 future，我們調(diào)用 .get() 方法就能立馬獲得結(jié)果。
看到這里，相信大家伙都應(yīng)該多少明白點(diǎn)了：
- 我們在使用 ExecutorService submit 提交任務(wù)后需要關(guān)注每個(gè)任務(wù)返回的 future，然而 CompletionService 對這些 future 進(jìn)行了追蹤，并且重寫了 done 方法，讓你等的 CompletionQueue 隊(duì)列里面一定是完成了的 task。
- 作為網(wǎng)關(guān) RPC 層，我們不用因?yàn)槟骋粋€(gè)接口的響應(yīng)慢拖累所有的請求，可以在處理最快響應(yīng)的業(yè)務(wù)場景里使用 CompletionService。
but，注意、注意、注意，也是本次事故的核心
當(dāng)只有調(diào)用了 ExecutorCompletionService 下面的 3 個(gè)方法的任意一個(gè)時(shí)，阻塞隊(duì)列中的 task 執(zhí)行結(jié)果才會(huì)從隊(duì)列中移除掉，釋放堆內(nèi)存。
由于該業(yè)務(wù)不需要使用任務(wù)的返回值，則沒進(jìn)行調(diào)用 take，poll 方法。從而導(dǎo)致沒有釋放堆內(nèi)存，堆內(nèi)存會(huì)隨著調(diào)用量的增加一直增長。
所以，業(yè)務(wù)場景中不需要使用任務(wù)返回值的 別沒事兒使用 CompletionService，假如使用了，記得一定要從阻塞隊(duì)列中移除掉 task 執(zhí)行結(jié)果，避免 OOM！
總結(jié)
知道事故的原因，我們來總結(jié)下方法論，畢竟孔子他老人家說過：自省吾身，常思己過，善修其身！
上線前：
- 嚴(yán)格的代碼 review 習(xí)慣，一定要交給 back 人去看，畢竟自己寫的代碼自己是看不出問題的，相信每個(gè)程序猿都有這個(gè)自信（這個(gè)后續(xù)事故里可能會(huì)反復(fù)提到，很重要）
- 上線記錄-備注好上一個(gè)可回滾的包版本（給自己留一個(gè)后路）
- 上線前確認(rèn)回滾后，業(yè)務(wù)是否可降級，如果不可降級，一定要嚴(yán)格拉長這次上線的監(jiān)控周期
上線后：
- 持續(xù)關(guān)注內(nèi)存增長情況（這部分極容易被忽略，大家對內(nèi)存的重視度不如 CPU 使用率）
- 持續(xù)關(guān)注 CPU 使用率增長情況
- GC 情況、線程數(shù)是否增長、是否有頻繁的 FullGC 等
- 關(guān)注服務(wù)性能報(bào)警，tp99、999 、max 是否出現(xiàn)明顯的增高?
