用 Arthas 定位 Spring Boot 接口的超时问题，让应用起飞～

背景

公司有个渠道系统，专门对接三方渠道使用，没有什么业务逻辑，主要是转换报文和参数校验之类的工作，起着一个承上启下的作用。

最近在优化接口的响应时间，优化了代码之后，但是时间还是达不到要求；有一个诡异的 100ms 左右的耗时问题，在接口中打印了请求处理时间后，和调用方的响应时间还有差了 100ms 左右。比如程序里记录 150ms，但是调用方等待时间却为 250ms 左右。

下面记录下当时详细的定位 &解决流程（其实解决很简单，关键在于怎么定位并找到解决问题的方法）

定位过程

分析代码

渠道系统是一个常见的 spring-boot web 工程，使用了集成的 tomcat。分析了代码之后，发现并没有特殊的地方，没有特殊的过滤器或者拦截器，所以初步排除是业务代码问题

分析调用流程

出现这个问题之后，首先确认了下接口的调用流程。由于是内部测试，所以调用流程较少。

Nginx -反向代理-> 渠道系统

公司是云服务器，网络走的也是云的内网。由于不明确问题的原因，所以用排除法，首先确认服务器网络是否有问题。

先确认发送端到 Nginx Host 是否有问题：

[jboss@VM_0_139_centos ~]$ ping 10.0.0.139PING 10.0.0.139 (10.0.0.139) 56(84) bytes of data.64 bytes from 10.0.0.139: icmp_seq=1 ttl=64 time=0.029 ms64 bytes from 10.0.0.139: icmp_seq=2 ttl=64 time=0.041 ms64 bytes from 10.0.0.139: icmp_seq=3 ttl=64 time=0.040 ms64 bytes from 10.0.0.139: icmp_seq=4 ttl=64 time=0.040 ms

从 ping 结果上看，发送端到 Nginx 主机的延迟是无问题的，接下来查看 Nginx 到渠道系统的网络。

# 由于日志是没问题的，这里直接复制上面日志了[jboss@VM_0_139_centos ~]$ ping 10.0.0.139PING 10.0.0.139 (10.0.0.139) 56(84) bytes of data.64 bytes from 10.0.0.139: icmp_seq=1 ttl=64 time=0.029 ms64 bytes from 10.0.0.139: icmp_seq=2 ttl=64 time=0.041 ms64 bytes from 10.0.0.139: icmp_seq=3 ttl=64 time=0.040 ms64 bytes from 10.0.0.139: icmp_seq=4 ttl=64 time=0.040 ms

从 ping 结果上看，Nginx 到渠道系统服务器网络延迟也是没问题的

既然网络看似没问题，那么可以继续排除法，砍掉 Nginx，客户端直接再渠道系统的服务器上，通过回环地址（localhost）直连，避免经过网卡/dns，缩小问题范围看看能否复现（这个应用和地址是我后期模拟的，测试的是一个空接口）：

[jboss@VM_10_91_centos tmp]$ curl -w "@curl-time.txt" http://127.0.0.1:7744/sendsuccess              http: 200               dns: 0.001s          redirect: 0.000s      time_connect: 0.001s   time_appconnect: 0.000s  time_pretransfer: 0.001stime_starttransfer: 0.073s     size_download: 7bytes    speed_download: 95.000B/s                  ----------        time_total: 0.073s 请求总耗时

从 curl 日志上看，通过回环地址调用一个空接口耗时也有 73ms。这就奇怪了，跳过了中间所有调用节点（包括过滤器 &拦截器之类），直接请求应用一个空接口，都有 73ms 的耗时，再请求一次看看：

[jboss@VM_10_91_centos tmp]$ curl -w "@curl-time.txt" http://127.0.0.1:7744/sendsuccess              http: 200               dns: 0.001s          redirect: 0.000s      time_connect: 0.001s   time_appconnect: 0.000s  time_pretransfer: 0.001stime_starttransfer: 0.003s     size_download: 7bytes    speed_download: 2611.000B/s                  ----------        time_total: 0.003s

更奇怪的是，第二次请求耗时就正常了，变成了 3ms。经查阅资料，linux curl 是默认开启 http keep-alive 的。就算不开启 keep-alive，每次重新 handshake，也不至于需要 70ms。

经过不断分析测试发现，连续请求的话时间就会很短，每次请求只需要几毫秒，但是如果隔一段时间再请求，就会花费 70ms 以上。

从这个现象猜想，可能是某些缓存机制导致的，连续请求因为有缓存，所以速度快，时间长缓存失效后导致时间长。

那么这个问题点到底在哪一层呢？tomcat 层还是 spring-webmvc 呢？

光猜想定位不了问题，还是得实际测试一下，把渠道系统的代码放到本地 ide 里启动测试能否复现

但是导入本地 Ide 后，在 Ide 中启动后并不能复现问题，并没有 70+ms 的延迟问题。这下头疼了，本地无法复现，不能 Debug，由于问题点不在业务代码，也不能通过加日志的方式来 Debug

这时候可以祭出神器 Arthas 了

Arthas 分析问题

Arthas 是 Alibaba 开源的 Java 诊断工具，深受开发者喜爱。当你遇到以下类似问题而束手无策时，Arthas 可以帮助你解决：

• 这个类从哪个 jar 包加载的？为什么会报各种类相关的 Exception？

• 我改的代码为什么没有执行到？难道是我没 commit？分支搞错了？

• 遇到问题无法在线上 debug，难道只能通过加日志再重新发布吗？

• 线上遇到某个用户的数据处理有问题，但线上同样无法 debug，线下无法重现！

• 是否有一个全局视角来查看系统的运行状况？

• 有什么办法可以监控到 JVM 的实时运行状态？

上面是 Arthas 的官方简介，这次我只需要用他的一个小功能 trace。动态计算方法调用路径和时间，这样我就可以定位时间在哪个地方被消耗了。

• trace 方法内部调用路径，并输出方法路径上的每个节点上耗时

• trace 命令能主动搜索 class-pattern／method-pattern

• 对应的方法调用路径，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。

有了神器，那么该追踪什么方法呢？由于我对 Tomcat 源码不是很熟，所以只能从 spring mvc 下手，先来 trace 一下 spring mvc 的入口：

~

[jboss@VM_10_91_centos tmp]$ curl -w "@curl-time.txt" http://127.0.0.1:7744/sendsuccess              http: 200               dns: 0.001s          redirect: 0.000s      time_connect: 0.001s   time_appconnect: 0.000s  time_pretransfer: 0.001stime_starttransfer: 0.115s     size_download: 7bytes    speed_download: 60.000B/s                  ----------        time_total: 0.115s

本次调用，调用端时间花费 115ms，但是从 arthas trace 上看，spring mvc 只消耗了 18ms，那么剩下的 97ms 去哪了呢？

本地测试后已经可以排除 spring mvc 的问题了，最后也是唯一可能出问题的点就是 tomcat

可是本人并不熟悉 tomcat 中的源码，就连请求入口都不清楚，tomcat 里需要 trace 的类都不好找。。。

不过没关系，有神器 Arthas，可以通过 stack 命令来反向查找调用路径，以org.springframework.web.servlet.DispatcherServlet作为参数：

“

stack 输出当前方法被调用的调用路径

很多时候我们都知道一个方法被执行，但这个方法被执行的路径非常多，或者你根本就不知道这个方法是从那里被执行了，此时你需要的是 stack 命令。

”

从 stack 日志上可以很直观的看出 DispatchServlet 的调用栈，那么这么长的路径，该 trace 哪个类呢（这里跳过 spring mvc 中的过滤器的 trace 过程，实际排查的时候也 trace 了一遍，但这诡异的时间消耗不是由这里过滤器产生的）？

有一定经验的老司机从名字上大概也能猜出来从哪里下手比较好，那就是org.apache.coyote.http11.Http11Processor.service，从名字上看，http1.1 处理器，这可能是一个比较好的切入点。下面来 trace 一下：

日志里有一个 129ms 的耗时点（时间比没开 arthas 的时候更长是因为 arthas 本身带来的性能消耗，所以生产环境小心使用），这个就是要找的问题点。

打问题点找到了，那怎么定位是什么导致的问题呢，又如何解决呢？

继续 trace 吧，细化到具体的代码块或者内容。trace 由于性能考虑，不会展示所有的调用路径，如果调用路径过深，只有手动深入 trace，原则就是 trace 耗时长的那个方法：

一段无聊的手动深入 trace 之后………………

发现了一个值得暂停思考的点：

+---[min=0.004452ms,max=34.479307ms,total=74.206249ms,count=31] org.apache.catalina.webresources.TomcatJarInputStream:getNextJarEntry() #117

这行代码加载了 31 次，一共耗时 74ms；从名字上看，应该是 tomcat 加载 jar 包时的耗时，那么是加载了 31 个 jar 包的耗时，还是加载了 jar 包内的某些资源 31 次耗时呢？

TomcatJarInputStream 这个类源码的注释写到：

The purpose of this sub-class is to obtain references to the JarEntry objects for META-INF/ and META-INF/MANIFEST.MF that are otherwise swallowed by the JarInputStream implementation.

大概意思也就是，获取 jar 包内 META-INF/，META-INF/MANIFEST 的资源，这是一个子类，更多的功能在父类 JarInputStream 里。

其实看到这里大概也能猜到问题了，tomcat 加载 jar 包内 META-INF/，META-INF/MANIFEST 的资源导致的耗时，至于为什么连续请求不会耗时，应该是 tomcat 的缓存机制（下面介绍源码分析）

不着急定位问题，试着通过 Arthas 最终定位问题细节，继续手动深入 trace

[arthas@24851]$ trace org.apache.catalina.webresources.TomcatJarInputStream *Press Q or Ctrl+C to abort.Affect(class-cnt:1 , method-cnt:4) cost in 44 ms.`---ts=2019-09-14 21:37:47;thread_name=http-nio-7744-exec-5;id=14;is_daemon=true;priority=5;TCCL=org.springframework.boot.loader.LaunchedURLClassLoader@20ad9418    `---[0.234952ms] org.apache.catalina.webresources.TomcatJarInputStream:createZipEntry()        +---[0.039455ms] java.util.jar.JarInputStream:createZipEntry() #43        `---[0.007827ms] java.lang.String:equals() #44
`---ts=2019-09-14 21:37:47;thread_name=http-nio-7744-exec-5;id=14;is_daemon=true;priority=5;TCCL=org.springframework.boot.loader.LaunchedURLClassLoader@20ad9418    `---[0.050222ms] org.apache.catalina.webresources.TomcatJarInputStream:createZipEntry()        +---[0.001889ms] java.util.jar.JarInputStream:createZipEntry() #43        `---[0.001643ms] java.lang.String:equals() #46#这里一共31个trace日志，删减了剩下的

从方法名上看，还是加载资源之类的意思。都已经到 jdk 源码了，这时候来看一下TomcatJarInputStream这个类的源码:

/** * Creates a new <code>JarEntry</code> (<code>ZipEntry</code>) for the * specified JAR file entry name. The manifest attributes of * the specified JAR file entry name will be copied to the new * <CODE>JarEntry</CODE>. * * @param name the name of the JAR/ZIP file entry * @return the <code>JarEntry</code> object just created */protected ZipEntry createZipEntry(String name) {    JarEntry e = new JarEntry(name);    if (man != null) {        e.attr = man.getAttributes(name);    }    return e;}

这个createZipEntry有个 name 参数，从注释上看，是 jar/zip 文件名，如果能得到文件名这种关键信息，就可以直接定位问题了；还是通过 Arthas，使用 watch 命令，动态监测方法调用数据

watch 方法执行数据观测

“

让你能方便的观察到指定方法的调用情况。能观察到的范围为：返回值、抛出异常、入参，通过编写 OGNL 表达式进行对应变量的查看。

”

watch 该方法的入参

这下直接看到了具体加载的资源名，这么熟悉的名字：swagger-ui，一个国外的 rest 接口文档工具，又有国内开发者基于 swagger-ui 做了一套 spring mvc 的集成工具，通过注解就可以自动生成 swagger-ui 需要的接口定义 json 文件，用起来还比较方便，就是侵入性较强。

删除 swagger 的 jar 包后问题，诡异的 70+ms 就消失了

<!--pom 里删除这两个引用，这两个包时国内开发者封装的，swagger-ui并没有提供java spring-mvc的支持包，swagger只是一个浏览器端的ui+editor --><dependency>    <groupId>io.springfox</groupId>    <artifactId>springfox-swagger2</artifactId>    <version>2.9.2</version></dependency><dependency>    <groupId>io.springfox</groupId>    <artifactId>springfox-swagger-ui</artifactId>    <version>2.9.2</version></dependency>

那么为什么 swagger 会导致请求耗时呢，为什么每次请求偶读会加载 swagger 内部的静态资源呢？

其实这是 tomcat-embed 的一个 bug 吧，下面详细介绍一下该 Bug

Tomcat embed Bug 分析 &解决

源码分析过程实在太漫长，而且也不是本文的重点，所以就不介绍了， 下面直接介绍下分析结果

顺便贴一张 tomcat 处理请求的核心类图

为什么每次请求会加载 Jar 包内的静态资源

关键在于org.apache.catalina.mapper.Mapper#internalMapWrapper这个方法，该版本下处理请求的方式有问题，导致每次都校验静态资源。

为什么连续请求不会出现问题

因为 Tomcat 对于这种静态资源的解析是有缓存的，优先从缓存查找，缓存过期后再重新解析。具体参考org.apache.catalina.webresources.Cache，默认过期时间 ttl 是 5000ms。

为什么本地不会复现

其实确切的说，是通过 spring-boot 打包插件后不能复现。由于启动方式的不同，tomcat 使用了不同的类去处理静态资源，所以没问题

如何解决

升级 tomcat-embed 版本即可

当前出现 Bug 的版本为：

spring-boot:2.0.2.RELEASE，内置的 tomcat embed 版本为 8.5.31

升级 tomcat embed 版本至 8.5.40+即可解决此问题，新版本已经修复了

通过替换 springboot pom properties 方式

如果项目是 maven 是继承的 springboot，即 parent 配置为 springboot 的，或者 dependencyManagement 中 import spring boot 包的

<parent>        <groupId>org.springframework.boot</groupId>        <artifactId>spring-boot-starter-parent</artifactId>        <version>2.0.2.RELEASE</version>        <relativePath/> <!-- lookup parent from repository -->    </parent>

pom 中直接覆盖 properties 即可：

<properties>    <tomcat.version>8.5.40</tomcat.version></properties>

升级 spring boot 版本

springboot 2.1.0.RELEASE 中的 tomcat embed 版本已经大于 8.5.31 了，所以直接将 springboot 升级至该版本及以上版本就可以解决此问题！