一文带你了解阿里的开源Java诊断工具 ：Arthas

Arthas 是阿里开源的 Java 诊断工具，相比 JDK 内置的诊断工具，要更人性化，并且功能强大，可以实现许多问题的一键定位，是我用到的最方便的诊断工具。
下载和安装见官网 https://arthas.aliyun.com/doc/profiler.html
下面记录一些我工作中常用到的指令

1. dashboard ： 展示当前进程信息

主要是两部分： 线程信息（按照cpu使用率倒序） 和 内存信息
可以快速发现 当前前几个cpu使用高的线程

2. thread :查看当前 JVM 的线程堆栈信息

image.png
thread : 获取当前所有线程 （按照cpu使用率倒序） 
thread 4602 threathe : 获取指定线程堆栈信息
thread -n 8 : 当前最忙的前8个线程并打印堆栈
thread -n 8  -i 3000 : 列出3s内最忙的8个线程并打印堆栈（-i 为采样时间）
thread -b :找出当前阻塞其他线程的线程
有时候我们发现应用卡住了， 通常是由于某个线程拿住了某个锁， 并且其他线程都在等待这把锁造成的。 
为了排查这类问题， arthas提供了thread -b， 一键找出那个罪魁祸首。
注意， 目前只支持找出synchronized关键字阻塞住的线程， 如果是java.util.concurrent.Lock， 目前还不支持。

3. heapdump : dump java heap, 类似jmap命令的heap dump功能。

heapdump /tmp/dump.hprof : dump到指定文件

heapdump --live /tmp/dump.hprof : 只dump live对象

下载dump文件后，可以使用MAT查看，MAT官网下载： Eclipse Memory Analyzer Open Source Project | The Eclipse Foundation，主要要选择和本地一样的jvm版本，不然启动会失败。

使用MAT 分析 OOM 大内存问题，过程如下，是截取别的文章的过程。

 

 

4. watch: 观察到指定函数的调用情况。能观察到的范围为：返回值、抛出异常、入参

这个用于观察未打印日志的方法特别好用，包括入参 返参 和 异常

watch xxx.xxx.ABTestRecordServiceImpl doABTestWithLayer "{params,returnObj}" -x 3 -n 2 
-x 指定输出结果的属性遍历深度，默认为 1，最大值是4 ，
如果入参和出参是属性深度不一样（通常是不一样的，入参就是一个对象，出差会统一被一个Result包裹），需要分别设置才能观察到
params,returnObj ： 指的是入参和返参，固定值
throwExp ：观察异常信息 watch demo.MathGame primeFactors "{params,throwExp}" -e -x 2

-b :  在函数调用之前观察入参，因为入参有可能在执行被修改
-e ：在函数异常之后观察
-s ： 在函数返回之后观察，因为入参有可能在执行被修改
-n :  表示执行次数，即只打印n次，对于频繁调用来说，不设置的话，会打印很多

watch xxx.xxx.ABTestRecordServiceImpl doABTestWithLayer "{params,returnObj}" -x 3 -n 2  '#cost>100'
'#cost>100' : 按照耗时过滤，在很多方法中都可以通用，表示只打印执行超过100ms的方法

实例应用：生产上一个已废弃的接口突然被调用，报了一个异常，由于是老接口，我们并没有catch捕获，导致我们的日志filter没能打印出入参来，我们想根据入参来定位是哪里在调用，是谁在调用，这时候就可以用 watch 来获取方法的调用入参。
发现是运营突然上线了一个很久都没用的活动导致的，我们直接下线就可以了。

5. trace: 渲染和统计整个调用链路上的所有性能开销和追踪调用链路。

trace命令只会匹配到的函数里的子调用，并不会向下trace多层。因为trace是代价比较贵的，多层trace可能会导致最终要trace的类和函数非常多。

trace xxx.DiscountCXOpenServiceImpl aaaRespCXDTOList  '#cost > 50' -n 1
-n : 打印次数
'#cost>100' : 方法执行耗时
默认情况下，trace不会包含jdk里的函数调用，如果希望trace jdk里的函数，需要显式设置 --skipJDKMethod false。

6. stack：输出当前方法被调用的调用路径

如果一个方法被很多地方调用了，但是我们又不知道是被哪里调用时，可用这个命令查询

stack xxx.DiscountCacheUtil getStrategyCachaaa  -n 1 

7. profiler：生成应用热点的火焰图。

profiler start : 启动 
    启动时，默认采样的是cpu，可以通过 --event 来指定跟踪事件（cpu , alloc , lock ）
profiler status ：查看状态 
profiler stop ： 停止
    停止时，默认生成html格式文件，可以通过 --file 指定生成路径和svg类型

从上面可以看出来耗时主要是在json parseArray格式化上。 横向长度越长，说明耗时越久

火焰图说明：火焰图是基于 perf 结果产生的 SVG 图片，用来展示 CPU 的调用栈。

• y 轴表示调用栈，每一层都是一个函数。调用栈越深，火焰就越高，顶部就是正在执行的函数，下方都是它的父函数。

• x 轴表示抽样数，如果一个函数在 x 轴占据的宽度越宽，就表示它被抽到的次数多，即执行的时间长。注意，x 轴不代表时间，而是所有的调用栈合并后，按字母顺序排列的。

火焰图就是看顶层的哪个函数占据的宽度最大。只要有“平顶”（plateaus），就表示该函数可能存在性能问题。

颜色没有特殊含义，因为火焰图表示的是 CPU 的繁忙程度，所以一般选择暖色调。

默认生成的是html格式，只是html格式找东西不方便

8. 定位问题

8.1 CPU过高问题

现象描述：运维突然打电话说是生成线上节点cpu高达80%，而且还在增加，但是最新的一个版本并没有什么复杂的功能上线，而且日志在报一个批量插入主键冲突的异常，但是这个批量插入的功能已经上线很久，并且在很多地方都有用到，所以不能定位到是哪里的问题，这时候可以用arthas来查找问题原因

dashboard    -- 查看发现cpu高 不是GC引起的，占用CPU较多的线程只有一个
thread -n 6    -- 查看最繁忙的线程在执行的线程堆栈信息，然后可以直接定位具体代码行

8.2 TPS过低问题

现象描述：新上线一个高并发的复杂业务接口，压测的时候发现TPS只有50，明显是太低了，需要找出耗时较长的地方加以优化。

trace xxx.DiscountCXOpenServiceImpl aaaRespCXDTOList  '#cost > 100' -n 1
由于trace命令只会匹配到的函数里的子调用，并不会向下trace多层，而这个业务接口很复杂，所以一层层找下去的话，太过于麻烦，所以用profiler 生成应用热点的火焰图来查找比较好，

profiler start --event alloc
//等待10s
profiler stop --file /app/deploy/logs/profiler.svg

从上面的图中可以看出最终耗时比较久的竟然是 fastjson 的 parseArray方法，然后找到具体调用的地方后，
发现是因为内部缓存的原因，由于内部缓存用的公共方法，value为Stiring，所以每次getValue后，都需要parseArray 转化为List<Bean> ，之所以使用内部缓存就是因为value值太大，存redis时会造成网卡带宽不够，所以我们需要修改为自定义内部缓存，这样就可以避免 parseArray 方法，从而提高性能了。
private static ConcurrentHashMap<String, ConcurrentHashMap> cache = new ConcurrentHashMap<>();

这里其实还有一个问题，这种大对象频繁反序列化除了影响性能，还会每次都生成新的对象，导致在高并发下，内存也飙升。