線上故障主要會包括 CPU、磁盤、內(nèi)存以及網(wǎng)絡(luò)問題，而大多數(shù)故障可能會包含不止一個層面的問題，所以進(jìn)行排查時候盡量四個方面依次排查一遍。

同時例如 jstack、jmap 等工具也是不囿于一個方面的問題的，基本上出問題就是 df、free、top 三連，然后依次 jstack、jmap 伺候，具體問題具體分析即可。

CPU

一般來講我們首先會排查 CPU 方面的問題。CPU 異常往往還是比較好定位的。原因包括業(yè)務(wù)邏輯問題(死循環(huán))、頻繁 GC 以及上下文切換過多。

而最常見的往往是業(yè)務(wù)邏輯(或者框架邏輯)導(dǎo)致的，可以使用 jstack 來分析對應(yīng)的堆棧情況。

①使用 jstack 分析 CPU 問題

我們先用 ps 命令找到對應(yīng)進(jìn)程的 pid(如果你有好幾個目標(biāo)進(jìn)程，可以先用 top 看一下哪個占用比較高)。

接著用top -H -p pid來找到 CPU 使用率比較高的一些線程：

然后將占用最高的 pid 轉(zhuǎn)換為 16 進(jìn)制 printf '%x\n' pid 得到 nid：

接著直接在 jstack 中找到相應(yīng)的堆棧信息 jstack pid |grep 'nid' -C5 –color：

可以看到我們已經(jīng)找到了 nid 為 0x42 的堆棧信息，接著只要仔細(xì)分析一番即可。

當(dāng)然更常見的是我們對整個 jstack 文件進(jìn)行分析，通常我們會比較關(guān)注 WAITING 和 TIMED_WAITING 的部分，BLOCKED 就不用說了。

我們可以使用命令 cat jstack.log | grep "java.lang.Thread.State" | sort -nr | uniq -c 來對 jstack 的狀態(tài)有一個整體的把握，如果 WAITING 之類的特別多，那么多半是有問題啦。

②頻繁 GC

當(dāng)然我們還是會使用 jstack 來分析問題，但有時候我們可以先確定下 GC 是不是太頻繁。

使用 jstat -gc pid 1000 命令來對 GC 分代變化情況進(jìn)行觀察，1000 表示采樣間隔(ms)，S0C/S1C、S0U/S1U、EC/EU、OC/OU、MC/MU 分別代表兩個 Survivor 區(qū)、Eden 區(qū)、老年代、元數(shù)據(jù)區(qū)的容量和使用量。

YGC/YGT、FGC/FGCT、GCT 則代表 YoungGc、FullGc 的耗時和次數(shù)以及總耗時。

如果看到 GC 比較頻繁，再針對 GC 方面做進(jìn)一步分析，具體可以參考一下 GC章節(jié)的描述。

③上下文切換

針對頻繁上下文問題，我們可以使用 vmstat 命令來進(jìn)行查看：

cs(context switch)一列則代表了上下文切換的次數(shù)。如果我們希望對特定的 pid 進(jìn)行監(jiān)控那么可以使用 pidstat -w pid 命令，cswch 和 nvcswch 表示自愿及非自愿切換。

磁盤

磁盤問題和 CPU 一樣是屬于比較基礎(chǔ)的。首先是磁盤空間方面，我們直接使用 df -hl 來查看文件系統(tǒng)狀態(tài)：

更多時候，磁盤問題還是性能上的問題。我們可以通過 iostatiostat -d -k -x 來進(jìn)行分析：

最后一列 %util 可以看到每塊磁盤寫入的程度，而 rrqpm/s 以及 wrqm/s 分別表示讀寫速度，一般就能幫助定位到具體哪塊磁盤出現(xiàn)問題了。

另外我們還需要知道是哪個進(jìn)程在進(jìn)行讀寫，一般來說開發(fā)自己心里有數(shù)，或者用 iotop 命令來進(jìn)行定位文件讀寫的來源。

不過這邊拿到的是 tid，我們要轉(zhuǎn)換成 pid，可以通過 readlink 來找到 pidreadlink -f /proc/*/task/tid/../..。

找到 pid 之后就可以看這個進(jìn)程具體的讀寫情況 cat /proc/pid/io：

我們還可以通過 lsof 命令來確定具體的文件讀寫情況 lsof -p pid：

內(nèi)存

內(nèi)存問題排查起來相對比 CPU 麻煩一些，場景也比較多。主要包括 OOM、GC 問題和堆外內(nèi)存。

一般來講，我們會先用 free 命令先來檢查一發(fā)內(nèi)存的各種情況：

堆內(nèi)內(nèi)存

內(nèi)存問題大多還都是堆內(nèi)內(nèi)存問題。表象上主要分為 OOM 和 Stack Overflow。

①OOM

JMV 中的內(nèi)存不足，OOM 大致可以分為以下幾種：

Exception in thread "main" java.lang.OutOfMemoryError: unable to create new native thread

這個意思是沒有足夠的內(nèi)存空間給線程分配 Java 棧，基本上還是線程池代碼寫的有問題，比如說忘記 shutdown，所以說應(yīng)該首先從代碼層面來尋找問題，使用 jstack 或者 jmap。

如果一切都正常，JVM 方面可以通過指定 Xss 來減少單個 thread stack 的大小。

另外也可以在系統(tǒng)層面，可以通過修改 /etc/security/limits.confnofile 和 nproc 來增大 os 對線程的限制。

Exception in thread "main" java.lang.OutOfMemoryError: Java heap space

這個意思是堆的內(nèi)存占用已經(jīng)達(dá)到 -Xmx 設(shè)置的最大值，應(yīng)該是最常見的的 OOM 錯誤了。

解決思路仍然是先應(yīng)該在代碼中找，懷疑存在內(nèi)存泄漏，通過 jstack 和 jmap 去定位問題。如果說一切都正常，才需要通過調(diào)整 Xmx 的值來擴(kuò)大內(nèi)存。

Caused by: java.lang.OutOfMemoryError: Meta space

這個意思是元數(shù)據(jù)區(qū)的內(nèi)存占用已經(jīng)達(dá)到 XX:MaxMetaspaceSize 設(shè)置的最大值，排查思路和上面的一致，參數(shù)方面可以通過 XX:MaxPermSize 來進(jìn)行調(diào)整(這里就不說 1.8 以前的永久代了)。

②Stack Overflow

棧內(nèi)存溢出，這個大家見到也比較多。

Exception in thread "main" java.lang.StackOverflowError

表示線程棧需要的內(nèi)存大于 Xss 值，同樣也是先進(jìn)行排查，參數(shù)方面通過Xss來調(diào)整，但調(diào)整的太大可能又會引起 OOM。

③使用 JMAP 定位代碼內(nèi)存泄漏

上述關(guān)于 OOM 和 Stack Overflow 的代碼排查方面，我們一般使用 JMAPjmap -dump:format=b,file=filename pid 來導(dǎo)出 dump 文件：

通過 mat(Eclipse Memory Analysis Tools)導(dǎo)入 dump 文件進(jìn)行分析，內(nèi)存泄漏問題一般我們直接選 Leak Suspects 即可，mat 給出了內(nèi)存泄漏的建議。

另外也可以選擇 Top Consumers 來查看最大對象報(bào)告。和線程相關(guān)的問題可以選擇 thread overview 進(jìn)行分析。

除此之外就是選擇 Histogram 類概覽來自己慢慢分析，大家可以搜搜 mat 的相關(guān)教程。

日常開發(fā)中，代碼產(chǎn)生內(nèi)存泄漏是比較常見的事，并且比較隱蔽，需要開發(fā)者更加關(guān)注細(xì)節(jié)。

比如說每次請求都 new 對象，導(dǎo)致大量重復(fù)創(chuàng)建對象；進(jìn)行文件流操作但未正確關(guān)閉；手動不當(dāng)觸發(fā) GC；ByteBuffer 緩存分配不合理等都會造成代碼 OOM。

另一方面，我們可以在啟動參數(shù)中指定 -XX:+HeapDumpOnOutOfMemoryError 來保存 OOM 時的 dump 文件。

④GC 問題和線程

GC 問題除了影響 CPU 也會影響內(nèi)存，排查思路也是一致的。一般先使用 jstat 來查看分代變化情況，比如 youngGC 或者 FullGC 次數(shù)是不是太多呀；EU、OU 等指標(biāo)增長是不是異常呀。

線程的話太多而且不被及時 GC 也會引發(fā) OOM，大部分就是之前說的 unable to create new native thread。

除了 jstack 細(xì)細(xì)分析 dump 文件外，我們一般先會看下總體線程，通過 pstreee -p pid |wc -l。

或者直接通過查看 /proc/pid/task 的數(shù)量即為線程數(shù)量。

堆外內(nèi)存

如果碰到堆外內(nèi)存溢出，那可真是太不幸了。首先堆外內(nèi)存溢出表現(xiàn)就是物理常駐內(nèi)存增長快，報(bào)錯的話視使用方式都不確定。

如果由于使用 Netty 導(dǎo)致的，那錯誤日志里可能會出現(xiàn) OutOfDirectMemoryError 錯誤，如果直接是 DirectByteBuffer，那會報(bào) OutOfMemoryError: Direct buffer memory。

堆外內(nèi)存溢出往往是和 NIO 的使用相關(guān)，一般我們先通過 pmap 來查看下進(jìn)程占用的內(nèi)存情況 pmap -x pid | sort -rn -k3 | head -30，這段意思是查看對應(yīng) pid 倒序前 30 大的內(nèi)存段。

這邊可以再一段時間后再跑一次命令看看內(nèi)存增長情況，或者和正常機(jī)器比較可疑的內(nèi)存段在哪里。

我們?nèi)绻_定有可疑的內(nèi)存端，需要通過 gdb 來分析 gdb --batch --pid {pid} -ex "dump memory filename.dump {內(nèi)存起始地址} {內(nèi)存起始地址+內(nèi)存塊大小}"。

獲取 dump 文件后可用 heaxdump 進(jìn)行查看 hexdump -C filename | less，不過大多數(shù)看到的都是二進(jìn)制亂碼。

NMT 是 Java7U40 引入的 HotSpot 新特性，配合 jcmd 命令我們就可以看到具體內(nèi)存組成了。

需要在啟動參數(shù)中加入 -XX:NativeMemoryTracking=summary 或者 -XX:NativeMemoryTracking=detail，會有略微性能損耗。

一般對于堆外內(nèi)存緩慢增長直到爆炸的情況來說，可以先設(shè)一個基線 jcmd pid VM.native_memory baseline。

然后等放一段時間后再去看看內(nèi)存增長的情況，通過 jcmd pid VM.native_memory detail.diff(summary.diff) 做一下 summary 或者 detail 級別的 diff。

可以看到 jcmd 分析出來的內(nèi)存十分詳細(xì)，包括堆內(nèi)、線程以及 GC(所以上述其他內(nèi)存異常其實(shí)都可以用 nmt 來分析)，這邊堆外內(nèi)存我們重點(diǎn)關(guān)注 Internal 的內(nèi)存增長，如果增長十分明顯的話那就是有問題了。

detail 級別的話還會有具體內(nèi)存段的增長情況，如下圖：

此外在系統(tǒng)層面，我們還可以使用 strace 命令來監(jiān)控內(nèi)存分配 strace -f -e "brk,mmap,munmap" -p pid。

這邊內(nèi)存分配信息主要包括了 pid 和內(nèi)存地址：

不過其實(shí)上面那些操作也很難定位到具體的問題點(diǎn)，關(guān)鍵還是要看錯誤日志棧，找到可疑的對象，搞清楚它的回收機(jī)制，然后去分析對應(yīng)的對象。

比如 DirectByteBuffer 分配內(nèi)存的話，是需要 Full GC 或者手動 system.gc 來進(jìn)行回收的(所以最好不要使用-XX:+DisableExplicitGC)。

那么其實(shí)我們可以跟蹤一下 DirectByteBuffer 對象的內(nèi)存情況，通過 jmap -histo:live pid 手動觸發(fā) Full GC 來看看堆外內(nèi)存有沒有被回收。

如果被回收了，那么大概率是堆外內(nèi)存本身分配的太小了，通過 -XX:MaxDirectMemorySize 進(jìn)行調(diào)整。

如果沒有什么變化，那就要使用 jmap 去分析那些不能被 GC 的對象，以及和 DirectByteBuffer 之間的引用關(guān)系了。

GC 問題

堆內(nèi)內(nèi)存泄漏總是和 GC 異常相伴。不過 GC 問題不只是和內(nèi)存問題相關(guān)，還有可能引起 CPU 負(fù)載、網(wǎng)絡(luò)問題等系列并發(fā)癥，只是相對來說和內(nèi)存聯(lián)系緊密些，所以我們在此單獨(dú)總結(jié)一下 GC 相關(guān)問題。

我們在 CPU 章介紹了使用 jstat 來獲取當(dāng)前 GC 分代變化信息。

而更多時候，我們是通過 GC 日志來排查問題的，在啟動參數(shù)中加上 -verbose:gc，-XX:+PrintGCDetails，-XX:+PrintGCDateStamps，-XX:+PrintGCTimeStamps 來開啟 GC 日志。

常見的 Young GC、Full GC 日志含義在此就不做贅述了。針對 GC 日志，我們就能大致推斷出 youngGC 與 Full GC 是否過于頻繁或者耗時過長，從而對癥下藥。

我們下面將對 G1 垃圾收集器來做分析，這邊也建議大家使用 G1-XX:+UseG1GC。

①youngGC 過頻繁

youngGC 頻繁一般是短周期小對象較多，先考慮是不是 Eden 區(qū)/新生代設(shè)置的太小了，看能否通過調(diào)整 -Xmn、-XX:SurvivorRatio 等參數(shù)設(shè)置來解決問題。

如果參數(shù)正常，但是 youngGC 頻率還是太高，就需要使用 Jmap 和 MAT 對 dump 文件進(jìn)行進(jìn)一步排查了。

②youngGC 耗時過長

耗時過長問題就要看 GC 日志里耗時耗在哪一塊了。以 G1 日志為例，可以關(guān)注 Root Scanning、Object Copy、Ref Proc 等階段。

Ref Proc 耗時長，就要注意引用相關(guān)的對象。Root Scanning 耗時長，就要注意線程數(shù)、跨代引用。

Object Copy 則需要關(guān)注對象生存周期。而且耗時分析它需要橫向比較，就是和其他項(xiàng)目或者正常時間段的耗時比較。

比如說圖中的 Root Scanning 和正常時間段比增長較多，那就是起的線程太多了。

③觸發(fā) Full GC

G1 中更多的還是 mixedGC，但 mixedGC 可以和 youngGC 思路一樣去排查。

觸發(fā) Full GC 了一般都會有問題，G1 會退化使用 Serial 收集器來完成垃圾的清理工作，暫停時長達(dá)到秒級別，可以說是半跪了。

FullGC 的原因可能包括以下這些，以及參數(shù)調(diào)整方面的一些思路：并發(fā)階段失敗：在并發(fā)標(biāo)記階段，MixGC 之前老年代就被填滿了，那么這時候 G1 就會放棄標(biāo)記周期。

這種情況，可能就需要增加堆大小，或者調(diào)整并發(fā)標(biāo)記線程數(shù) -XX:ConcGCThreads。晉升失敗：在 GC 的時候沒有足夠的內(nèi)存供存活/晉升對象使用，所以觸發(fā)了 Full GC。

這時候可以通過 -XX:G1ReservePercent 來增加預(yù)留內(nèi)存百分比，減少 -XX:InitiatingHeapOccupancyPercent 來提前啟動標(biāo)記，-XX:ConcGCThreads 來增加標(biāo)記線程數(shù)也是可以的。大對象分配失敗：大對象找不到合適的 Region 空間進(jìn)行分配，就會進(jìn)行 Full GC，這種情況下可以增大內(nèi)存或者增大 -XX:G1HeapRegionSize。

程序主動執(zhí)行 System.gc()：不要隨便寫就對了。

另外，我們可以在啟動參數(shù)中配置 -XX:HeapDumpPath=/xxx/dump.hprof 來 dump fullGC 相關(guān)的文件，并通過 jinfo 來進(jìn)行 GC 前后的 dump：jinfo?-flag?+HeapDumpBeforeFullGC?pid???jinfo?-flag?+HeapDumpAfterFullGC?pid

這樣得到兩份 dump 文件，對比后主要關(guān)注被 GC 掉的問題對象來定位問題。

網(wǎng)絡(luò)

涉及到網(wǎng)絡(luò)層面的問題一般都比較復(fù)雜，場景多，定位難，成為了大多數(shù)開發(fā)的噩夢，應(yīng)該是最復(fù)雜的了。

這里會舉一些例子，并從 TCP 層、應(yīng)用層以及工具的使用等方面進(jìn)行闡述。

①超時

超時錯誤大部分處在應(yīng)用層面，所以這塊著重理解概念。超時大體可以分為連接超時和讀寫超時，某些使用連接池的客戶端框架還會存在獲取連接超時和空閑連接清理超時。

讀寫超時：readTimeout/writeTimeout，有些框架叫做 so_timeout 或者 socketTimeout，均指的是數(shù)據(jù)讀寫超時。

注意這邊的超時大部分是指邏輯上的超時。soa 的超時指的也是讀超時。讀寫超時一般都只針對客戶端設(shè)置。

連接超時：connectionTimeout，客戶端通常指與服務(wù)端建立連接的最大時間。

服務(wù)端這邊 connectionTimeout 就有些五花八門了，Jetty 中表示空閑連接清理時間，Tomcat 則表示連接維持的最大時間。

其他：包括連接獲取超時 connectionAcquireTimeout 和空閑連接清理超時 idleConnectionTimeout。多用于使用連接池或隊(duì)列的客戶端或服務(wù)端框架。

我們在設(shè)置各種超時時間中，需要確認(rèn)的是盡量保持客戶端的超時小于服務(wù)端的超時，以保證連接正常結(jié)束。

在實(shí)際開發(fā)中，我們關(guān)心最多的應(yīng)該是接口的讀寫超時了。如何設(shè)置合理的接口超時是一個問題。

如果接口超時設(shè)置的過長，那么有可能會過多地占用服務(wù)端的 TCP 連接。而如果接口設(shè)置的過短，那么接口超時就會非常頻繁。

服務(wù)端接口明明 RT 降低，但客戶端仍然一直超時又是另一個問題。這個問題其實(shí)很簡單，客戶端到服務(wù)端的鏈路包括網(wǎng)絡(luò)傳輸、排隊(duì)以及服務(wù)處理等，每一個環(huán)節(jié)都可能是耗時的原因。

②TCP 隊(duì)列溢出

TCP 隊(duì)列溢出是個相對底層的錯誤，它可能會造成超時、RST 等更表層的錯誤。因此錯誤也更隱蔽，所以我們單獨(dú)說一說。

如上圖所示，這里有兩個隊(duì)列：syns queue(半連接隊(duì)列)

accept queue(全連接隊(duì)列)

三次握手，在 server 收到 client 的 syn 后，把消息放到 syns queue，回復(fù) syn+ack 給 client，server 收到 client 的 ack。

如果這時 accept queue 沒滿，那就從 syns queue 拿出暫存的信息放入 accept queue 中，否則按 tcp_abort_on_overflow 指示的執(zhí)行。

tcp_abort_on_overflow 0 表示如果三次握手第三步的時候 accept queue 滿了那么 server 扔掉 client 發(fā)過來的 ack。

tcp_abort_on_overflow 1 則表示第三步的時候如果全連接隊(duì)列滿了，server 發(fā)送一個 RST 包給 client，表示廢掉這個握手過程和這個連接，意味著日志里可能會有很多 connection reset/connection reset by peer。

那么在實(shí)際開發(fā)中，我們怎么能快速定位到 TCP 隊(duì)列溢出呢？

netstat 命令，執(zhí)行 netstat -s | egrep "listen|LISTEN"：

如上圖所示，overflowed 表示全連接隊(duì)列溢出的次數(shù)，sockets dropped 表示半連接隊(duì)列溢出的次數(shù)。

ss 命令，執(zhí)行 ss -lnt：

上面看到 Send-Q 表示第三列的 Listen 端口上的全連接隊(duì)列最大為 5，第一列 Recv-Q 為全連接隊(duì)列當(dāng)前使用了多少。

接著我們看看怎么設(shè)置全連接、半連接隊(duì)列大小吧：全連接隊(duì)列的大小取決于 min(backlog，somaxconn)。

Backlog 是在 Socket 創(chuàng)建的時候傳入的，somaxconn 是一個 OS 級別的系統(tǒng)參數(shù)。而半連接隊(duì)列的大小取決于 max(64, /proc/sys/net/ipv4/tcp_max_syn_backlog)。

在日常開發(fā)中，我們往往使用 Servlet 容器作為服務(wù)端，所以我們有時候也需要關(guān)注容器的連接隊(duì)列大小。

在 Tomcat 中 backlog 叫做 acceptCount，在 Jetty 里面則是 acceptQueueSize。

③RST 異常

RST 包表示連接重置，用于關(guān)閉一些無用的連接，通常表示異常關(guān)閉，區(qū)別于四次揮手。

在實(shí)際開發(fā)中，我們往往會看到 connection reset/connection reset by peer 錯誤，這種情況就是 RST 包導(dǎo)致的。

端口不存在：如果像不存在的端口發(fā)出建立連接 SYN 請求，那么服務(wù)端發(fā)現(xiàn)自己并沒有這個端口則會直接返回一個 RST 報(bào)文，用于中斷連接。

主動代替 FIN 終止連接：一般來說，正常的連接關(guān)閉都是需要通過 FIN 報(bào)文實(shí)現(xiàn)，然而我們也可以用 RST 報(bào)文來代替 FIN，表示直接終止連接。

實(shí)際開發(fā)中，可設(shè)置 SO_LINGER 數(shù)值來控制，這種往往是故意的，來跳過 TIMED_WAIT，提供交互效率，不閑就慎用。

客戶端或服務(wù)端有一邊發(fā)生了異常，該方向?qū)Χ税l(fā)送 RST 以告知關(guān)閉連接：我們上面講的 TCP 隊(duì)列溢出發(fā)送 RST 包其實(shí)也是屬于這一種。

這種往往是由于某些原因，一方無法再能正常處理請求連接了(比如程序崩了，隊(duì)列滿了)，從而告知另一方關(guān)閉連接。

接收到的 TCP 報(bào)文不在已知的 TCP 連接內(nèi)：比如，一方機(jī)器由于網(wǎng)絡(luò)實(shí)在太差 TCP 報(bào)文失蹤了，另一方關(guān)閉了該連接，然后過了許久收到了之前失蹤的 TCP 報(bào)文，但由于對應(yīng)的 TCP 連接已不存在，那么會直接發(fā)一個 RST 包以便開啟新的連接。

一方長期未收到另一方的確認(rèn)報(bào)文，在一定時間或重傳次數(shù)后發(fā)出 RST 報(bào)文。

這種大多也和網(wǎng)絡(luò)環(huán)境相關(guān)了，網(wǎng)絡(luò)環(huán)境差可能會導(dǎo)致更多的 RST 報(bào)文。

之前說過 RST 報(bào)文多會導(dǎo)致程序報(bào)錯，在一個已關(guān)閉的連接上讀操作會報(bào) connection reset，而在一個已關(guān)閉的連接上寫操作則會報(bào) connection reset by peer。

通常我們可能還會看到 broken pipe 錯誤，這是管道層面的錯誤，表示對已關(guān)閉的管道進(jìn)行讀寫，往往是在收到 RST，報(bào)出 connection reset 錯后繼續(xù)讀寫數(shù)據(jù)報(bào)的錯，這個在 glibc 源碼注釋中也有介紹。

我們在排查故障時候怎么確定有 RST 包的存在呢？當(dāng)然是使用 tcpdump 命令進(jìn)行抓包，并使用 wireshark 進(jìn)行簡單分析了。

tcpdump -i en0 tcp -w xxx.cap，en0 表示監(jiān)聽的網(wǎng)卡：

接下來我們通過 wireshark 打開抓到的包，可能就能看到如下圖所示，紅色的就表示 RST 包了。

④TIME_WAIT 和 CLOSE_WAIT

TIME_WAIT 和 CLOSE_WAIT 是啥意思相信大家都知道。

在線上時，我們可以直接用命令 netstat -n | awk '/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}'來查看 time-wait 和 close_wait 的數(shù)量。

用 ss 命令會更快 ss -ant | awk '{++S[$1]} END {for(a in S) print a, S[a]}'：

TIME_WAIT：time_wait 的存在一是為了丟失的數(shù)據(jù)包被后面連接復(fù)用，二是為了在 2MSL 的時間范圍內(nèi)正常關(guān)閉連接。

它的存在其實(shí)會大大減少 RST 包的出現(xiàn)。過多的 time_wait 在短連接頻繁的場景比較容易出現(xiàn)。

這種情況可以在服務(wù)端做一些內(nèi)核參數(shù)調(diào)優(yōu)：#表示開啟重用。允許將TIME-WAIT?sockets重新用于新的TCP連接，默認(rèn)為0，表示關(guān)閉??net.ipv4.tcp_tw_reuse?=?1??#表示開啟TCP連接中TIME-WAIT?sockets的快速回收，默認(rèn)為0，表示關(guān)閉??net.ipv4.tcp_tw_recycle?=?1

當(dāng)然我們不要忘記在 NAT 環(huán)境下因?yàn)闀r間戳錯亂導(dǎo)致數(shù)據(jù)包被拒絕的坑了，另外的辦法就是改小 tcp_max_tw_buckets，超過這個數(shù)的 time_wait 都會被干掉，不過這也會導(dǎo)致報(bào) time wait bucket table overflow 的錯。

CLOSE_WAIT：close_wait 往往都是因?yàn)閼?yīng)用程序?qū)懙挠袉栴}，沒有在 ACK 后再次發(fā)起 FIN 報(bào)文。

close_wait 出現(xiàn)的概率甚至比 time_wait 要更高，后果也更嚴(yán)重。往往是由于某個地方阻塞住了，沒有正常關(guān)閉連接，從而漸漸地消耗完所有的線程。

想要定位這類問題，最好是通過 jstack 來分析線程堆棧來排查問題，具體可參考上述章節(jié)。這里僅舉一個例子。

開發(fā)同學(xué)說應(yīng)用上線后 CLOSE_WAIT 就一直增多，直到掛掉為止，jstack 后找到比較可疑的堆棧是大部分線程都卡在了 countdownlatch.await 方法。

找開發(fā)同學(xué)了解后得知使用了多線程但是確沒有 catch 異常，修改后發(fā)現(xiàn)異常僅僅是最簡單的升級 SDK 后常出現(xiàn)的 class not found。

總結(jié)

以上是生活随笔為你收集整理的java如何解决高并发症,一整套Java线上故障排查技巧，爱了！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。