我的程序跑了60多小時,就是爲了讓你看一眼JDK的BUG導致的內存泄漏。
這是why的第 56 篇原創文章
荒腔走板
大家好,我是 why,歡迎來到我連續周更優質原創文章的第 56 篇。
老規矩,先來一個簡短的荒腔走板,給冰冷的技術文注入一絲色彩。
上面圖片中這個正在奔跑的少年,是正在參加校運會的我,那一年我 18 歲,高三。
參加的項目是 3000 米長跑,那個時候長跑一向是大家都不喜歡的運動,但是我喜歡。
我是從小鄉村出來的,小學、初中的時候操場就是用煤渣加泥土鋪成的一圈僅 200 米的跑道。
在那個 200 米的跑道上,我從小學跑到初中,跑了不知道多少公里。
初中的時候參加了學校長跑隊的集訓。有一天集訓完成之後,體育老師給我們說:
你們一定要刻苦訓練,將來要到城裏面去讀書。你們知道嗎?城裏面的跑道一圈是 400 米,還是用塑膠鋪成的跑道,跑上去不知道比這個煤渣舒服多少倍。我知道長跑很痛苦,但是如果你真的喜歡它,你就得享受這個痛苦的過程。不要放棄,特別是在最後衝刺階段。因爲,如果你不拼盡全力,等你到終點之後你總是會覺得自己能再快一點,可惜比賽已經結束了。
後來,我退出了集訓隊,但是老師的話我一直記得。
我也如願進入了城裏讀高中,見到了傳說中的“塑膠跑道”。還參加了開在塑膠跑道上的運動會。
前段時間我翻到這張照片的時候,我就想起了初中集訓的一些點滴記憶,也想起了老師的話:享受痛苦,咬牙堅持,無愧結果。
這周,今年的高考也結束了。
其實這個道理放在高考,和高考之後的人生會面臨的更多更復雜的挑戰面前都可以。
人生嘛,無非就是:奔跑,跌倒,奔跑。
奔跑吧,驕傲的少年。前面有更多的機會和更難的挑戰在等着你。
好了,說迴文章。
從一個BUG說起
前段時間翻到了一個 JDK 有點意思的 BUG,帶大家一起瞅瞅。
https://bugs.java.com/bugdatabase/view_bug.do?bug_id=8137185
memory leak,內存泄漏。
是誰導致的內存泄漏呢?
ConcurrentLinkedQueue,這個隊列。
這個 BUG 裏面說,在 jetty 項目裏面也爆出了這個 BUG:
我看了一下,覺得 jetty 的這個寫的挺有意思的。
我按照 jetty 的這個講吧,反正都是同一個 JDK BUG 導致的。地址如下:
https://bugs.eclipse.org/bugs/show_bug.cgi?id=477817
我用我八級半的蹩腳英語給大家翻譯一下這個叫做 max 的同學說了些什麼。
他說:在 Java 項目裏面,錯誤的使用 ConcurrentLinkedQueue( 文章後面用縮寫 CLQ 代替 )會導致內存泄漏的問題。
在 jetty 的 QueuedThreadPool 這個線程池裏面,使用了 CLQ 這個隊列,它會導致內存緩慢增長,最終引發內存泄漏。
雖然 QueuedThreadPool 僅僅使用了這個隊列的 add 方法和 remove 方法。但不幸的是,remove 方法不會把隊列的大小變小,只會使隊列裏面被刪除的 node 爲空。因此,該列表將增長到無窮大。
然後他給了一個附件,附件裏面是一段程序,可以演示這個問題。
我們先不看他的程序,後面我們統一演示這個問題。
先給大家看一下 jetty 的 QueuedThreadPool 線程池。
看哪個版本的 jetty 呢?
可以看到這個 BUG 是在 2015 年 9 月 18 日被爆出來的。所以,我們找一個這個日期之前的版本就行。
於是我找了一個 2015 年 9 月 3 日發佈的 maven 版本:
在這個版本里面的 QueuedThreadPool 是這樣的:
可以看到,它確實使用了 CLQ 隊列。
而從這個對象所有被調用的地方來看,jetty 只使用了這個隊列的 size、add、remove(obj) 方法:
和前面 max 同學描述的一致。
然後這個 max 同學給了幾張圖片,來佐證他的論點:
主要關注我框起來的地方,就是說他展示了一張圖片。可以從這圖片中看出內存泄漏的問題,而這個圖片的來源是他們真實的項目。
這個項目已經運行了大約兩天,每五分鐘就會有一個 web 請求過來。
下面是他給出的圖片:
從他的這個圖片中,我就只看出了 CLQ 的 node 很多。
但是他說了,他這個項目請求量並不大,用的 jetty 框架也不應該創建這麼多的 node 出來。
好了,我們前面分析了 max 同學說的這個問題,接下來就是大佬出場,來解惑了:
我們先不看回答,先看看回答問題的人是誰。
Greg Wilkins,何許人也?
我找到了他的領英地址:
https://www.linkedin.com/in/gregwilkins/?originalSubdomain=au
jetty 項目的領導者,短短的幾個單詞,就足以讓你直呼牛逼。
高端的食材,往往只需要最簡單的烹飪。高端的人才,往往只需要寥寥數語的介紹。
大佬的簡歷就是這麼樸實無華,且枯燥。
而且,你看這個頭像。哎,酸了酸了。果然再次印證了這句話:變禿了,也變強了,並不適用於外國的神仙。
好了,我們看一下這個 jetty 項目的領導者是怎麼回答這個問題的:
首先他用 stupefied 表示了非常的震驚!然後,用到了 Ouch 語氣詞。相當於我們常說的:
他說:臥槽,我發現它不僅導致內存泄漏,而且會隨着時間的推移,導致隊列越來越慢。太TM震驚了。
這個問題一定會對使用大量線程的服務器產生影響......希望不是所有的服務器都會有影響。
但不管是不是所有的服務器都有這個問題,只要出現了這個問題,對於某些服務器來說,它一定是一個非常嚴重的 BUG。
然後他說了一個 Great catch!我理解這是一個語氣助詞。就類似於:太牛逼了。
這個不好翻譯,我貼一個例句,大家自己去體會一下吧:
我也是沒想到,在技術文裏面還給大家教起了英文。
最後他說:我正在修復這個問題。
然後,在 7 分 37 秒之後, Greg 又回覆了一次:
可以看出,過了快 8 分鐘,他還在持續震驚。我懷疑這 8 分鐘裏面他一直在搖頭。
他說:我還在爲這個 BUG 搖頭,它怎麼這麼久都沒被發現呢!對於 jetty 來說修復起來非常的簡單,使用 set 結構代替 queue 隊列即可實現一樣的效果。
那我們看一下修復之後的 jetty 中的 QueuedThreadPool 是怎樣的,這裏我用的是 2015 年 10 月 6 日發佈的一個包,也就是這個 BUG 爆出之後的最近的一個包:
裏面對應的代碼是這樣的:
簡單粗暴的用 CurrentHashSet 代替了 CLQ。
因爲這個 BUG 在 JDK 中是已經修復了,出於好奇,我想看看 CLQ 還有沒有機會重新站出來。
於是我看了一下今年發佈的最新版本里面的代碼:
既不是用的 CurrentHashSet ,也沒有給 CLQ 機會。
而是 JDK 8 的 ConcurrentHashMap 裏面的 newKeySet 方法,C 位出道:
這是一個小小的 jetty 線程池的演變過程。恭喜你,又學到了一個基本上不會用到的知識點。
回到 Greg 的回覆中,這次的回覆裏面,他還給了一個修復的演示實例,下一小節我會針對這個實例進行解讀。
在 23 分鐘之後,他就提交代碼修復完成了。
從第一次回覆帖子,到定位問題,再到提交代碼,用了 30 分鐘的時間。
然後在凌晨 2 點 57 分(這個時間點,大佬都是不用睡覺的嗎?還是說剛修完福報,下班了), max 回覆到:
我不敢相信 CLQ 使用起來會有這樣的問題,他們至少應該在 API 文檔裏面說明一下。
這裏的他們,應該指的是 JDK 團隊的成員,特指 Doug Lea,畢竟是他老爺子的作品。
爲什麼沒有在 API 文檔裏面說明呢?
因爲他們自己也不知道有這個 BUG 啊。
Greg 連着回覆了兩條,並且直接指出瞭解決方案:
問題的原因是 remove 方法的源碼裏面,有上圖中標號爲 ① 的這樣一行代碼。
這行代碼會去取消被移除的這個 node (其值已經被替換爲 null)和 list 之間的鏈接,然後可以讓 GC 回收這個 node。
但是,當集合裏面只有一個元素的時候, next != null 這個判斷是不成立的。
所以就會出現這個需要移除的節點已經被置爲 null 了,但卻沒有取消和隊列之間的連接,導致 GC 線程不會回收這個節點。
他給出的解決方案也很簡單,就是標號爲②、③的地方。總之,只需要讓代碼執行 pred.casNext 方法就行。
總之一句話,導致內存泄漏的原因是一個被置爲 null 的 node,由於代碼問題,導致該 node 節點,既不會被使用,也不會被 GC 回收掉。
如果你還沒理解到這個 BUG 的原因,說明你對 CLQ 這個隊列的結構還不太清晰。
那麼我建議你讀一下《Java併發編程的藝術》這一本書,裏面有一小節專門講這個隊列的,圖文並茂,寫的還是非常清晰。
這個 BUG 在 jetty 裏面的來龍去脈算是說清楚了。
然後,我們再回到 JDK BUG 的這個鏈接中去:
他這裏寫的原因就是我前面說的原因,沒有 unlink,所以不能被回收。
而且他說到:這個 BUG 在最新的JDK 7、8和9版本中都存在。
他說的最新是指截止這個 BUG 被提出來之前:
Demo跑起來
這一小節裏面,我們跑一下 Greg 給的那個修復 Demo,親手去摸一下這個 BUG 的樣子。
https://bugs.eclipse.org/bugs/attachment.cgi?id=256704
你可以打開上面那個鏈接,直接複製粘貼到你的 IDEA 裏面去:
注意第 13 行,因爲 Greg 給的是修復 Demo,所以用的是 ConcurrentHashSet,由於我們要演示這個bug,所以使用 CLQ。
這個 Demo 就是在死循環裏面調用 queue 的 add(obj) 和 remove(obj) 方法。每循環 10000 次,就打印出時間間隔、隊列大小、最大內存、剩餘內存、總內存的值。
最終運行起來的效果是這樣的(JDK 版本是 1.7.0_71):
可以看到每次打印 duration 這個時間間隔是越來越大,隊列大小始終爲 1。
後面三個內存相關的參數可以先不關心,下一小節我們用圖形化工具來看。
你知道上面這個程序,到我寫文章寫到這裏的時候,我跑了多久了嗎?
61 小時 32 分 53 秒。
最新一次循環 10000 次所需要的時間間隔是 575615ms,快接近 10 分鐘:
這就是 Greg 說的:不僅僅是內存泄漏,而且越來越慢。
但是,同樣的程序,我用 JDK 1.8.0_212 版本跑的時候情況卻是這樣的:
時間間隔很穩定,不會隨着時間的推移而增加。
說明這個版本是修復了這個 BUG 的,我帶大家看看源碼:
JDK 1.8.0_212 版本的源碼裏面,在 CLQ 的 remove(obj) 方法的 502 行末尾註釋了一個 unlink。
官方的修復方法可以看這裏:
http://hg.openjdk.java.net/jdk8u/jdk8u-dev/jdk/rev/8efe549f3c87
改動比較多,但是原理還是和之前分析的一樣:
我僅僅在兩個 JDK 版本中跑過示例代碼。
在 JDK 1.8.0_212 沒有發現內存泄漏的問題,我看了對應的 remove(obj) 方法的源碼確實是修復了。
在 JDK 1.7.0_71 中可以看到內存泄漏的問題。
unlink,一個簡簡單單的詞,背後原來藏了這麼多故事。
jconsole、VisualVM、jmc
既然都說到內存泄漏了,那必須得介紹幾個可視化的故障排除工具。
前面說了,這個程序跑了 61 個小時了,給大家看一下這個時間段裏面堆內存的使用情況:
可以看到整個堆內存的使用量是一個明顯的、緩慢的上升趨勢。
上面這個圖就是來自 jconsole。
結合程序,通過圖片我們可以分析出,這種情況一定是內存泄漏了, 這是一個非常經典的內存泄漏的走勢。
接下來,我們再看一下 jmc 的監控情況:
上面展示的是已經使用的堆內存的大小,走勢和 jconsole 的走勢一樣。
然後再看看 VisualVM 的圖:
VisualVM 的圖,我不知道怎麼看整個運行了 60 多小時的走勢圖,但是從上面的圖也是能看出是有上升趨勢的。
在 VisualVM 裏面,我們可以直接 Dump 堆,然後進行分析:
可以清楚的看到, CLQ 的 Node 的大小佔據了 94.2%。
但是,從我們的程序來看,我們根本就沒有用到這麼多 Node。我們只是用了一個而已。
你說,這不是內存泄漏是什麼。
內存泄漏最終會導致 OOM。
所以當發生 OOM 的時候,我們需要分析是不是有內存泄漏。也就是看內存裏面的對象到底應不應該存活,如果都應該存活那就不是內存泄漏,是內存不足了。需要檢查一下 JVM 的參數配置(-Xmx/-Xms),根據機器內存情況,判斷是否還能再調大一點。
同時,也需要檢查一下代碼,是否存在生命週期過程的對象,是否有數據結構使用不合理的地方,儘量減少程序運行期的內存消耗。
我們可以通過把堆內存設置的小一點,來模擬一下內存泄漏導致的 OOM。
還是用之前的測試案例,但是我們指定 -Xmx 爲 20m,即最大可用的堆大小爲 20m。
然後把代碼跑起來,同時通過 VisualVM 、jconsole、jmc 這三個工具監控起來,爲了我們有足夠的時候準備好檢測工具,我在第 8 行加入休眠代碼,其他的代碼和之前的一樣:
加入 -Xmx20m 參數:
運行起來之後,我們同時通過工具來查看內存變化,下面三個圖從上到下的工具分別是 VisualVM、jconsole、jmc:
從圖片的走勢來看,和我們之前分析的是一樣的,內存一直在增長。
程序運行 19 分 06 秒後,發生 OOM 異常:
那正常的走勢圖應該是怎麼樣的呢?
我們在 JDK 1.8.0_121 版本中(已經修復了 remove 方法),用相同的 JVM 參數(-Xmx20m)再跑一下:
首先從上面的日誌中可以看出,時間間隔並沒有遞增,程序運行的非常的快。
然後用 VisualVM 檢測內存,同樣跑 19 分鐘後截圖如下:
可以看到堆內存的使用量並沒有隨着時間的推移而越來越高。但是還是有非常頻繁的 GC 操作。
這個不難理解,因爲 CLQ 的數據結構用的是鏈表。而鏈表又是由不同的 node 節點組成。
由於調用 remove 方法後,node 節點具備被回收的條件,所以頻繁的調用 remove 方法對節點進行刪除,會觸發 JVM 的 min GC。
這種 JDK BUG 導致的內存泄漏其實挺讓人崩潰的。首先你第一次感知到它是因爲程序發生了 OOM。
也許你會先無腦的加大堆內存空間,恰好你的程序運行了一週之後又要上線了,所以涉及到重啓應用。
然後很長一段時間內沒有發生 OOM 了。你就想這個問題可能解決了。
但是它還是在繼續發生着,很可能由於節假日前後不能上線,比如國慶七天,加上前後幾天,大概有半個月的樣子應用沒有上線,所以沒有重啓,程序越來越慢,最終導致第二次 OOM 的出現。
這個時候,你覺得可能不是內存溢出這麼簡單了。
會不會是內存泄漏了?
然後你再次重啓。這次重啓之後,你開始時不時的 Dump 一下內存,拿出來分析分析。
突然發現,這個 node 怎麼這麼多呢?
最終,找到這個問題的原因。
原來是 JDK 的 BUG。
你就會發出和 Greg 一樣的感嘆:臥槽,震驚,這麼牛皮!?
我這個運行了 60 多小時的程序到現在堆內存使用了 233m,但是我整個堆的大小是接近 2G。
通過 jmc 同時展示堆的整體大小和已經使用的堆大小你可以發現,距離內存泄漏可以說是道阻且長了:
我粗略的算了一下,這個程序大概還得運行 475 個小時左右,也就是 19 天之後纔會出現由於內存泄漏,導致的 OOM。
我會盡量跑下去,但是聽到我電腦嗡嗡嗡的風扇聲,我不知道它還能不能頂得住。
如果它頂住了,我在後面的文章裏面通知大家。
好了,圖形化工具這一小節就到這裏了。
我們只是展示了它們非常小的一個功能,合理的使用它們常常能達到事半功倍的作用。
如果你不太瞭解它們的功能,建議你看看《深入理解JVM虛擬機(第3版)》,裏面有一章節專門講這幾個工具的。
最後說一句(求關注)
這是我昨天晚上寫文章的時候拍的 ,女朋友說一眼望去感覺我是一個盯盤的人,在看股票走勢圖,這隻股票太牛逼了。
要是股市的總體走勢也像內存泄露那麼單純而直接就好了。
只要在 OOM 之前落袋爲安就行。可惜有的人就是在 OOM 的前一刻滿倉殺入,真是個悲傷的故事。
文中提到的兩本書,都是非常優秀的值得學習的書籍。作爲一個 Java 程序員,如果你還沒有擁有這兩本書,我強烈建議你買來看看。
買不了喫虧,買不了上當,只會覺得相見恨晚。 你會發現原來這麼多 JVM、多線程相關的面試題都是出自這兩本書:
另外,我最近的閱讀量下降的非常厲害,正反饋持續減弱。
所以安排個 “一鍵三連”(轉發、在看、點贊) 吧,周更很累的,不要白嫖我,需要一點正反饋。
才疏學淺,難免會有紕漏,如果你發現了錯誤的地方,由於本號沒有留言功能,還請你在後臺留言指出來,我對其加以修改。
感謝您的閱讀,我堅持原創,十分歡迎並感謝您的關注。
我是 why,一個被代碼耽誤的文學創作者,不是大佬,但是喜歡分享,是一個又暖又有料的四川好男人。
還有,重要的事情說三遍:
歡迎關注我呀。
歡迎關注我呀。
歡迎關注我呀。
最後說一句(求關注)
轉發、點贊、在看、一 鍵三連。
別白嫖我,好嗎?