背景
今天收到業務團隊反饋線上有個應用往 Pulsar 中發送消息失敗了，經過日志查看得知是發送消息時候拋出了 java.lang.InterruptedException 異常。
和業務溝通后得知是在一個 gRPC 接口中觸發的消息發送，大約持續了半個小時的異常后便恢復正常了，這是整個問題的背景。
前置排查
拿到該問題后首先排查下是否是共性問題，查看了其他的應用沒有發現類似的異常；同時也查看了 Pulsar broker 的監控大盤，在這個時間段依然沒有波動和異常。
這樣可以初步排除是 Pulsar 服務端的問題。
接著便是查看應用那段時間的負載情況，從應用 QPS 到 JVM 的各個內存情況依然沒發現有什么明顯的變化。
Pulsar 源碼排查
既然看起來應用本身和 Pulsar broker 都沒有問題的話那就只能從異常本身來排查了。
首先第一步要得知具體使用的是 Pulsar-client? 是版本是多少，因為業務使用的是內部基于官方 SDK 封裝 springboot starter? 所以第一步還得排查這個 starter 是否有影響。
通過查看源碼基本排除了 starter? 的嫌疑，里面只是簡單的封裝了 SDK 的功能而已。
org.apache.pulsar.client.api.PulsarClientException: java.util.concurrent.ExecutionException: org.apache.pulsar.client.api.PulsarClientException: java.lang.InterruptedException at org.apache.pulsar.client.api.PulsarClientException.unwrap(PulsarClientException.java:1027) at org.apache.pulsar.client.impl.TypedMessageBuilderImpl.send(TypedMessageBuilderImpl.java:91) at
java.base/java.lang.Thread.run(Thread.java:834) Caused by: java.util.concurrent.ExecutionException: org.apache.pulsar.client.api.PulsarClientException: java.lang.InterruptedException at java.base/java.util.concurrent.CompletableFuture.reportGet(CompletableFuture.java:395)
at java.base/java.util.concurrent.CompletableFuture.get(CompletableFuture.java:1999)
at org.apache.pulsar.client.impl.TypedMessageBuilderImpl.send(TypedMessageBuilderImpl.java:89) ... 49 common frames omitted Caused by: org.apache.pulsar.client.api.PulsarClientException: java.lang.InterruptedException
at org.apache.pulsar.client.impl.ProducerImpl.canEnqueueRequest(ProducerImpl.java:775)
at org.apache.pulsar.client.impl.ProducerImpl.sendAsync$original$BWm7PPlZ(ProducerImpl.java:393)
at org.apache.pulsar.client.impl.ProducerImpl.sendAsync$original$BWm7PPlZ$accessor$i7NYMN6i(ProducerImpl.java)
at org.apache.pulsar.client.impl.ProducerImpl$auxiliary$EfuVvJLT.call(Unknown Source)
at org.apache.skywalking.apm.agent.core.plugin.interceptor.enhance.InstMethodsInter.intercept(InstMethodsInter.java:86)
at org.apache.pulsar.client.impl.ProducerImpl.sendAsync(ProducerImpl.java)
at org.apache.pulsar.client.impl.ProducerImpl.internalSendAsync(ProducerImpl.java:292)
at org.apache.pulsar.client.impl.ProducerImpl.internalSendWithTxnAsync(ProducerImpl.java:363)
at org.apache.pulsar.client.impl.PartitionedProducerImpl.internalSendWithTxnAsync(PartitionedProducerImpl.java:191)
at org.apache.pulsar.client.impl.PartitionedProducerImpl.internalSendAsync(PartitionedProducerImpl.java:167)
at org.apache.pulsar.client.impl.TypedMessageBuilderImpl.sendAsync(TypedMessageBuilderImpl.java:103)
at org.apache.pulsar.client.impl.TypedMessageBuilderImpl.send(TypedMessageBuilderImpl.java:82) ... 49 common frames omitted Caused by: java.lang.InterruptedException: null
at java.base/java.util.concurrent.locks.AbstractQueuedSynchronizer.acquireSharedInterruptibly(AbstractQueuedSynchronizer.java:1343)
at java.base/java.util.concurrent.Semaphore.acquire(Semaphore.java:318)
at org.apache.pulsar.client.impl.ProducerImpl.canEnqueueRequest(ProducerImpl.java:758)
接下來便只能是分析堆棧了，因為 Pulsar-client 的部分實現源碼是沒有直接打包到依賴中的，反編譯的話許多代碼行數對不上，所以需要將官方的源碼拉到本地，切換到對于的分支進行查看。
這一步稍微有點麻煩，首先是代碼庫還挺大的，加上之前如果沒有準備好 Pulsar 的開發環境的話估計會勸退一部分人；但其實大部分問題都是網絡造成的，只要配置一些 Maven 鏡像多試幾次總會編譯成功。
我這里直接將分支切換到 branch-2.8。
從堆棧的頂部開始排查 TypedMessageBuilderImpl.java:91：
看起來是內部異步發送消息的時候拋了異常。
接著往下看到這里：
java.lang.InterruptedException
at org.apache.pulsar.client.impl.ProducerImpl.canEnqueueRequest(ProducerImpl.java:775) at
看起來是這里沒錯，但是代碼行數明顯不對；因為 2.8 這個分支也是修復過幾個版本，所以中間有修改導致代碼行數與最新代碼對不上也正常。
semaphore.get().acquire();
不過初步來看應該是這行代碼拋出的線程終端異常，這里看起來只有他最有可能了。
為了確認是否是真的是這行代碼，這個文件再往前翻了幾個版本最終確認了就是這行代碼沒錯了。
我們點開java.util.concurrent.Semaphore#acquire()的源碼。
/**
* <li>has its interrupted status set on entry to this method; or
* <li>is {@linkplain Thread#interrupt interrupted} while waiting
* for a permit,
* </ul>
* then {@link InterruptedException} is thrown and the current thread's
* interrupted status is cleared.
*
* @throws InterruptedException if the current thread is interrupted
*/
public void acquire() throws InterruptedException {
sync.acquireSharedInterruptibly(1);
}
public final void acquireSharedInterruptibly(int arg)
throws InterruptedException {
if (Thread.interrupted() ||
(tryAcquireShared(arg) < 0 &&
acquire(null, arg, true, true, false, 0L) < 0))
throw new InterruptedException();
}
通過源碼會發現 acquire()? 函數確實會響應中斷，一旦檢測到當前線程被中斷后便會拋出 InterruptedException 異常。
定位問題
所以問題的原因基本確定了，就是在 Pulsar 的發送消息線程被中斷了導致的，但為啥會被中斷還需要繼續排查。
我們知道線程中斷是需要調用 Thread.currentThread().interrupt(); API的，首先猜測是否 Pulsar 客戶端內部有個線程中斷了這個發送線程。
于是我在 pulsar-client 這個模塊中搜索了相關代碼：
排除掉和 producer 不相關的地方，其余所有中斷線程的代碼都是在有了該異常之后繼續傳遞而已；所以初步來看 pulsar-client 內部沒有主動中斷的操作。
既然 Pulsar 自己沒有做，那就只可能是業務做的了？
于是我在業務代碼中搜索了一下：
果然在業務代碼中搜到了唯一一處中斷的地方，而且通過調用關系得知這段代碼是在消息發送前執行的，并且和 Pulsar 發送函數處于同一線程。
大概的偽代碼如下：
List.of(1, 2, 3).stream().map(e -> {
return CompletableFuture.supplyAsync(() -> {
try {
TimeUnit.MILLISECONDS.sleep(10);
} catch (InterruptedException ex) {
throw new RuntimeException(ex);
}
return e;
});
}
).collect(Collectors.toList()).forEach(f -> {
try {
Integer integer = f.get();
log.info("====" + integer);
if (integer==3){
TimeUnit.SECONDS.sleep(10);
Thread.currentThread().interrupt();
}
} catch (InterruptedException e) {
throw new RuntimeException(e);
} catch (ExecutionException e) {
throw new RuntimeException(e);
}
});
MessageId send = producer.newMessage().value(msg.getBytes()).send();執行這段代碼可以完全復現同樣的堆棧。
幸好中斷這里還打得有日志：
通過日志搜索發現異常的時間和這個中斷的日志時間點完全重合，這樣也就知道根本原因了。
因為業務線程和消息發送線程是同一個，在某些情況下會執行 Thread.currentThread().interrupt();，其實單純執行這行函數并不會發生什么，只要沒有去響應這個中斷，也就是 Semaphore 源碼中的判斷了線程中斷的標記：
public final void acquireSharedInterruptibly(int arg)
throws InterruptedException {
if (Thread.interrupted() ||
(tryAcquireShared(arg) < 0 &&
acquire(null, arg, true, true, false, 0L) < 0))
throw new InterruptedException();
}
但恰好這里業務中斷后自己并沒有去判斷這個標記，導致 Pulsar 內部去判斷了，最終拋出了這個異常。
總結
所以歸根結底還是這里的代碼不合理導致的，首先是自己中斷了線程但也沒使用，從而導致有被其他基礎庫使用的可能，所以會造成了一些不可預知的后果。
再一個是不建議在業務代碼中使用 Thread.currentThread().interrupt(); 這類代碼，第一眼根本不知道是要干啥，也不易維護。
其實本質上線程中斷也是線程間通信的一種手段，有這類需求完全可以換為內置的 BlockQueue 這類函數來實現。
