线上问题处理案例:出乎意料的数据库连接池 | 京东云技术团队
导读
本文是线上问题处理案例系列之一,旨在通过真实案例向读者介绍发现问题、定位问题、解决问题的方法。本文讲述了从垃圾回收耗时过长的表象,逐步定位到数据库连接池保活问题的全过程,并对其中用到的一些知识点进行了总结。
一、问题描述
大促期间,某接口超时次数增多,经排查直接原因是 GC 耗时过长,查看监控 FullGC 达 500ms 以上,接口超时时间与 FullGC 发生时间吻合。
图 1 FullGC 耗时监控
二、应用基本情况
容器:8C12G;
JVM 配置:-XX:+UseConcMarkSweepGC -Xms6144m -Xmx6144m -Xmn2048m -XX:ParallelGCThreads=8 -XX:+UseCMSInitiatingOccupancyOnly -XX:CMSInitiatingOccupancyFraction=70 -XX:+ParallelRefProcEnabled;
数据库类型:MySQL;
数据库连接池:DBCP;
三、排查过程
1、 GC 耗时过长,说明内存中垃圾对象很多。
2、 首先怀疑是否有内存泄漏,观察 FullGC 后堆内存回收情况,尚属正常,暂时排除内存泄漏原因。
图 2 发生 FullGC 后堆内存回收监控
3、 推断 FullGC 耗时过长是否因为老年代有大量死亡对象,遂导出 FullGC 前后堆内存 dump,通过比对“保留大小”,发现 FullGC 后大量数据库相关对象被回收。
图 3 堆内存对象分析
4、 数据库连接正常应该不会频繁创建和断开,进入老年代后,正常不应该被回收,通过堆 dump 内容 OQL 分析每个数据库连接数量,发现很多库连接数都大于“maxActive”数量,可以肯定有很多失效连接。
5、 初步判断直接原因是很多失效数据库连接进入老年代,导致 FullGC 耗时过长。
6、 怀疑连接池验证周期过长,导致数据库因空闲过长关闭连接,将连接池参数“
timeBetweenEvictionRunsMillis”由 1 分钟调整到 10 秒,问题依旧。
7、 阅读 DBCP 源码,发现是通过
org.apache.commons.pool.impl.GenericObjectPool.Evictor 定时任务,按照 timeBetweenEvictionRunsMillis 配置的周期定时驱逐失效连接,驱逐条件:若连接空闲时间大于“minEvictableIdleTimeMillis”,则会驱逐连接,等待垃圾回收。若开启“testWhileIdle”则会执行“validationQuery”。进一步阅读代码,发现执行“validationQuery”后,连接空闲时间并不会重新计算,导致连接在业务低谷时很容易被淘汰,而数据库连接会关联大量对象,创建、回收成本昂贵,并且影响 GC。
8、 反向思考,为何只有在大促期间才发生问题?
图 4 平时和大促时回收频率对比
可以看到平时由于业务量小,GC 不频繁,过期连接没有达到进入老年代阈值,在年轻代被回收。而大促时业务量大,GC 频繁,连接在进入老年代以后才过期,导致老年代 FullGC 时间过长。
9、 至此,基本可以肯定问题原因是数据库连接池不具备“保活”能力,导致连接不断淘汰和新建,在业务高峰时段,连接进入老年代然后失效,造成 FullGC 耗时过长,最终导致接口超时次数增多。
四、解决方案
方案 1:改为 G1 回收器,对老年代回收是分块进行,可以防止长时间停顿。另外默认 MaxTenuringThreshold 值是 15,可以防止失效连接过早进入老年代;
方案 2:
minEvictableIdleTimeMillis 设置为 0,使数据库连接不会自动失效,进入老年代以后一直存活,避免在老年代失效回收;
五、问题总结
数据库连接池并不具备通常理解的“保活”能力,数据库连接在业务不活跃的应用中,会不断淘汰和重连,而连接会通过虚引用方式(
com.mysql.jdbc.NonRegisteringDriver$ConnectionPhantomReference)携带大量对象,如果连接存活时间内 YGC 次数达到寿命阈值,则会进入老年代,老年代是使用“标记-清除”算法,回收成本更高,进而造成 FullGC 耗时过长。
六、拓展知识点
1、 Druid 连接池同样存在不能“保活”问题,较新版本提供“KeepAlive”选项(未验证);
2、 Druid 连接池配置的“validationQuery”语句通常并不会被执行,MySqlValidConnectionChecker 在检查连接有效性时,会判断驱动是否实现 pingInternal 方法,如果实现则会通过此方法验证有效性。MySQL 的 JDBC 驱动实现了该方法,因此“validationQuery”配置的语句通常不会执行;
图 5 连接有效性校验代码
3、 DBCP 和 Druid 连接池默认都是 FILO,如果业务不繁忙,会导致只有最前边的连接被使用-归还-使用,后边连接基本都在无谓的驱逐、重建连接;
4、 虚引用对 GC 的影响:这些引用只有经过两次 GC 才能被回收掉,如果进入老年代,则必须经过两次 FullGC 才能释放内存。本例中由于不断有新的虚引用对象在老年代失效,导致 FullGC 后,内存水位仍然偏高,会加剧 GC 压力。新版本 JVM 已对此做了优化,一次 GC 可以回收掉;
5、 类似的影响还有 finalize 方法;
6、 CMS 回收器默认 MaxTenuringThreshold 为 6,而 ParallelGC 和 G1 均默认 15;
结语
本文对数据库连接失效引起的 GC 问题进行了详细分析,希望读者通过本文对数据库连接“保活”机制、GC 问题基本分析方法有所收益,后续该系列文章会继续推出其他案例分享。
作者:京东零售 王利辉
内容来源:京东云开发者社区
版权声明: 本文为 InfoQ 作者【京东科技开发者】的原创文章。
原文链接:【http://xie.infoq.cn/article/061021fa463f353addac534a6】。文章转载请联系作者。
评论