1. 现象描述

外界连接9090端口均超时，但telnet端口总是成功。使用top命令观察，发现单个线程的CPU最高达99.99%，但并不总是99.9%，而是在波动。当迁走往该机器的流量后，能够访问成功，但仍然有超时，读超时比写超时多：

# ./hbase_stress --hbase=110.13.136.207:9090 --test=2 --timeout=10

[2016-11-27 10:15:21/771][139756154767104/31562][ERROR][hbase_stress.cpp:302]TransportException(thrift://110.13.136.207:9090): EAGAIN (timed out)

[2016-11-27 10:15:31/775][139756154767104/31562][ERROR][hbase_stress.cpp:302]TransportException(thrift://110.13.136.207:9090): EAGAIN (timed out)

PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND

20727 zhangsan 20 0 10.843g 9.263g 26344 R 99.9 26.4 1448:00 java

20729 zhangsan 20 0 10.843g 9.263g 26344 R 99.9 26.4 1448:00 java

20730 zhangsan 20 0 10.843g 9.263g 26344 R 99.9 26.4 1449:10 java

20728 zhangsan 20 0 10.843g 9.263g 26344 R 99.8 26.4 1448:00 java

20693 zhangsan 20 0 10.843g 9.263g 26344 S 0.0 26.4 0:00.00 java

20727 zhangsan 20 0 10.843g 9.263g 26344 R 75.5 26.4 1448:06 java

20728 zhangsan 20 0 10.843g 9.263g 26344 R 75.2 26.4 1448:06 java

20729 zhangsan 20 0 10.843g 9.263g 26344 R 75.2 26.4 1448:06 java

20730 zhangsan 20 0 10.843g 9.263g 26344 R 75.2 26.4 1449:15 java

20716 zhangsan 20 0 10.843g 9.263g 26344 S 24.9 26.4 93:48.75 java

2. 问题定位

使用ps命令找出CPU最多的线程，和top显示的一致：

$ ps -mp 20693 -o THREAD,tid,time | sort -rn

zhangsan 18.8 19 - - - - 20730 1-00:11:23

zhangsan 18.7 19 - - - - 20729 1-00:10:13

zhangsan 18.7 19 - - - - 20728 1-00:10:13

zhangsan 18.7 19 - - - - 20727 1-00:10:13

zhangsan 16.1 19 - futex_ - - 20731 20:44:51

zhangsan 5.2 19 - futex_ - - 20732 06:46:39

然后借助jstack，发现为GC进程：

"Gang worker#0 (Parallel CMS Threads)" os_prio=0 tid=0x00007fb7200d4000 nid=0x50f7 runnable

"Gang worker#1 (Parallel CMS Threads)" os_prio=0 tid=0x00007fb7200d5800 nid=0x50f8 runnable

"Gang worker#2 (Parallel CMS Threads)" os_prio=0 tid=0x00007fb7200d7800 nid=0x50f9 runnable

"Gang worker#3 (Parallel CMS Threads)" os_prio=0 tid=0x00007fb7200d9000 nid=0x50fa runnable

使用jstat工具查看GC，情况很不乐观，问题就是有GC引起的：

$ jstat -gcutil 20693 1000 100

S0 S1 E O M CCS YGC YGCT FGC FGCT GCT

0.00 99.67 100.00 100.00 98.08 94.41 42199 369.132 27084 34869.601 35238.733

0.00 99.67 100.00 100.00 98.08 94.41 42199 369.132 27084 34870.448 35239.580

$ jstat -gccapacity 20693

NGCMN NGCMX NGC S0C S1C EC OGCMN OGCMX OGC OC MCMN MCMX MC CCSMN CCSMX CCSC YGC FGC

191808.0 1107520.0 1107520.0 110720.0 110720.0 886080.0 383680.0 8094144.0 8094144.0 8094144.0 0.0 1077248.0 31584.0 0.0 1048576.0 3424.0

$ jstat -gcold 20693

MC MU CCSC CCSU OC OU YGC FGC FGCT GCT

31584.0 30978.7 3424.0 3232.7 8094144.0 8094144.0 42199 27174 34964.347 35333.479

$ jstat -gcoldcapacity 20693

OGCMN OGCMX OGC OC YGC FGC FGCT GCT

383680.0 8094144.0 8094144.0 8094144.0 42199 27192 34982.623 35351.755

$ jstat -gcnewcapacity 20693

NGCMN NGCMX NGC S0CMX S0C S1CMX S1C ECMX EC YGC FGC

191808.0 1107520.0 1107520.0 110720.0 110720.0 110720.0 110720.0 886080.0 886080.0 42199 27202

$ jstat -gc 20693

S0C S1C S0U S1U EC EU OC OU MC MU CCSC CCSU YGC YGCT FGC FGCT GCT

110720.0 110720.0 0.0 110395.9 886080.0 886080.0 8094144.0 8094144.0 31584.0 30978.7 3424.0 3232.7 42199 369.132 27206 34996.538 35365.671

$ jstat -gcnew 20693

S0C S1C S0U S1U TT MTT DSS EC EU YGC YGCT

110720.0 110720.0 0.0 110396.9 6 6 55360.0 886080.0 886080.0 42199 369.132

使用lsof显示该进程的连接数不多，完全在安全范围内，问题应当是有对象不能被回收。使用jmap查看内存详情，先看堆的使用情况：

$ jmap -heap 20693

Attaching to process ID 20693, please wait...

Debugger attached successfully.

Server compiler detected.

JVM version is 25.77-b03

using parallel threads in the new generation.

using thread-local object allocation.

Concurrent Mark-Sweep GC

Heap Configuration:

MinHeapFreeRatio = 40

MaxHeapFreeRatio = 70

MaxHeapSize = 9422503936 (8986.0MB)

NewSize = 196411392 (187.3125MB)

MaxNewSize = 1134100480 (1081.5625MB)

OldSize = 392888320 (374.6875MB)

NewRatio = 2

SurvivorRatio = 8

MetaspaceSize = 21807104 (20.796875MB)

CompressedClassSpaceSize = 1073741824 (1024.0MB)

MaxMetaspaceSize = 17592186044415 MB

G1HeapRegionSize = 0 (0.0MB)

Heap Usage:

New Generation (Eden + 1 Survivor Space):

capacity = 1020723200 (973.4375MB)

used = 1020398064 (973.1274261474609MB)

free = 325136 (0.3100738525390625MB)

99.96814650632022% used

Eden Space:

capacity = 907345920 (865.3125MB)

used = 907345920 (865.3125MB)

free = 0 (0.0MB)

100.0% used

From Space:

capacity = 113377280 (108.125MB)

used = 113052144 (107.81492614746094MB)

free = 325136 (0.3100738525390625MB)

99.71322649476156% used

To Space:

capacity = 113377280 (108.125MB)

used = 0 (0.0MB)

free = 113377280 (108.125MB)

0.0% used

concurrent mark-sweep generation:

capacity = 8288403456 (7904.4375MB)

used = 8288403424 (7904.437469482422MB)

free = 32 (3.0517578125E-5MB)

99.9999996139184% used

10216 interned Strings occupying 934640 bytes.

进一步查看对象的情况：

$ jmap -histo 20693

num #instances #bytes class name

----------------------------------------------

1: 72835212 [B

2: 49827147 1993085880 java.util.TreeMap$Entry

3: 12855993 617087664 java.util.TreeMap

4: 4285217 445662568 org.apache.hadoop.hbase.client.ClientScanner

5: 4285222 377099536 org.apache.hadoop.hbase.client.Scan

6: 4284875 377069000 org.apache.hadoop.hbase.client.ScannerCallable

7: 4285528 342921344 [Ljava.util.HashMap$Node;

8: 4284880 308511360 org.apache.hadoop.hbase.client.ScannerCallableWithReplicas

9: 8570671 274261472 java.util.LinkedList

10: 4285579 205707792 java.util.HashMap

11: 4285283 205693584 org.apache.hadoop.hbase.client.RpcRetryingCaller

12: 3820914 152836560 org.apache.hadoop.hbase.filter.SingleColumnValueFilter

13: 4291904 137340928 java.util.concurrent.ConcurrentHashMap$Node

14: 8570636 137130176 java.util.TreeMap$EntrySet

15: 4285278 137128896 org.apache.hadoop.hbase.io.TimeRange

16: 8570479 137127664 java.util.concurrent.atomic.AtomicBoolean

17: 2891409 92525088 org.apache.hadoop.hbase.NoTagsKeyValue

18: 4286540 68584640 java.lang.Integer

19: 4285298 68564768 java.util.TreeMap$KeySet

20: 4285275 68564400 java.util.TreeSet

21: 4285006 68560096 java.util.HashSet

22: 4284851 68557616 java.util.HashMap$KeySet

23: 3176118 50817888 org.apache.hadoop.hbase.filter.BinaryComparator

24: 109 33607600 [Ljava.util.concurrent.ConcurrentHashMap$Node;

25: 418775 18479112 [Lorg.apache.hadoop.hbase.Cell;

26: 671443 17693224 [C

27: 418781 16751240 org.apache.hadoop.hbase.client.Result

28: 669739 16073736 java.lang.String

29: 644796 15475104 org.apache.hadoop.hbase.filter.SubstringComparator

30: 419134 10059216 java.util.LinkedList$Node

为使系统能够正常工作，先实施治标不治本的方案：监控GC，定时重启HBase Thrift2进程，然后再找出根本原因达到治本的目的。

从上面jmap的输出来看，猜测是不是因为额scanner没有被关闭导致的。而scanner没有被关闭的原因有两个：一是客户端程序问题没有关闭，也就是有内存泄漏了，二是客户端程序异常导致没机会关闭。

查看客户端源代码，确实存在openScanner的异常时未关闭。另外客户端被kill掉或断电等，也会导致无法释放，这一点是HBase Thrift2得解决的问题。

3. 解决方案

针对前面分析出的问题分别加以解决：

1) 客户端保证scanner全部释放；

2) HBase Thrift2增加自动释放长时间未操作的scanner；

3) 另外也可以使用getScannerResults替代getScannerRows来规避此问题。

补丁：

https://issues.apache.org/jira/browse/HBASE-17182。

4. 相关代码

private final Map<Integer, ResultScanner> scannerMap

= new ConcurrentHashMap<Integer, ResultScanner>();

@Override

public int openScanner(ByteBuffer table, TScan scan) throws TIOError, TException {

Table htable = getTable(table);

ResultScanner resultScanner = null;

try {

resultScanner = htable.getScanner(scanFromThrift(scan));

} catch (IOException e) {

throw getTIOError(e);

} finally {

closeTable(htable);

}

// 将scanner放入到scannerMap中，

// 如果客户端没有调用closeScanner，则导致该scanner泄漏，GC无法回收改部分内存

return addScanner(resultScanner);

}

/**

* Assigns a unique ID to the scanner and adds the mapping to an internal HashMap.

* @param scanner to add

* @return Id for this Scanner

private int addScanner(ResultScanner scanner) {

int id = nextScannerId.getAndIncrement();

scannerMap.put(id, scanner); // 将scanner放入到scannerMap中

return id;

}

/**

* Returns the Scanner associated with the specified Id.

* @param id of the Scanner to get

* @return a Scanner, or null if the Id is invalid

private ResultScanner getScanner(int id) {

return scannerMap.get(id);

}

@Override

public void closeScanner(int scannerId) throws TIOError, TIllegalArgument, TException {

LOG.debug("scannerClose: id=" + scannerId);

ResultScanner scanner = getScanner(scannerId);

if (scanner == null) {

String message = "scanner ID is invalid";

LOG.warn(message);

TIllegalArgument ex = new TIllegalArgument();

ex.setMessage("Invalid scanner Id");

throw ex;

}

scanner.close(); // 关闭scanner

removeScanner(scannerId); // 从scannerMap中移除scanner

}

/**

* Removes the scanner associated with the specified ID from the internal HashMap.

* @param id of the Scanner to remove

* @return the removed Scanner, or <code>null</code> if the Id is invalid

protected ResultScanner removeScanner(int id) {

return scannerMap.remove(id); // 从scannerMap中移除scanner

}

HBase Thrift2 CPU过高问题分析的更多相关文章

Windows服务器java.exe占用CPU过高问题分析及解决
最近在测试一个用java语言实现的数据采集接口时发现,接口一旦运行起来,CPU利用率瞬间飙升到85%-95%,一旦停止就恢复到40%以下,这让我不得不面对以前从未关注过的程序性能问题. 在硬着头皮查找 ...
db2 cpu使用率高问题分析处理
性能调优步骤明确问题->收集数据->分析数据->细化.定位问题->优化环境: db2 问题:%usr CPU高,大约99%,db2sysc进程使用的最多收集数据 ---系 ...
Linux 线程占用CPU过高定位分析
今天朋友问我一个Linux程序CPU占用涨停了,该如何分析, CPU占用过高,模拟CPU占用过高的情况先上一段代码: #include <iostream> #include <t ...
再记一次应用服务器 CPU 暴高事故分析
一:背景 1. 前言大概有2个月没写博客了,不是不想写哈
systemd --user进程CPU占用高问题分析
1.问题由来近期发现堡垒机环境有如下问题,systemd占用大量cpu: 原文链接:https://www.cnblogs.com/yaohong/p/16046670.html 2.问题定位 2. ...
偶遇 smon 进程cpu 开销高异常分析
今天突然发现线上一台oracle 数据库 servercpu 跑的非常高.感觉不是非常正常,细致看了下.发现是smon 进程吃掉了一个cpu. 那么这个smon 进程究竟在倒腾啥玩意对smon 进程 ...
MongoDB CPU 利用率高，分析慢请求
Jemeter 压测过程,发现mongodb的CPU均达到100%,需要查看mongodb的执行情况,使用mongo自带的profiling功能. profiling将请求的执行情况记录在DB下的 s ...
【JVM调优系列】----CPU过高的分析与解决方案
1.首先通过top命令查询当前进程所占cpu的一个比重
Mac cpu过高问题分析及解决
1.mds.mds_stores.mdworker 关闭: sudo mdutil -a -i off 打开: sudo mdutil -a -i on

随机推荐

获取request错误信息
from: https://stackoverflow.com/questions/19370436/get-errno-from-python-requests-connectionerror 当使 ...
get提交时中文传值乱码的有关问题
get提交时中文传值乱码的问题 get提交时中文传值乱码的问题 url=curWarnList.action paramBean.bsIndex=1&paramBean.siteName=萧山 ...
webpack前端模块加载工具
最近在看许多React的资料,发现了大部分的项目都是用webpack行模块化管理的工具.这次也是借着写了一个React-Todos的小应用,对webPack最基本实用的功能体验了一番,顺带做个小记录. ...
python网络编程——socket基础篇
python的网络编程比c语言简单许多, 封装许多底层的实现细节, 方便程序员使用的同时, 也使程序员比较难了解一些底层的东西. 1 TCP/IP 要想理解socket,首先得熟悉一下TCP/IP协议 ...
maven配置国内镜像库
https://www.cnblogs.com/xiongxx/p/6057558.html
TLS/SSL 协议详解 ssL 、TLS 1.0、TLS 1.1、TLS 1.2的了解
TLS 1.0 RFC http://www.ietf.org/rfc/rfc2246.txt TLS 1.1 RFC http://www.ietf.org/rfc/rfc4346.txt TLS ...
ionic 2，带着运气成分
npm config set loglevel info 查看安装信息 npm cache clean 清除缓存 cnpm sync ionic ...
hmm 软件的使用
1)使用HMM模型搜索序列数据库(以青蟹蛋白库为例,简写为qingxie.pep),同源参考序列(query.fas) hmmbuild: 用多重比对序列构建HMM模型:hmmsearch: 使用HM ...
LeetCode包括main函数的答题框架(Java+Eclipse)
http://zhangnai.xin/2016/09/20/LeetCode-Framework/ 目录结构: LeetCode ——项目名称,方便Eclipse内置Git对代码进行管理和多终端同步 ...
session以及分布式服务器session共享
一.session的本质 http协议是无状态的,即你连续访问某个网页100次和访问1次对服务器来说是没有区别对待的,因为它记不住你. 那么,在一些场合,确实需要服务器记住当前用户怎么办?比如用户登录 ...

HBase Thrift2 CPU过高问题分析