一次.net code中的placeholder导致的高cpu诊断

背景

最近一位朋友找到我，让我帮看他们的一个aspnet core service无端cpu高的问题。从描述上看，这个service之前没有出现过cpu高的情况，最近也没有改过实际的什么code。很奇怪了，会有什么变化导致cpu上去了呢？

分析

由于比较容易复现 (据说一启动service，cpu就上去了)，我便让那位朋友在cpu高的时候直接手动把.net进程dump了一下。于是就开始用windbg分析了

先看一下案发时进程中的线程情况，毕竟它们是让进程动起来的源泉哈。大部分线程都运行到如下类似位置（下面的callstack是虚拟化的，因为为了朋友的隐私，code已经虚拟化）：

这里可以看出有约38/2=19个线程运行到Services.CronJob+d__1.MoveNext这个位置。我又问了那位朋友，当时的运行环境是大约20个cpu core。真巧哈，几乎所有cpu core都很有可能跑到了这个地方了。

注：上面如何知道有38/2个线程，而不是38个线程呢？这是因为一般来说，当某个函数正在被调用时，callstack中会显示出两次，如图哈：

看到没，在"current frame"下面显示的上一层调用关系中会也显示这个方法，此时它是callee哈。

那么这个Services.CronJob+d__1.MoveNext是何方神圣呢，名字叫cpu killer更贴切吧?

跑题了，去看看这个方法的代码。注意到这个是compiler generated code，所以就先看看generated code长啥样吧：

先利用上图中透露出来的method的md地址，用!dumpmd看一下这个方法的信息：

反编译看一下：

天啦撸，这好像是async state machine code，没事凑合看吧仔细观察那些标红的位置后，我发现这里面有些蹊跷啊。如果schedules不是null的话，有两种情况，这两种情况最终都会到label_10的地方，在那里，cpu可以得到休息；但如果schedules是null的话，会不会一直以同步的方式高速循环在while里？我在所有threads的stack上找寻，找不到有类型为List<string>的instance被stack引用着，所以很有可能是这个原因了。

另外，从Services.CronJob+d__1.MoveNext这个名字看，这个closure应该是在user code class CronJob中生成的，我们去看看。用!dumpheap:

正好19个CronJob, 这和刚分析的有19个线程正高速运行吻合。因为心情不错，所以再去看看CronJob的样子吧：

看起来这个CronJob是个long running的IHostedService，在循环中有的flow没有让thread休息导致cpu上来了。

后记

把这个结果告诉那位朋友后，朋友很快找到了对应的代码，简化后的代码如下：

 1     protected override async Task ExecuteAsync(CancellationToken stoppingToken)
 2     {
 3         await InitializeJobAsync();
 4 ​
 5         while (!stoppingToken.IsCancellationRequested)
 6         {
 7             List<string>? schedules = PreferenceService.GetSchedules(Region);
 8             if (schedules == null)
 9             {
10 ​
11             }
12             else
13             {
14                 await ProcessJobAsync(schedules);
15                 await Task.Delay(TimeSpan.FromSeconds(10), stoppingToken);
16             }
17         }
18     }

很奇怪为什么要在第8行写个空的if block在那里。那位朋友用git history发现，一个月前他的一个同事在这位朋友的代码里加了empty if block，而加之前的简化代码大约是这样的：

 1    protected override async Task ExecuteAsync(CancellationToken stoppingToken)
 2     {
 3         await InitializeJobAsync();
 4 ​
 5         while (!stoppingToken.IsCancellationRequested)
 6         {
 7             List<string>? schedules = PreferenceService.GetSchedules(Region);
 8 ​
 9             await ProcessJobAsync(schedules);
10             await Task.Delay(TimeSpan.FromSeconds(10), stoppingToken);
11         }
12     }

于是原因便是，当时加了这个empty if block后，由于PreferenceService.GetSchedules总不是null，所以没有进入问题flow；后来配置变了，返回了null，进入问题flow，问题flow又错过了await Task.Delay()，所以悲剧发生。。

据这位朋友说，他的同事后来说:"这个empty if block当时是个placeholder。现在不用了，可以删了" ……。。唉，删是好删，不过在发现root cause之前可是让这位朋友背了不少时间的锅哈

总结

无论在自己的代码还是别人的代码里加placeholder，一定要谨慎添加这种empty block。加对了顶多稍影响性能和可读性，加不对就是给别人或自己或项目组添堵了。并且这种bug只在特定条件下被触发，更难根据代码的版本历史排除出故障，而适合用底层诊断技术分析。