cpu故障定位 top strace pstack

一次服务器CPU占用率高的定位分析 推荐

 

背景：通过性能监控发现上线服务器cpu某核占用率已经达到了100%，而且是由我们的某个核心服务导致的。幸亏由于我们的服务进程由多个相同worker（线程）调度承担的，所以除了CPU占用率高之外，并没有对服务造成影响。随着上次我们找到那个吃IO的罪犯，这次我们要追捕的是潜伏在团体中的特务，更加惊险刺激哟！

---

系统环境

用top命令很容易定位到是谁占用CPU最高。

以我们的这个业务进程（imDevServer）举例，为什么说这货是个潜伏者呢？因为这是个多线程的进程，我们要知道实际上占用cpu的最小单位是线程，所以肯定是众线程中的某一个或几个占用CPU过高导致的。top -H -p pid命令查看进程内各个线程占用的CPU百分比

如上图所示我们可以看出id为8863的线程cpu占用率最高。好，我们现在只要能找到他偷走的cpu就好了，虽然这小子嘴巴严，但是我们有一套完善的审问流程，不怕他不招。首先出马的是strace -T -r -c -p pid命令

它的作用是查看系统调用和花费的时间，epoll_wait虽然占用的调用时间多，但是他本身是个正常的阻塞调用。

我们接着让pstack pid出马

可以看到每个线程的调用堆栈，找到已经找出的占用CPU最高的那个线程，然后看他的调用堆栈，很容易看出在哪一步逻辑上导致了busy loop，

再使用trace -p tid看看线程的调用过程接着定位到代码，修复bug，找回被偷走的cpu。

后记：其实作为一个程序员，我感觉最大的乐趣不是洋洋洒洒的写程序，而是去寻找一些“高端”bug，也许就和有些刑警痴迷于侦破案件一样，这就是对技术的热爱。