记一次 .NET某设备监控自动化系统 CPU爆高分析

  • 记一次 .NET某设备监控自动化系统 CPU爆高分析已关闭评论
  • 40 次浏览
  • A+
所属分类:.NET技术
摘要

先说一下题外话,一个监控别人系统运行状态的程序,结果自己出问题了,有时候想一想还是挺讽刺的,哈哈,开个玩笑,我们回到正题,前些天有位朋友找到我,说他们的系统会偶发性CPU爆高,CPU上去了就下不来了,让我帮忙看一下怎么回事,而且自己也分析过了,没找到哪里有问题,写监控的都是高手,给我的第一感觉就是这个dump可能解决起来不容易,不管怎么说,有了dump就开干吧!


一:背景

1. 讲故事

先说一下题外话,一个监控别人系统运行状态的程序,结果自己出问题了,有时候想一想还是挺讽刺的,哈哈,开个玩笑,我们回到正题,前些天有位朋友找到我,说他们的系统会偶发性CPU爆高,CPU上去了就下不来了,让我帮忙看一下怎么回事,而且自己也分析过了,没找到哪里有问题,写监控的都是高手,给我的第一感觉就是这个dump可能解决起来不容易,不管怎么说,有了dump就开干吧!

二:WinDbg 分析

1. CPU真的爆高吗

作为调试人,第一准则就是不要轻信任何人透露给你的信息,因为人家在这块是一个小白,往往他的信息会把你带偏,我们只相信数据即可,切记!!! 所以我们先用 !tp 观察下CPU使用率。

 0:198> !tp CPU utilization: 100% Worker Thread: Total: 197 Running: 42 Idle: 154 MaxLimit: 32767 MinLimit: 8 Work Request in Queue: 0 -------------------------------------- Number of Timers: 0 -------------------------------------- Completion Port Thread:Total: 10 Free: 5 MaxFree: 16 CurrentLimit: 10 MaxLimit: 1000 MinLimit: 8  

从卦中信息看当前 CPU=100%,还是蛮惨的,那到底谁在吃CPU资源呢?根据经验先查一下是不是触发了2代GC,接下来用 !t 观察下是否有GC标记。

 0:198> !t ThreadCount:      214 UnstartedThread:  0 BackgroundThread: 211 PendingThread:    0 DeadThread:       1 Hosted Runtime:   no                                                                                                         Lock          ID OSID ThreadOBJ           State GC Mode     GC Alloc Context                  Domain           Count Apt Exception    0    1 276f0 000002789526b5f0    2a020 Preemptive  0000000000000000:0000000000000000 000002789525e840 0     MTA     2    2 25e5c 0000027895296d00    2b220 Preemptive  0000000000000000:0000000000000000 000002789525e840 0     MTA (Finalizer)     3    3 260e8 00000278ae35f0c0  202b020 Preemptive  0000000000000000:0000000000000000 000002789525e840 0     MTA     ...  169 2113 10c20 00000278c26766c0  1029220 Preemptive  00000278B5D7D188:00000278B5D7D188 000002789525e840 1     MTA (GC) (Threadpool Worker) xxxException 00000278b5d46ce0  ...  

尼玛从卦中的 (GC) 来看,还真的触发了GC,接下来的研究方向就是洞察下是不是CPU爆高的祸首。

2. GC触发导致的吗

要寻找这个问题的答案,首先就是看下这次GC是不是 FullGC 即可,可以切到 169 号线程,观察下线程栈。

 0:169> k 10  # Child-SP          RetAddr               Call Site 00 000000c4`36ffb798 00007ffc`d5f14313     ntdll!NtWaitForSingleObject+0x14 01 000000c4`36ffb7a0 00007ffc`c927cb27     KERNELBASE!WaitForSingleObjectEx+0x93 02 000000c4`36ffb840 00007ffc`c927cadf     clr!CLREventWaitHelper2+0x3c 03 000000c4`36ffb880 00007ffc`c927ca5c     clr!CLREventWaitHelper+0x1f 04 000000c4`36ffb8e0 00007ffc`c926bd32     clr!CLREventBase::WaitEx+0x7c 05 000000c4`36ffb970 00007ffc`c9269bc4     clr!ThreadSuspend::SuspendRuntime+0x32c 06 000000c4`36ffba60 00007ffc`c91814e3     clr!ThreadSuspend::SuspendEE+0x128 07 000000c4`36ffbb60 00007ffc`c9185f51     clr!WKS::GCHeap::GarbageCollectGeneration+0xb7 08 000000c4`36ffbbc0 00007ffc`c9260f56     clr!WKS::gc_heap::trigger_gc_for_alloc+0x2d 09 000000c4`36ffbc00 00007ffc`c6b0f7e7     clr!JIT_NewArr1+0xa97 0a 000000c4`36ffc030 00007ffc`6a388270     mscorlib_ni!System.String.ToCharArray+0x27 [f:ddndpclrsrcBCLsystemstring.cs @ 758]  0b 000000c4`36ffc080 00007ffc`6a3880ed     0x00007ffc`6a388270 0c 000000c4`36ffc100 00007ffc`6a56056d     0x00007ffc`6a3880ed 0d 000000c4`36ffc150 00007ffc`6a3cd749     0x00007ffc`6a56056d 0e 000000c4`36ffc1b0 00007ffc`c911989d     0x00007ffc`6a3cd749 0f 000000c4`36ffc220 00007ffc`c9119764     clr!ExceptionTracker::CallHandler+0xfd  

从卦中看此时的GC还处于早期的 SuspendEE 阶段,无法获取内部的 settings 结构,这就比较麻烦了,那怎么办呢?只能看看 GarbageCollectGeneration 的第一个参数有没有保存在栈中,要是没有就惨了。。。方法签名如下:

 size_t GCHeap::GarbageCollectGeneration (unsigned int gen, gc_reason reason) {  }  

根据 x64调用协定,gen是保存在 rdx 寄存器里,接下来观察汇编代码。

 0:000> uf 00007ffc`c91814e3 clr!WKS::GCHeap::GarbageCollectGeneration: 00007ffc`c918142c 48895c2418      mov     qword ptr [rsp+18h],rbx 00007ffc`c9181431 89542410        mov     dword ptr [rsp+10h],edx 00007ffc`c9181435 48894c2408      mov     qword ptr [rsp+8],rcx 00007ffc`c918143a 55              push    rbp 00007ffc`c918143b 56              push    rsi 00007ffc`c918143c 57              push    rdi 00007ffc`c918143d 4154            push    r12 00007ffc`c918143f 4155            push    r13 00007ffc`c9181441 4156            push    r14 00007ffc`c9181443 4157            push    r15 ...  0:169> dd 000000c4`36ffbbc0-0x8+0x10 L1 000000c4`36ffbbc8  00000000  

从卦中看,谢天谢地,edx保存在 rsp+10h 的位置,通过dp观察内存地址的值发现是0,也就表示当前是 0 代GC,这种smallgc 经常触发是很正常的,并不是我们CPU爆高的诱因,接下来就陷入迷茫了。。。

3. 路在何方

撞了南墙之后得要看看其他路子,其实刚才用 !t 观察线程列表的时候我就注意到一个特征,那就是很多线程上挂了异常,截图如下:

记一次 .NET某设备监控自动化系统 CPU爆高分析

从卦中看此时有19个线程在抛 xxxResultException 异常,做过开发的朋友都知道,如果频繁的抛异常是很耗CPU资源的,因为它要设计到用户态内核态的切换,如果有 19 个线程一起抛异常,那绝对是一个灾难。。。

有些朋友说我cpu猛一点是不是就可以了,哈哈,理论上是可以的,可以用 !cpuid 观察下这台机器的cpu核心数。

 0:169> !cpuid CP  F/M/S  Manufacturer     MHz  0  6,167,1  <unavailable>   3408  1  6,167,1  <unavailable>   3408  2  6,167,1  <unavailable>   3408  3  6,167,1  <unavailable>   3408  4  6,167,1  <unavailable>   3408  5  6,167,1  <unavailable>   3408  6  6,167,1  <unavailable>   3408  7  6,167,1  <unavailable>   3408  

从证据链的完整性上来说,其实这里还需要再做一个验证,就是19个线程抛异常不代表他们的并发性,言外之意就是能不能再找一些其他证据,怎么找其他证据呢?

做C#开发的朋友应该知道,Exception 属于引用类型,如果密集抛了很多异常,那托管堆上自然就有很多,直到GC回收,所以我们观察下这个时间差即可,使用 !wdae 命令,这里为了隐私性我就模糊了哈。

 0:169> !wdae      384 of Type: xxxResultException 000002789fdb6478 000002789fdb69b0 000002789fdb9848 Message: xxxFailed Inner Exception: (none) Stack: IP               Function 00007ffc6a269861 xxx.ChannelAsyncOperation`1[[System.Int32, mscorlib]].End(Int32, Boolean) ...      411 of Type: xxxResultException 000002789fdb6e90 000002789fdb7090 000002789fdb72a8 Message: xxxClosed Inner Exception: (none) Stack: IP               Function 00007ffc6a269861 xxx.ChannelAsyncOperation`1[[System.Int32, mscorlib]].End(Int32, Boolean) ... 808 Exceptions in 12 unique type/stack combinations (duplicate types in similar stacks may be rethrows)  

从卦中看当前抛了808个异常,大多是和channel通信有关,结合16个线程并发抛,这就稳了,看样子cpu爆高期间就是由于高频的抛异常所致,分析出这些信息之后,就是告诉朋友把这些异常给解决掉即可。

三:总结

CPU爆高的诱因非常多,高频的抛异常就属于其中一例,其实这种通信时发生了突发异常正是 Polly 这种 弹性和瞬态故障处理库 大显身手的地方。

记一次 .NET某设备监控自动化系统 CPU爆高分析