前言

最近在某應(yīng)用更新代碼后部分機器發(fā)布失敗，發(fā)布失敗的機器上Tomcat一直沒有啟動成功，日志卡在Deploying web application，重啟數(shù)次之后仍然是一樣的情況。所以進行排查問題，下面記錄了所有的排查過程，需要的朋友們可以參考學(xué)習(xí)。

排查過程

1. Tomcat啟動線程卡住

下文中Tomcat啟動線程代指線程名為localhost-startStop-$id的線程。

使用jstack打印出Tomcat的線程堆棧：

jstack `jps |grep Bootstrap |awk '{print $1}'` > jstack.log

從jstack.log里面可以看到線程localhost-startStop-1處于WAITING狀態(tài)，堆棧如下：

"localhost-startStop-1" #26 daemon prio=5 os_prio=0 tid=0x00007fe6c8002000 nid=0x3dc1 waiting on condition [0x00007fe719c1e000]
 java.lang.Thread.State: WAITING (parking)
 at sun.misc.Unsafe.park(Native Method)
 - parking to wait for <0x00000007147be150> (a xxx.heartbeat.network.client.FutureResult)
 at java.util.concurrent.locks.LockSupport.park(LockSupport.java:175)
 at java.util.concurrent.FutureTask.awaitDone(FutureTask.java:429)
 at java.util.concurrent.FutureTask.get(FutureTask.java:191)
 at xxx.HeartBeatContainer.invoke(HeartBeatContainer.java:183)
 at xxx.HeartBeatContainer.registry(HeartBeatContainer.java:130)

對應(yīng)的代碼如下：

final ResponseFuture<XxxMessage<Result>> future = responseFutureFactory.newResponseFuture(request);
channel.writeAndFlush(request);
XxxMessage<Result> response = future.get();

線程一直卡在future.get()沒有返回。這個步驟是在等待客戶端向Xxx-Server發(fā)送的注冊請求的返回。

2. Xxx注冊請求沒返回

用tcpdump抓了下包（Xxx-Server的服務(wù)端口是yyy）：

tcpdump -X -s0 -i bond0 port yyy

發(fā)現(xiàn)只有建連接的包，沒有l(wèi)ength != 0的數(shù)據(jù)包：

IP app-ip.56599 > xxx-server-ip.yyy: Flags [S], seq 3536490816, win 14600, options [mss 1460,sackOK,TS val 3049061547 ecr 0], length 0
IP xxx-server-ip.yyy > app-ip.56599: Flags [S.], seq 2500877640, ack 3536490817, win 14480, options [mss 1460,sackOK,TS val 1580197458 ecr 3049061547], length 0
IP app-ip.56599 > xxx-server-ip.yyy: Flags [.], ack 1, win 14600, options [nop,nop,TS val 3049061548 ecr 1580197458], length 0

所以，推斷注冊請求沒返回的原因是請求壓根兒沒有發(fā)送出去。

3. Xxx注冊請求沒發(fā)送出去

Xxx代碼里面調(diào)用了channel.writeAndFlush，但是數(shù)據(jù)卻沒有發(fā)送出去。這塊的代碼，更友好的做法應(yīng)該是writeAndFlush之后對返回的ChannelFuture注冊一個Listener，在write操作完成之后的回調(diào)里面判斷狀態(tài)。

在Netty大神 – @yh的指導(dǎo)下用BTrace跟了一下Netty的代碼。

在Tomcat啟動邏輯相關(guān)腳本bin/catalina.sh里面加上參數(shù)讓Btrace agent和Tomcat一起啟動：

JAVA_OPTS="$JAVA_OPTS -javaagent:${BTRACE_HOME}/build/btrace-agent.jar=script=${BTRACE_HOME}/scripts/HangDebug.class,stdout=true,debug=true,noServer=true"

HangDebug.class里面包含了一些需要查看的方法，下面是排查沒有發(fā)送請求原因的步驟：

• 首先發(fā)現(xiàn)沒有調(diào)用接口io.netty.channel.Channel.Unsafe的write方法，驗證了請求沒有發(fā)送出去的推論；
• 然后發(fā)現(xiàn)調(diào)用接口io.netty.channel.ChannelOutboundHandler的write方法時報錯；
• 最后定位到調(diào)用類io.netty.handler.codec.MessageToByteEncoder的write方法時拋出了異常，異常堆棧為：

io.netty.handler.codec.EncoderException: java.lang.NoSuchMethodError: io.netty.util.internal.MathUtil.safeFindNextPositivePowerOfTwo(I)I
 io.netty.handler.codec.MessageToByteEncoder.write(MessageToByteEncoder.java:125)
 ...
Caused by: java.lang.NoSuchMethodError: 
 io.netty.util.internal.MathUtil.safeFindNextPositivePowerOfTwo(I)I
 io.netty.buffer.PoolThreadCache$MemoryRegionCache.<init>(PoolThreadCache.java:372)
 ...

這個時候，問題的原因比較明確了：
io.netty.util.internal.MathUtil.safeFindNextPositivePowerOfTwo這個方法沒有找到。

最后找到問題的BTrace Method如下：

@OnMethod(
 clazz = "+io.netty.channel.ChannelOutboundHandler",
 method = "write",
 location = @Location(value = Kind.ERROR)
)
public static void errorChannelOutboundHandlerWrite(@ProbeClassName String className, Throwable cause) {
 println("error ChannelOutboundHandler.write, real class: " + className);
 Threads.jstack(cause);
 println("=====================");
}

這里有一個問題：為什么這個異常日志里面沒有打印呢？

這個問題可以從io.netty.channel.AbstractChannelHandlerContext代碼里找到答案：

private void invokeWrite(Object msg, ChannelPromise promise) {
 try {
 ((ChannelOutboundHandler)this.handler()).write(this, msg, promise);
 } catch (Throwable var4) {
 notifyOutboundHandlerException(var4, promise);
 }
}

notifyOutboundHandlerException會去通知對應(yīng)的Listener，Xxx的這段老代碼沒有注冊Listener，所以沒有打印出這個異常。

4. NoSuchMethodError原因

再次查看了下$WEBAPP-DIR/WEB-INF/lib下Netty的版本：

netty-3.10.6.Final.jar
netty-all-4.1.4.Final.jar
netty-buffer-4.1.5.Final.jar
netty-codec-4.1.5.Final.jar
netty-codec-http-4.1.5.Final.jar
netty-common-4.1.5.Final.jar
netty-handler-4.1.5.Final.jar
netty-resolver-4.1.5.Final.jar
netty-transport-4.1.5.Final.jar
transport-netty3-client-5.0.0.jar
transport-netty4-client-5.0.0.jar

比較扎眼的是netty-all-4.1.4.Final.jar的版本和其它jar包版本不太一致。需要進一步確認一下，io.netty.buffer.PoolThreadCache$MemoryRegionCache和io.netty.util.internal.MathUtil這兩個類分別是從哪個jar包中加載的。

在Tomcat啟動邏輯相關(guān)腳本bin/catalina.sh里面加上啟動參數(shù)，打印Class加載的日志：

JAVA_OPTS="$JAVA_OPTS -verbose:class"

可以看到：

...
[Loaded io.netty.buffer.PoolThreadCache$MemoryRegionCache from file:$WEBAPP-DIR/WEB-INF/lib/WEB-INF/lib/netty-buffer-4.1.5.Final.jar]
...
[Loaded io.netty.util.internal.MathUtil from file:$WEBAPP-DIR/WEB-INF/lib/netty-all-4.1.4.Final.jar]
...

從netty-all-4.1.4.Final.jar中加載的io.netty.util.internal.MathUtil，是沒有safeFindNextPositivePowerOfTwo這個方法的（正常情況下，應(yīng)該從netty-common-4.1.5.Final.jar中加載這個類）。

至此為止，弄清楚了啟動卡住的原因：

Netty包加載問題 => Xxx調(diào)用channel.writeAndFlush發(fā)送注冊請求時異常 => 沒有回包，future.get()一直卡住 => Tomcat啟動線程卡住

還有一個令人費解的現(xiàn)象：為什么有的機器啟動正常，有的機器啟動不正常呢？

5. 不同機器表現(xiàn)不同

再回頭看一下啟動有問題的機器上Netty相關(guān)jar包的順序，這里我們使用ls -f命令（只關(guān)注和問題相關(guān)的jar包）：

$ ls -f |grep netty
netty-buffer-4.1.5.Final.jar
netty-all-4.1.4.Final.jar
...
netty-common-4.1.5.Final.jar
...

ls加-f參數(shù)的含義可以通過man手冊看到：

-f do not sort, enable -aU, disable -ls --color

意思是直接使用系統(tǒng)調(diào)用getdents的返回，不再做排序。從man手冊可以看到，ls默認排序方法是Sort entries alphabetically if none。

NoSuchMethodError的原因是：從netty-buffer-4.1.5.Final.jar中加載了io.netty.buffer.PoolThreadCache$MemoryRegionCache，這個類是會調(diào)用io.netty.util.internal.MathUtil.safeFindNextPositivePowerOfTwo這個方法的；從netty-all-4.1.4.Final.jar加載的io.netty.util.internal.MathUtil沒有這個方法。

對比看下啟動正確的機器上的Netty相關(guān)jar包的順序：

$ ls -f |grep netty
...
netty-all-4.1.4.Final.jar
...
netty-common-4.1.5.Final.jar
netty-buffer-4.1.5.Final.jar
...

由此可以看出所有Netty相關(guān)的Class均從netty-all-4.1.4.Final.jar中加載，不會有不兼容的問題產(chǎn)生。

要么問題來了：為什么在ext4中，擁有相同目錄項的目錄，ls -f出來的順序是不一樣的呢？

這個問題我暫時也回答不上來，至少我還沒有拿到令自己信服的代碼級別的解釋。

嗯，沒有代碼的解釋不是解釋，沒有deadline的任務(wù)不是任務(wù)，沒有流程圖或分享的源碼閱讀不是源碼閱讀，沒有報告的性能測試不是性能測試。

這里有一個基于現(xiàn)象的解釋，我覺得還比較靠譜：

On modern filesystems where directory data structures are based on a search tree or hash table, the order is practically unpredictable.

我們可以做的

事后諸葛亮?xí)r間 :) 開玩笑的，遇事多review下才能少犯錯誤。

• 基礎(chǔ)組件：多考慮失敗的情況，不吞異常；可能阻塞的操作考慮超時時間（自勉）
• 發(fā)布系統(tǒng)：能夠添加一些規(guī)則，哪些包不能共存，比如上述問題中的netty-all和netty-common這些
• 容器隔離：隔離中間件使用的三方包和業(yè)務(wù)使用的三方包

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作能帶來一定的幫助，如果有疑問大家可以留言交流，謝謝大家對腳本之家的支持。

最新評論