今天断断续续的收到管理平台的异常报警，cpu占用过高和jvm old占用过高，这个时候赶紧去排查原因，下面记录了我的排查过程，可能里面还有不正确的地方，欢迎各位大佬指正，也欢迎大家关于类似的案例一起交流，下面就看我关于这次排查的过程把
报警
- cpu使用率过高报警，接近100%
- 后续又来了jvm old过高报警
排查过程
- 首先打开监控平台看报警节点的cpu使用情况
- 登录服务器找到占用 cpu过高线程堆栈信息
①通过 top 命令找到占用cpu最高的 pid[进程id]
定位到pid是 1469
②通过 top -Hp pid 查看进程中占用cpu过高的 tid[线程id]
③通过 **printf pid |grep tid ** 把线程id转化为十六进制
④通过 jstack pid | grep tid -A 30 定位线程堆栈信息
占用cpu过高的线程有两个，其中一个是打印异常日志的（会new 对象），还有gc线程
打印异常堆栈
这个占用cpu根据堆栈信息就可以定位，看下代码，可以发现new 对象，且打印全栈信息
其中ExceptionUtils.getFullStackTrace(e) 属于commons.lang包
可以发现上面两个方法会创建很多对象且打印堆栈信息占用内存
gc线程
可以发现占用cpu过高的线程进行大量的gc
- 通过 jstat -gcutil pid 时间间隔 查看 jc 信息
gc信息
可以发现伊甸园区和老年代都已经满了，且进行了大量的FGC
指标介绍
S0：年轻代第一个幸存区（survivor）使用容量占用百分比
S1：年轻代第二个幸存区（survivor）使用容量占用百分比
E：年轻代伊甸园区（eden）使用容量占用百分比
O：老年代使用容量占用百分比
P：perm代使用容量占用百分比
YGC：从应用程序启动到当前采样时年轻代gc的次数
YGCT：从应用程序启动到当前采样时年轻代gc的时间
FGC：从应用程序启动到当前采样时老年代gc的次数
FGCT：从应用程序启动到当前采样时老年代gc的时间
GCT：从应用程序启动到当前采样时gc总耗时
- 导出dump文件，使用jdk自带的jvisualvm.exe分析
使用 jmap -dump:live,format=b,file=name.dump pid 导出dump文件，一般dump文件会比较大【我的这个2.94G】，然后下载【可以用 sz name.dump】到本地用jvisualvm【jdk自带的，在bin目录下】分析
首先看下dump文件的概要
看看这些大对象都是什么
发现前面几个大对象都和 ElastaicSearchStatusException对象有关，然后这个管理平台用到es的地方只有一处，就是做数据漏斗，记录广告检索在哪些步骤过滤掉，方便产品和运营查看广告被过滤的原因，然后翻开代码
其中 RestClientFactory.getRestClient().search(searchRequest)的 search方法一步一步跟进，发现抛ElasticSearchStatusException的地方
其中parseResponseException方法会抛出ElasticSearchStatusException异常，至于这两个地方具体是哪个步骤抛的，可以继续研究es代码判断或者 远程debug判定，我这里先不管了，反正我们能知道es出问题了
其实正是因为这里抛异常才会导致创建大量对象，因为异常在上面提到的打印异常日志的地方也会创建对象，老年代占用过高，导致大量fgc
但es这里为何会有异常？
我登录到es的管理平台查看es的索引，发现有的索引没有创建，索引的创建是有任务去创建并实时写入数据的，发现那个任务已经停了。
处理过程
- 找到相关的任务重新启动，并找任务停止的原因，修复，并把丢失的索引创建并修复数据
- 在异常日志打印那最好加入流控【用Guava.RateLimiter控制】
小结
jvm old区占用过高排查思路
- top查看占用cpu高的进程
- jstat -gcutil pid 时间间隔 查看gc状况
- jmap -dump:live,format=b,file=name.dump pid 导出dump文件
- 用visualVM分析dump文件
cpu占用过高排查思路
top 查看占用cpu的进程 pid
top -Hp pid 查看进程中占用cpu过高的线程id tid
printf '%x/n' tid 转化为十六进制
jstack pid |grep tid的十六进制 -A 30 查看堆栈信息定位
欢迎关注公众号 【每天晒白牙】，获取最新文章，我们一起交流，共同进步！
