SpringBoot工程假死，如何揪出幕后真凶的？

SpringBoot工程假死，如何揪出幕后真凶的？

工作中经常会遇到程序不响应，但是进程依然存活的现象。原因有很多，比如

1. 内存、CPU占满了（500，连接超时）
2. 磁盘满了（500，连接超时）
   今天笔者遇到的不是前两种，原因也很稀奇，tomcat线程池耗尽了，导致500连接超时。

我们是一个spring boot工程，对外提供rest接口服务，但是隔三差五的就会出现500连接超时的现象。

排除了内存、CPU、磁盘占满的case后，有个同事无意中发现这台机器出现了大量的网络连接CLOSE_WAIT。查询资料后得知，当一个请求方主动发起close连接，但是服务方还没有返回ack这个时间差，连接状态就是close_wait。这是底层tcp的解释。

按说这个时间差是很短的，不足以让整个应用不能对外响应，除非一种情况，那就是某个时刻并发量达到了tomcat的处理请求的极限，同一时间，整个处理请求的线程池全部被占用，并且等待close。刚好我们应用基本符合这个场景。

笔者解决思路是，通过jstack查询线程信息，看http究竟阻塞在哪里了

ps -ef |grep `pwd` 
jstck $PID > stack.txt

先找到该进程的pid，然后通过jstack命令导出线程信息。

在stack.txt中搜索DeadThread无果。继续搜索BLOCKED，发现了大量线程阻塞。

grep "BLOCKED" -C 3 |grep "http-nio-exec"

http-nio-xx-exec-是tomcat处理请求的线程名称，可以看出，大多数线程都被blocked。这就是发生假死的根源。

线程信息里面也可以看到栈信息，明确告诉我们阻塞发生在了代码哪一行。跟进代码果然，代码中请求了两个已经ping不通的地址。

修改代码后，发布到开发环境，继续观察CLOSE_WAIT情况：

lsof -i:8091 |grep "CLOSE_WAIT" |wc -l

统计close_wait的连接数量

修改前是67，而且还在增长。修改后变成了0。基本可以确定close_wait的问题已经解决了。

参考

https://www.cnblogs.com/liuhongru/p/11011891.html