一个flume agent异常的解决过程记录

今天在使用flume agent的时候，遇到了一个异常，  现把解决的过程记录如下：

问题的背景：

我使用flume agent 来接收从storm topology发送下来的accesslog , 做本地文件落盘。flume配置文件如下：

#用于syslog和accesslog的本地文件滚动。

 

a1.sources=r1

a1.sinks = sink1

a1.channels = c1

 

#thrift source;

a1.sources.r1.type= thrift

a1.sources.r1.channels = c1

a1.sources.r1.bind = 127.0.0.1

a1.sources.r1.port = 8081

 

 

 

#先用内存通道测试。

#a1.channels.c1.type = memory

#a1.channels.c1.capacity = 10000000

#a1.channels.c1.byteCapacity = 524288000

 

a1.channels.c1.type = file

a1.channels.c1.checkpointDir=/Users/dongqingswt/workdir/logs/checkpoint

a1.channels.c1.dataDirs = /Users/dongqingswt/workdir/logs/datadir

 

 

 

#使用自定义的文件滚动sink

a1.sinks.sink1.type=  com.beibei.datahamal.flume.extend.sink.roll.FileRollSink

a1.sinks.sink1.channel = c1

 

 

 

 

启动flume agent以后， thrift source在本机建立套接字监听，然后用flume-ng-sdk提供的RpcClientFactory 创建thrift rpc client ， 进行消息发送的压测。

发现rpcclient 发送消息到一定量（100000） 时， FileRollSink就无法从memory channel拉取数据了, 而thrift rpc client 也得到了如下异常：

Exception in thread "main" org.apache.flume.EventDeliveryException: Failed to send event.

at org.apache.flume.api.ThriftRpcClient.append(ThriftRpcClient.java:155)

at com.beibei.datahamal.flume.extend.sink.rolling.FilerRollSinkSender.main(FilerRollSinkSender.java:42)

at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)

at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)

at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)

at java.lang.reflect.Method.invoke(Method.java:606)

at com.intellij.rt.execution.application.AppMain.main(AppMain.java:120)

Caused by: java.util.concurrent.TimeoutException

at java.util.concurrent.FutureTask.get(FutureTask.java:201)

at org.apache.flume.api.ThriftRpcClient.append(ThriftRpcClient.java:134)

... 6 more

查看源码，　发现thrift client有一个20s的请求超时，这时候 ， 查看thrift 错误日志，发现了如下异常：

java.lang.OutOfMemoryError: unable to create new native thread

at java.lang.Thread.start0(Native Method) ~[na:1.7.0_45]

at java.lang.Thread.start(Thread.java:713) ~[na:1.7.0_45]

at java.util.concurrent.ThreadPoolExecutor.addWorker(ThreadPoolExecutor.java:949) ~[na:1.7.0_45]

at java.util.concurrent.ThreadPoolExecutor.execute(ThreadPoolExecutor.java:1360) ~[na:1.7.0_45]

at org.apache.thrift.server.TThreadedSelectorServer.requestInvoke(TThreadedSelectorServer.java:306) ~[libthrift-0.9.3.jar:0.9.3]

at org.apache.thrift.server.AbstractNonblockingServer$AbstractSelectThread.handleRead(AbstractNonblockingServer.java:210) ~[libthrift-0.9.3.jar:0.9.3]

at org.apache.thrift.server.TThreadedSelectorServer$SelectorThread.select(TThreadedSelectorServer.java:586) ~[libthrift-0.9.3.jar:0.9.3]

at org.apache.thrift.server.TThreadedSelectorServer$SelectorThread.run(TThreadedSelectorServer.java:541) ~[libthrift-0.9.3.jar:0.9.3]

直观的看这个异常，会让人想到是堆内存不够用，　调节-Xmx1024m 参数以后，问题依旧。

接着用jconsole attach到flume agent这个进程，查看堆内存的使用量， 远没有达到预设的xmx阈值。

但是·有一个表现就是线程数猛涨到2000以后，直接掉到了20左右，为什么会创建这么多线程呢， 都是什么线程呢？

结合thrift source 的源码， 发现thrift server 采用的也是java nio   ， 有SelectorThread做socket的read/write 就绪select

AcceptorThread做socket的accept的select ，而socket读就绪以后，收到的FrameBuffer会被包装成一个Runnable丢到线程池处理(查看

TThreadedSelectorServer的304 行），代码如下：

protected boolean requestInvoke(FrameBuffer frameBuffer) {
  Runnable invocation = getRunnable(frameBuffer);
  if (invoker != null) {
    try {
      invoker.execute(invocation);
      return true;
    } catch (RejectedExecutionException rx) {
      LOGGER.warn("ExecutorService rejected execution!", rx);
      return false;
    }
  } else {
    // Invoke on the caller's thread
    invocation.run();
    return true;
  }
}

这个任务invocation的处理逻辑是在ThriftSource的ThriftSourceHandler定义的，也就是把thrift flume event直接丢到memchannel以后返回。起初 ，我怀疑是不是flume event丢到memchannel处理太慢（比如有线程死锁），导致线程堆积，　但后面换成file channel
问题依旧，于是继续看jconsole上thrift 的Flume 线程，因为线程工厂在创建线程的时候，指定了线程名：

ThreadFactory threadFactory = new ThreadFactoryBuilder().setNameFormat(
        "Flume Thrift IPC Thread %d").build();
if (maxThreads == 0) {
  sourceService = Executors.newCachedThreadPool(threadFactory);
} else {
  sourceService = Executors.newFixedThreadPool(maxThreads, threadFactory);
}

所以，　查看这些线程发现这些线程：

堆栈跟踪:

sun.misc.Unsafe.park(Native Method)

java.util.concurrent.locks.LockSupport.park(LockSupport.java:186)

java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject.await(AbstractQueuedSynchronizer.java:2043)

java.util.concurrent.LinkedBlockingQueue.take(LinkedBlockingQueue.java:442)

java.util.concurrent.ThreadPoolExecutor.getTask(ThreadPoolExecutor.java:1068)

java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1130)

java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615)

java.lang.Thread.run(Thread.java:744)

 

说明线程池中的这些线程都在等任务工作，　既然大量的线程都在等任务，为什么还要创建这么多线程呢？是不是因为超过了单进程最大可建立的线程数呢，

结合ThriftSource源码，发现不指定最大线程数时， thrift server的线程池的确是不停的新建线程，而maxThreads又是一个Integer.MAX_VALUE,

if (maxThreads == 0) {
  sourceService = Executors.newCachedThreadPool(threadFactory);
} else {
  sourceService = Executors.newFixedThreadPool(maxThreads, threadFactory);
}

试着在flume 配置文件中指定最大线程数:
a1.channels.r1.threads=10

 问题解决。

 这个问题的解决也让我们反思线程池的使用，不要设定太大的最大线程数。