Java问题定位与深度调试技术(一)——线程堆栈分析

一、Java线程堆栈分析

Java线程堆栈是虚拟机中线程(包括锁)状态的一个瞬间快照,即系统在某个时刻所有线程的运行状态,包括每一个线程的调用堆栈、锁的持有情况等信息。每一种Java虚拟机(SUN JVM、IBM JVM、JRockit、GNU JVM等)都提供了线程转储的后门,通过这个后门可以将那个时刻的线程堆栈打印出来。虽然各种Java虚拟机在线程堆栈的输出格式上有一些不同,但是线程堆栈的信息都包含了一下内容

  1. 线程的名字、ID、数量等
  2. 线程的运行状态,锁的状态(锁被哪个线程持有,哪个线程在等待锁等)
  3. 调用堆栈(函数的调用层次关系)。调用堆栈包含完整的类名、执行的方法,以及源代码的行号。

线程堆栈不擅长的事情

由于线程堆栈是系统某个时刻的线程运行状况(瞬间快照),对于已经消失且没留痕迹的信息,线程堆栈是无法进行历史追踪的。这种情况只能结合日志进行分析,如连接池中的连接被哪些线程使用且没有被释放。

  • 数据混乱问题,代码逻辑问题
  • 数据库锁表问题。表被锁往往是由于某个事务没有提交/回滚,但这些信息是无法在堆栈中表现出来的。
  • 其他无法在线程堆栈上留有痕迹的问题,得依赖日志设计。

小技巧(new Throwable()).printStackTrace()可以在运行期打印并调用该函数的线程堆栈信息,借助这个信息就可以知道调用流程。

线程池堆栈优点和擅长的事情

  • CPU的使用率无缘故过高
  • 系统挂起,无响应
  • 系统运行速度越来越慢
  • 性能瓶颈(如无法充分利用CPU等我的项目也经常遇到)。
  • 线程死锁、死循环等。
  • 由于线程数量太多导致系统运行失败(如无法创建线程等)

1.1 打印线程堆栈

Java虚拟机提供了线程转储的后门,通过这个后门就可以将线程堆栈打印出来。向Java进程发送一个QUIT信号,Java虚拟机收到信号之后,可将系统当前的Java线程调用堆栈打印出来。 有的虚拟机(SUN JDK)能将堆栈信息打印在屏幕上,而(IBM JDK)可直接将线程堆栈打印到一个文件中,从当前的运行目录下可以找到该文件。当JDK把线程堆栈打印到屏幕上可能由于信息太多造成丢失。

  1. Windows:在运行Java的控制台窗口按ctrl+break组合键
  2. UNIX/Linux:使用 kill -3 <java pid>
ruby 复制代码
myrun.sh > run.log 2>&1

# 解释如下
> 将屏幕输出写入文件 
>> 将屏幕输出添加到文件末尾

在操作系统中,0代表输入流,1(标准输出)、2(错误输出)代表输出流 。
在这里2>&1表示将错误输出"2"重定向到标准输出流"1"中,即将标准输出和错误输出都重定向到一个文件中

不过有很多公司会禁用你直接kill -3你会发现没效果,一般来说都是用jstack

perl 复制代码
ps -ef | grep java # 先获取java的pid
jstack pid > run.log 2>&1 # 堆栈快照打印,注意用户权限必须得是你java程序的创建用户 root有时候都不行
  1. 在AIX上使用IBM的JVM时,需要设置以下的环境变量,kill -3才可以生效
ini 复制代码
export IBM_HEAPDUMP = true
export IBM_HEAP_DUMP = true
export IBM_HEAPDUMP_OUTOFMEMORY = true
export IBM_HEAPDUMPDIR=<directory path>

同时应确保Java命令行中没有DISABLE_JAVADUMP运行选项

1.2 解读线程堆栈

从这段堆栈输出中可以看出,当前系统共有8个线程:Low Memory Detector.CompilerThreadO、Signal Dispatcher、Finalizer 、Reference Handler、main.VM Thread、VM Periodic Task Thread,具体说明如下。

  1. Low Memory Detector:低内存检测线程,用于检测当前可用堆内存(HEAP)是否到达下限,以启动垃圾回收工作。
  2. CompilerThread0:编译线程,即将频繁调用的热字节码编译成本地代码(JIT),以提高运行效率。
  3. Signal Dispatcher:信号分发线程,如从终端控制台接收的各种 kill 信号(QUIT信号)等。
  4. Finalizer:善后线程。
  5. Reference Handler :引用计数线程。
  6. main:主线程,即执行用户main ()函数的线程。
  7. VM Thread: VM线程。
  8. VM Periodic Task Thread: VM周期任务处理线程,如Timer线程等。

其中只有main 线程属于Java用户线程,其他七个线程都是由虚拟机自动创建的,如果是 Java 界面程序,虚拟机还会自动创建事件分发线程awt-eventqueue等。在实际分析过程中,大多数情况下只要关注Java 用户线程即可。

从 main 线程中可以看出,线程堆栈中最直观的信息是当前线程调用的上下文(context),即从哪个函数调用到哪个函数中(从下往上看),正执行到哪个类的哪一行等,借助这些信息,就可以对当前系统的运行情况一目了然了。线程堆栈在分析问题中的作用将在后续章节进行详细介绍,其中一个线程的某层调用含义如下。

另外,在main线程的堆栈中,有"- locked <Oxc8c1a090> (a java.lang.Object)"语句,这表示该线程( main线程)已经占有了锁<Oxc8c1a090>,其中Oxc8c1a090表示锁的ID,它是系统自动产生的,在每次打印的堆栈时,只要知道同一个ID表示同一个锁即可。

每个线程堆栈的第一行含义如下。

1.2.1 打印本地线程

perl 复制代码
ps -ef | grep java
pstack <javapid>

跟java堆栈快照里面的线程是一一对应的。

java堆栈里面的nid(16进制)就是本地线程里面的LWP ID(10进制)

1.2.2 线程的状态

其中"runnable"表示当前线程处于运行状态。这个runnable状态从虚拟机角度来看的,表示这个想线程正在运行。但是处于runnable状态的线程不一定真的消耗cpu,只能说明该线程没有阻塞在Java的wait或者sleep方法上,同时也没在锁上面等待。但如果该线程调用了本地方法(有两种情况会调用本地方法,一种是调用到用户手工写的JNI本地代码中,另一种是将Java自身提供的API调用到本地代码中,如at java.net,SocketInputStream.socketRead0(Native Method)中的"Native Method"就表示当前正在调用本地方法),而本地方法又处于等待状态,这是虚拟机并不知道本地代码发生了什么,此时尽管当前线程实际上也是阻塞的状态,但显示出来的还是runnable状态,这种情况下是不消耗CPU的。

1.2.3 init和clinit

1.2.4 锁的解读

线程信号类型 作用
wait() 当线程执行wait()时,当前线程会释放监视锁,此时其他线程可以占有该锁。一旦wait()执行完成,当前线程又会继续持有该锁,直到执行完该锁的作用域。可以说wait()是多线程场合中使用得最多的一个方法。它结合notify(),可以实现两个线程之间的通信,即一个线程可以通过这种方式通知另一个线程继续执行,完成线程之间的配合,实现线程间的特定执行时序。
sleep() sleep()与锁无关,如果它恰好在一个锁的保护范围之内,当前线程即使在执行sleep(),仍能继续保持监视锁。不会释放锁。
堆栈打印的类型 作用
locked<0x22bffb60> 当一个线程占有一个锁的时候,线程堆栈会打印locked<0x22bffb60>
waiting to lock<0x22bffb60> 当一个线程正在等待其他线程释放该锁,线程堆栈会打印waiting to lock<0x22bffb60>
-waiting on<0x22bffb60> 当一个线程占有一个锁,但又执行到该锁的wait()上,线程堆栈先打印locked,然后再打印-waiting on<0x22bffb60>。

一般情况下,当一个(些)线程再等待一个锁时,就应该有一个线程占用了这个锁,也就是说,从打印的堆栈中如果能看到waiting to lock<0x22bffb60>,也应该能找到一个线程locked<0x22bffb60>。某些情况下好不到:

  1. 在一个线程释放锁和另一个线程被唤醒之间有一个时间窗,在这期间,如果恰巧进行了堆栈转储,就会找不到locked的线程。
  2. 另外通过kill -3向虚拟机发信号,请求输出线程堆栈时,有的虚拟机会有不同的实现策略,并不一定立即响应该请求,也许会等待正在执行的线程完成后,才打印堆栈。在实际应用中,看IBM的JDK打印的堆栈,经常能找到一个锁的wainting to线程,但找不到locked该锁的线程,而SUN JDK中绝大多数都是同时出现的。

1.2.5 线程状态的解读

state 作用
RUNNABLE 从虚拟机的角度来看,线程处于正在运行状态。但是不一定是在消耗CPU。有可能在读取网络数据等。因为只有java代码显示调用了sleep或wait等方法,虚拟机才可以精准的获取线程的真正状态。但调用本地(Native)方法时,虚拟机无法抓取本地代码的内部执行状态。
TIMED_WAITING(on object monitor) 该状态表示当前线程被挂起一段时间,该线程正在执行obj.wait(int time)方法。不消耗CPU。
TIMED_WAITING(sleeping) 该状态表示当前线程被挂起一段时间,正在执行Thread.sleep(int time)的方法。不消耗CPU。
TIMED_WAITING(parking) 该状态表示当前线程被挂起一段时间,正在执行lock()的方法。下面的线程正处于TIMED_WAITING状态,表示当前被挂起一段时间,时长为参数中指定的时长,如LockSupport.parkNanos(blocker,10000)。因此当前该线程并不消耗CPU。
WAITING(on object monitor) 该状态表示当前线程被挂起,正在执行obj.wait()方法(无参数的wait())。不消耗CPU

总结:有时间限制的都是TIMED_开头,没有时间限制的则是直接WAITING开头。RUNNABLE不一定在消耗CPU要看具体的方法。WAITING肯定不消耗CPU。

1.3 线程堆栈分析的三个视角

1.3.1 视角一 堆栈的局部信息

  • 当前每一个线程的调用层次关系(调用上下文),即当前每个线程正在调用哪些函数。
  • 当前每个线程的状态,如持有了哪些锁,在等待哪些锁。

1.3.2 视角二 一次堆栈的统计信息(全局信息)

从一次堆栈的信息中,通过统计可以获得相关的影响性能的嫌疑代码,其符合典型的"笨贼原理"。例如,一个贼到西瓜地里偷西瓜,他待得越久被发现的几率就越大。

  1. 当前锁的争用情况:是不是很多线程在等待同一个锁呢?如果很多正在执行用户代码的线程在等待同一个锁,那么这个系统就已经出现了性能瓶颈,并导致了锁竞争。还可能是某个线程长时间持有一个锁不释放(如这个线程陷入了死循环的代码,或者正在请求一个资源,很长时间得不到唤醒)。

用户代码是指正在执行用户逻辑的代码。在Java应用中,很多情况下会使用线程池等技术,如果线程池中的线程仍在池中,那么这个线程则不在执行用户代码,在实际分析过程中,我们只关注正在执行用户代码的线程。具体哪些线程在执行用户代码,要根据调用上下文确认,如在下面的线程中,从上下文可以看出他们是线程中的待调度线程,这种线程并不需要关注。

  1. 当前大多数线程在干什么:在一次堆栈中,如果有很多线程在集中执行某段代码,那么突破这个点就能提升系统的性能。
  2. 当前线程的总数量:通过该信息可以知道系统创建线程的状况(太多、太少,或者实现机制不合理)。

1.3.3 视角三 多个堆栈的前后对比信息

从多次(前后打印多次堆栈进行对比)的堆栈信息中,还可以获得如下针对某个线程的信息。这个线程是不是长期在执行,是不是长期在等一个锁。跟二结合起来看。

1.4 借助线程堆栈进行问题分析(典型场景)

1.4.1 线程死锁分析

从打印的线程堆栈中可以看到"Found one Java-level deadlock",即如果存在线程死锁的情况,虚拟机在打印堆栈中会直接给出死锁的分析结果。唯一的办法就是重启。避免死锁唯一的办法就是修改代码。死锁的两个或多个线程是不消耗CPU的。

1.4.2 Java代码死循环导致CPU过高

多次打印堆栈,还在RUNNABLE执行的线程看在干什么。也有可能是不合理的内存设置导致的GC。常见的死循环原因如下:

  1. HashMap等线程不安全的容器,用在多线程读/写的场合,导致HashMap的方法调用形成死循环。在多线程中使用JDK提供的容器类作为共享变量的时候,千万不能使用线程不安全的容器类。

  2. 多线程场合对共享变量没有进行保护,导致数据混乱,从而使循环退出的条件永远不满足,导致死循环的发生。

    • 在for、while循环中,由于退出条件永远不满足而导致死循环。
    • 链表等数据结构收尾相接,导致遍历永远无法停止。
  3. 其他错误的编码。如果是CPU密集型的。可以

bash 复制代码
top
# 按1 查看每一个核的CPU使用率

1.4.3 高消耗CPU代码的常用分析方法

造成CPU使用率异常的原因如下

  1. Java代码中存在死循环,导致CPU使用率过高。
  2. 系统存在不恰当的设计,尽管没有死循环,但CPU的使用率仍然过高。如不断的轮询。
  3. JNI中有死循环代码
  4. 堆内存设置太小造成的频繁GC。
  5. 在32位的JDK中,由于堆内存设置太大造成的频繁GC。
  6. JDK自身存在死循环的bug。

1.操作系统提供的性能分析工具

css 复制代码
top -p <javapid>
# 按H查看该进程所有线程的统计情况(CPU等)

这个PID就是tid=... nid=...里面的nid,其中nid就是本地线程号,只不过线程堆栈里面的nid中用十六进制来表示。 然后再去java堆栈快照里面找这个线程id。看在干嘛。

如果在Java线程堆栈中找不到对应的线程ID,则有如下两种可能

  1. JNI调用中重新创建新线程来执行,那么在Java线程堆栈中就不存在对应的线程信息。
  2. 虚拟机自身代码导致的CPU使用率过高,如堆内存枯竭导致的频繁Full GC(完全垃圾回收),或者虚拟机的BUg等。

这种方式对系统的消耗最小,非常适合在生产环境中使用。

2.Xrunprof协助分析

虚拟机自身也提供了一些CPU剖析工具,借助这些工具可以获知哪些代码段消耗了更多的CPU,从而找到可疑的性能点。

3.JProftler和Optimizelt等工具

一些商业化分析CPU的工具。

4.多次打印堆栈。

第一种和第四种相比二三对系统的消耗最小。

1.4.4 资源不足等导致性能下降的分析

这里所说的资源包括数据库连接等。大多数时候资源不足和性能瓶颈是同一类问题。如果资源不足,就会导致资源争用,请求该资源的线程会被阻塞或者挂起(wait),自然就导致性能下降。

系统对于资源一般的设计模式是:当需要资源的时候,就获取资源;当不需要的时候,就把资源释放;如果暂时没有可用资源,那么就等待(阻塞)在那里(等在一个资源锁上面);如果有别的线程释放资源,那么等待的线程被notify()后获得资源继续运营(一般资源的设计都是遵循wait/notify模式)

资源不足的时候,就会有大量的线程在等待资源,停在同样的调用上下文上。

  1. 资源数量配置太少
  2. 获得资源的线程把持资源太久。
  3. 如SQL语句没有索引导致数据库访问过慢。
  4. 资源用完后,在某种情况下,没有关闭或回池,导致可用资源泄漏或者减少,从而导致资源竞争。

1.4.5 线程不退出导致系统挂死的分析

系统挂死的特征是线程一直都在同一个调用上下文上。间隔Nmin多打印几次一直在执行任务的线程。 可能原因

  1. 线程正在执行死循环代码
  2. 资源不足或资源泄漏,造成当前线程阻塞在锁对象上(wait在锁对象上,长时间得不到唤醒notify)
  3. 如果Java程序和外部应用程序通信,外部应用程序阻塞时,也会导致当前Java线程挂起。

1.4.6 多个锁导致的锁链分析

A1线程等S1锁,找到S1锁的持有者A2,发现A2在等S2锁,又继续找S2锁的持有者A3,发现这个线程在执行一个很慢的任务。

相关推荐
码事漫谈6 小时前
以后人人都可以成为导演
后端
Resean02236 小时前
Spring 源码分析(二)配置类的解析与扫描
java·后端·spring
一只爱撸猫的程序猿6 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
北城笑笑8 小时前
Vue 110 ,若依SSE流式接口限次空500排查与解决
前端·javascript·vue.js·后端·vue
ServBay8 小时前
Local harness 将退役,VS Code 本地开发要不要搬到云端?
后端·ai编程·visual studio code
ashiho9 小时前
【LeetCode hot 100】3. 无重复字符的最长子串 (三种解法)
java·数据结构·后端·算法·leetcode·滑动窗口
张一凡9310 小时前
你的 AGENTS.md,真的管到模型写代码了吗?
前端·后端·agent
00后程序员10 小时前
iOS 实时活动怎么开发,Windows 上用 KXBuild 和 ActivityKit 写灵动岛
后端·ios
程序员cxuan10 小时前
推荐 10 个 WorkBuddy 中的邪修用法
人工智能·后端·程序员
Bacon10 小时前
给项目做一次"全身 CT":Agent Skills 生态里的代码体检全链路
前端·人工智能·后端