java后端常用线上问题排查命令

内存瓶颈

free

free是查看内存使用情况，包括物理内存、交换内存(swap)和内核缓冲区内存。

free -h -s 3表示每隔三秒输出一次内存情况，命令如下

image.png

• Mem：是内存的使用情况。
• Swap：是交换空间的使用情况。
• total：系统总的可用物理内存和交换空间大小。
• used：已经被使用的物理内存和交换空间。
• free：还有多少物理内存和交换空间可用使用，是真正尚未被使用的物理内存数量。
• shared：被共享使用的物理内存大小。
• buff/cache：被 buffer（缓冲区） 和 cache（缓存） 使用的物理内存大小。
• available：还可以被应用程序使用的物理内存大小，它是从应用程序的角度看到的可用内存数量，available ≈ free + buffer + cache。

交换空间(swap space)

swap space 是磁盘上的一块区域，当系统物理内存吃紧时，Linux 会将内存中不常访问的数据保存到 swap 上，这样系统就有更多的物理内存为各个进程服务，而当系统需要访问 swap 上存储的内容时，再将 swap 上的数据加载到内存中，这就是常说的换出和换入。交换空间可以在一定程度上缓解内存不足的情况，但是它需要读写磁盘数据，所以性能不是很高。

vmstat（推荐）

vmstat（VirtualMeomoryStatistics，虚拟内存统计）是Linux中监控内存的常用工具，可对操作系统的虚拟内存、进程、CPU等的整体情况进行监视，推荐使用。

vmstat 5 3表示每隔5秒统计一次，一共统计三次。

image.png

procs

r：表示运行和等待CPU时间片的进程数（就是说多少个进程真的分配到CPU），这个值如果长期大于系统CPU个数，说明CPU不足，需要增加CPU。b：表示在等待资源的进程数，比如正在等待I/O或者内存交换等。

memory

swpd：表示切换到内存交换区的内存大小，即虚拟内存已使用的大小（单位KB），如果大于0，表示你的机器物理内存不足了，如果不是程序内存泄露的原因，那么你该升级内存了或者把耗内存的任务迁移到其他机器。free：表示当前空闲的物理内存。buff：表示缓冲大小，一般对块设备的读写才需要缓冲 Cache：表示缓存大小，一般作为文件系统进行缓冲，频繁访问的文件都会被缓存，如果cache值非常大说明缓存文件比较多，如果此时io中的bi比较小，说明文件系统效率比较好。

swap

si：表示数据由磁盘读入内存；通俗的讲就是每秒从磁盘读入虚拟内存的大小，如果这个值大于0，表示物理内存不够用或者内存泄露了，要查找耗内存进程解决掉。so：表示由内存写入磁盘，也就是由内存交换区进入内存的数据大小。

!! 注意：一般情况下si、so的值都为0，如果si、so的值长期不为0，则说明系统内存不足，需要增加系统内存

io

bi：表示由块设备读入数据的总量，即读磁盘，单位kb/s bo：表示写到块设备数据的总量，即写磁盘，单位kb/s

!! 注意：如果bi+bo的值过大，且wa值较大，则表示系统磁盘IO瓶颈。

system

in：表示某一时间间隔内观测到的每秒设备终端数。cs：表示每秒产生的上下文切换次数，这个值要越小越好，太大了，要考虑调低线程或者进程的数目。例如在apache和nginx这种web服务器中，我们一般做性能测试时会进行几千并发甚至几万并发的测试，选择web服务器的进程可以由进程或者线程的峰值一直下调，压测，直到cs到一个比较小的值，这个进程和线程数就是比较合适的值了。系统调用也是，每次调用系统函数，我们的代码就会进入内核空间，导致上下文切换，这个是很耗资源，也要尽量避免频繁调用系统函数。上下文切换次数过多表示你的CPU大部分浪费在上下文切换，导致CPU干正经事的时间少了，CPU没有充分利用，是不可取的。

!! 注意：这两个值越大，则由内核消耗的CPU就越多。

CPU

us：表示用户进程消耗的CPU时间百分比，us值越高，说明用户进程消耗CPU时间越多，如果长期大于50%，则需要考虑优化程序或者算法。sy：表示系统内核进程消耗的CPU时间百分比，一般来说us+sy应该小于80%，如果大于80%，说明可能存在CPU瓶颈。id：表示CPU处在空间状态的时间百分比。wa：表示IP等待所占用的CPU时间百分比，wa值越高，说明I/O等待越严重，根据经验wa的参考值为20%，如果超过20%，说明I/O等待严重，引起I/O等待的原因可能是磁盘大量随机读写造成的，也可能是磁盘或者监控器的贷款瓶颈（主要是块操作）造成的。

sar

sar和free类似sar -r 3每隔三秒输出一次内存信息：

image.png

CPU瓶颈

查看机器cpu核数

image.png

查看CPU信息（型号）

image.png

查看物理CPU个数

image.png

查看每个物理CPU中core的个数(即核数)

image.png

查看逻辑CPU的个数

image.png

top

在Linux内核的操作系统中，进程是根据虚拟运行时间（由进程优先级、nice值加上实际占用的CPU时间进行动态计算得出）进行动态调度的。在执行进程时，需要从用户态转换到内核态，用户空间不能直接操作内核空间的函数。通常要利用系统调用来完成进程调度，而用户空间到内核空间的转换通常是通过软中断来完成的。例如要进行磁盘操作，用户态需要通过系统调用内核的磁盘操作指令，所以CPU消耗的时间被切分成用户态CPU消耗、系统（内核） CPU 消耗，以及磁盘操作 CPU 消耗。执行进程时，需要经过一系列的操作，进程首先在用户态执行，在执行过程中会进行进程优先级的调整（nice），通过系统调用到内核，再通过内核调用，硬中断、软中断，让硬件执行任务。执行完成之后，再从内核态返回给系统调用，最后系统调用将结果返回给用户态的进程。

top可以查看CPU总体消耗，包括分项消耗，如User，System，Idle，nice等。Shift + H显示java线程；Shift + M按照内存使用排序；Shift + P按照CPU使用时间（使用率）排序；Shift + T按照CPU累积使用时间排序；多核CPU，进入top视图1，可以看到各各CPU的负载情况。

image.png

第一行：15:24:11 up 8 days, 7:52, 1 user, load average: 5.73, 6.85, 7.33：15:24:11 系统时间，up 8 days 运行时间，1 user 当前登录用户数，load average 负载均衡情况，分别表示1分钟，5分钟，15分钟负载情况。

第二行：Tasks: 17 total, 1 running, 16 sleeping, 0 stopped, 0 zombie：总进程数17，运行数1，休眠 16，停止0，僵尸进程0。

第三行：%Cpu(s): 13.9 us, 9.2 sy, 0.0 ni, 76.1 id, 0.1 wa, 0.0 hi, 0.1 si, 0.7 st：用户空间CPU占比13.9%，内核空间CPU占比9.2%，改变过优先级的进程CPU占比0%，空闲CPU占比76.1，IO等待占用CPU占比0.1%，硬中断占用CPU占比0%，软中断占用CPU占比0.1%,当前VM中的cpu 时钟被虚拟化偷走的比例0.7%。

第四和第五行表示内存和swap区域的使用情况。

第七行表示：

• PID: 进程id
• USER:进程所有者
• PR:进程优先级
• NI:nice值。负值表示高优先级，正值表示低优先级
• VIRT:虚拟内存，进程使用的虚拟内存总量，单位kb。VIRT=SWAP+RES
• RES:常驻内存，进程使用的、未被换出的物理内存大小，单位kb。RES=CODE+DATA
• SHR:共享内存，共享内存大小，单位kb
• S:进程状态。D=不可中断的睡眠状态 R=运行 S=睡眠 T=跟踪/停止 Z=僵尸进程
• %CPU:上次更新到现在的CPU时间占用百分比
• %MEM:进程使用的物理内存百分比
• TIME+:进程使用的CPU时间总计，单位1/100秒
• COMMAND:进程名称（命令名/命令行）

计算在cpu load里面的uninterruptedsleep的任务数量

image.png

sar

通过sar -u 3可以查看CUP总体消耗占比：

image.png

• %user：用户空间的CPU使用。
• %nice：改变过优先级的进程的CPU使用率。
• %system：内核空间的CPU使用率。
• %iowait：CPU等待IO的百分比 。
• %steal：虚拟机的虚拟机CPU使用的CPU。
• %idle：空闲的CPU。

在以上的显示当中，主要看%iowait和%idle：

• 若 %iowait的值过高，表示硬盘存在I/O瓶颈；
• 若 %idle的值高但系统响应慢时，有可能是 CPU 等待分配内存，此时应加大内存容量；
• 若 %idle的值持续低于 10，则系统的 CPU 处理能力相对较低，表明系统中最需要解决的资源是 CPU；

定位线上最耗CPU的线程

准备工作

启动一个程序。arthas-demo是一个简单的程序，每隔一秒生成一个随机数，再执行质因数分解，并打印出分解结果。

image.png

通过top命令找到最耗时的进程

image.png

找到进程号是98344。

找到进程中最耗CUP的线程

使用ps -Lp #pid cu命令，查看某个进程中的线程CPU消耗排序：

image.png

看TIME列可以看出那个线程耗费CUP多，根据LWP列可以看到线程的ID号，但是需要转换成16进制才可以查询线程堆栈信息。

获取线程id的十六进制码

使用printf '%x\n' 98345命令做进制转换：

image.png

查看线程堆栈信息

使用jstack获取堆栈信息jstack 98344 | grep -A 10 18029：

image.png

通过命令我们可以看到这个线程的对应的耗时代码是在demo.MathGame.main(MathGame.java:17)

image.png

网络瓶颈

定位丢包，错包情况

watch more /proc/net/dev用于定位丢包，错包情况，以便看网络瓶颈，重点关注drop(包被丢弃)和网络包传送的总量，不要超过网络上限：

image.png

• 最左边的表示接口的名字，Receive表示收包，Transmit表示发送包；
• bytes：表示收发的字节数；
• packets：表示收发正确的包量；
• errs：表示收发错误的包量；
• drop：表示收发丢弃的包量；

查看路由经过的地址

traceroute ip可以查看路由经过的地址，常用来统计网络在各个路由区段的耗时，如：

image.png

查看网络错误

netstat -i可以查看网络错误：

image.png

• Iface: 网络接口名称;
• MTU: 最大传输单元，它限制了数据帧的最大长度，不同的网络类型都有一个上限值，如：以太网的MTU是1500；
• RX-OK：接收时，正确的数据包数。
• RX-ERR：接收时，产生错误的数据包数。
• RX-DRP：接收时，丢弃的数据包数。
• RX-OVR：接收时，由于过速（在数据传输中，由于接收设备不能接收按照发送速率传送来的数据而使数据丢失）而丢失的数据包数。
• TX-OK：发送时，正确的数据包数。
• TX-ERR：发送时，产生错误的数据包数。
• TX-DRP：发送时，丢弃的数据包数。
• TX-OVR：发送时，由于过速而丢失的数据包数。
• Flg：标志，B 已经设置了一个广播地址。L 该接口是一个回送设备。M 接收所有数据包（混乱模式）。N 避免跟踪。O 在该接口上，禁用ARP。P 这是一个点到点链接。R 接口正在运行。U 接口处于“活动”状态。

包的重传率

cat /proc/net/snmp用来查看和分析240秒内网络包量，流量，错包，丢包。通过RetransSegs和OutSegs来计算重传率tcpetr=RetransSegs/OutSegs。

image.png

重传率=292/223186≈0.13%

• 平均每秒新增TCP连接数：通过/proc/net/snmp文件得到最近240秒内PassiveOpens的增量，除以240得到每秒的平均增量；
• 机器的TCP连接数 ：通过/proc/net/snmp文件的CurrEstab得到TCP连接数；
• 平均每秒的UDP接收数据报：通过/proc/net/snmp文件得到最近240秒内InDatagrams的增量，除以240得到平均每秒的UDP接收数据报；
• 平均每秒的UDP发送数据报：通过/proc/net/snmp文件得到最近240秒内OutDatagrams的增量，除以240得到平均每秒的UDP发送数据报；

磁盘瓶颈

查磁盘空间

查看磁盘剩余空间

查看磁盘剩余空间使用df -hl命令：

image.png

查看磁盘已使用空间

du -sh命令是查看磁盘已使用空间的情况，这里的“已使用的磁盘空间”意思是指定的文件下的整个文件层次结构所使用的空间，在没给定参数的情况下，du报告当前目录所使用的磁盘空间。其实就是显示文件或目录所占用的磁盘空间的情况：

image.png

• -h：输出文件系统分区使用的情况，例如：10KB，10MB，10GB等。
• -s：显示文件或整个目录的大小，默认单位是KB。

!! du的详细信息可以通过 man du查看。

查看磁盘读写情况

查看磁盘总体读写情况

通iostat查看磁盘总体的读写情况：

image.png

• tps：该设备每秒的传输次数。
• kB_read/s：每秒从设备（drive expressed）读取的数据量；
• kB_wrtn/s：每秒向设备（drive expressed）写入的数据量；
• kB_read：读取的总数据量；
• kB_wrtn：写入的总数量数据量；

查看磁盘详细读写情况

通过iostat -x 1 3可以看到磁盘详细读写情况，没隔一秒输出一次一共输出3次，当看到I/O等待时间所占CPU时间的比重很高的时候，首先要检查的就是机器是否正在大量使用交换空间，同时关注iowait占比cpu的消耗是否很大，如果大说明磁盘存在大的瓶颈，同时关注await，表示磁盘的响应时间以便小于5ms：

image.png

avg-cpu表示总体cpu使用情况统计信息，对于多核cpu，这里为所有cpu的平均值：

• %user：CPU处在用户模式下的时间百分比。
• %nice：CPU处在带NICE值的用户模式下的时间百分比。
• %system：CPU处在系统模式下的时间百分比。
• %iowait：CPU等待输入输出完成时间的百分比，如果%iowait的值过高，表示硬盘存在I/O瓶颈。
• %steal：管理程序维护另一个虚拟处理器时，虚拟CPU的无意识等待时间百分比。
• %idle：CPU空闲时间百分比，如果%idle值高，表示CPU较空闲；如果%idle值高但系统响应慢时，可能是CPU等待分配内存，应加大内存容量；如果%idle值持续低于10，表明CPU处理能力相对较低，系统中最需要解决的资源是CPU。。

Device表示设备信息：

• rrqm/s：每秒对该设备的读请求被合并次数，文件系统会对读取同块(block)的请求进行合并
• wrqm/s：每秒对该设备的写请求被合并次数
• r/s：每秒完成的读次数
• w/s：每秒完成的写次数
• rkB/s：每秒读数据量(kB为单位)
• wkB/s：每秒写数据量(kB为单位)
• avgrq-sz：平均每次IO操作的数据量(扇区数为单位)
• avgqu-sz：平均等待处理的IO请求队列长度
• await：平均每次IO请求等待时间(包括等待时间和处理时间，毫秒为单位)
• svctm：平均每次IO请求的处理时间(毫秒为单位)
• %util：一秒中有百分之多少的时间用于 I/O如果%util接近100%，说明产生的I/O请求太多，I/O系统已经满负荷。idle小于70% IO压力就较大了，一般读取速度有较多的wait。

!! iostat -xmd 1 3：新增m选项可以在输出是使用M为单位。

查看最耗IO的进程

一般先通过iostat查看是否存在io瓶颈，再使用iotop命令来定位那个进程最耗费IO：

image.png

通过iotop -p pid可以查看单个进程的IO情况：

image.png

应用瓶颈

查看某个进程的PID

如查看java的进程的pid，ps -ef | grep java:

image.png

查看特定进程的数量

如查看java进程的数量,ps -ef | grep java| wc -l：

image.png

查看线程是否存在死锁

查看线程是否存在死锁，jstack -l pid：

image.png

查看某个进程的线程数

ps -efL | grep [PID] | wc -l，如：

image.png

查看具体有哪些线程用ps -Lp [pid] cu:

image.png

统计所有的log文件中，包含Error字符的行

find / -type f -name "*.log" | xargs grep "ERROR"，这个在排查问题过程中比较有用：

image.png

应用启动时指定JVM参数

java -jar -Xms128m -Xmx1024m -Xss512k -XX:PermSize=128m -XX:MaxPermSize=64m -XX:NewSize=64m -XX:MaxNewSize=256m arthas-demo.jar，如：

image.png

总结

在使用linux命令时，如果想看帮助可以使用--help或者man查看帮助信息：

image.png

类别	监控命令	描述	备注
内存瓶颈	free	查看内存使用
	vmstat 3(间隔时间) 100(监控次数)	查看swap in/out详细定位是否存在性能瓶颈	推荐使用
	sar -r 3	和free命令类似，查看内存的使用情况，但是不包含swap的情况
cpu瓶颈	top -H	按照cpu消耗高低进行排序
	ps -Lp 进程号 cu	查看某个进程的cpu消耗排序
	cat /proc/cpuinfo |grep 'processor'|wc -l	查看cpu核数
	top	查看cpu总体消耗，包括分项消耗如user,system,idle,nice等消耗
	top 然后shift+h:显示java线程，然后shift+M:按照内存使用进行排序；shift+P:按照cpu时间排序;shift+T:按照cpu累计使用时间排序多核cpu，按“1”进入top视图	专项性能排查，多核CPU主要看CUP各个内核的负载情况
	sar -u 3(间隔时间)	查看cpu总体消耗占比
	sar -q	查看cpu load
	top -b -n 1	awk '{if (NR<=7)print;else if($8=="D"){print;count++}}END{print "Total status D:"count}'	计算在cpu load里面的uninterruptedsleep的任务数量 uninterruptedsleep的任务会被计入cpu load，如磁盘堵塞
网络瓶颈	cat /var/log/messages	查看内核日志，查看是否丢包
	watch more /proc/net/dev	用于定位丢包，错包情况，以便看网络瓶颈	重点关注drop(包被丢弃)和网络包传送的总量，不要超过网络上限
	sar -n SOCK	查看网络流量
	netstat -na|grep ESTABLISHED|wc -l	查看tcp连接成功状态的数量	此命令特别消耗cpu，不适合进行长时间监控数据收集
	netstat -na	awk'{print $6}'|sort |uniq -c |sort -nr | 看tcp各个状态数量
	netstat -i	查看网络错误
	ss state ESTABLISHED| wc -l	更高效地统计tcp连接状态为ESTABLISHED的数量
	cat /proc/net/snmp	查看和分析240秒内网络包量，流量，错包，丢包	用于计算重传率tcpetr=RetransSegs/OutSegs
	ping $ip	测试网络性能
	traceroute $ip	查看路由经过的地址	常用于定位网络在各个路由区段的耗时
	dig $域名	查看域名解析地址
	dmesg	查看系统内核日志
磁盘瓶颈	iostat -x -k -d 1	详细列出磁盘的读写情况	当看到I/O等待时间所占CPU时间的比重很高的时候，首先要检查的就是机器是否正在大量使用交换空间，同时关注iowait占比cpu的消耗是否很大，如果大说明磁盘存在大的瓶颈，同时关注await，表示磁盘的响应时间以便小于5ms
	iostat -x	查看系统各个磁盘的读写性能	重点关注await和iowait的cpu占比
	iotop	查看哪个进程在大量读取IO	一般先通过iostat查看是否存在io瓶颈，再定位哪个进程在大量读取IO
	df -hl	查看磁盘剩余空间
	du -sh	查看磁盘使用了多少空间
应用瓶颈	ps -ef	grep java	查看某个进程的id号
	ps -ef| grep httpd| wc -l	查看特定进程的数量
	cat *** .log | grep *** Exception| wc -l	统计日志文件中包含特定异常数量
	jstack -l pid	用于查看线程是否存在死锁
	awk'{print $8}' 2017-05-22-access_log| egrep '301| 302'| wc -l	统计log中301、302状态码的行数，$8表示第八列是状态码，可以根据实际情况更改	常用于应用故障定位
	grep 'wholesaleProductDetailNew' cookie_log | awk '{if(12'	more	打印包含特定数据的12列数据
	grep "2017:05:22" cookielog| awk '($12>0.3){print 8}' | sort > 目录地址	对apache或者nginx访问log进行响应时间排序，$12表示cookie log中的12列表示响应时间 用于排查是否是由于是某些访问超长造成整体的RT变长
	grep -v 'HTTP/1.1" 200'	取出非200响应码的URL
	pgm -A -f $应用集群名称 "grep "'301' log文件地址| wc -l"	查看整个集群的log中301状态码的数量
	ps -efL | grep [PID] | wc -l	查看某个进程创建的线程数
	find / -type f -name " * .log"| xargs grep "ERROR"	统计所有的log文件中，包含Error字符的行	这个在排查问题过程中比较有用
	jstat -gc [pid]	查看gc情况
	jstat -gcnew [pid]	查看young区的内存使用情况，包括MTT(最大交互次数就被交换到old区)，TT是目前已经交换的次数
	jstat -gcold	查看old区的内存使用情况
	jmap -J-d64 -dump:format=b,file=dump.bin PID	dump出内存快照	-J-d64防止jmap导致虚拟机crash(jdk6有bug)
	-XX:+HeapDumpOnOutOfMemeryError	在java启动时加入，当出现内存溢出时，存储内存快照
	jmap -histo [pid]	按照对象内存大小排序	注意会导致full gc
	gcore [pid]	导出完成的内存快照	通常和jmap -permstat /opt/ ** /java gcore.bin一起使用，将core dump转换成heap dump
	-XX:HeapDumpPath=/home/logs -Xloggc:/home/log/gc.log -XX:+PrintGCDetails -XX:+PrintGCDateStamps	在Java启动参数中加入，打印gc日志
	-server -Xms4000m -Xmx4000m -Xmn1500m -Xss256k -XX:PermSize=340m -XX:MaxPermSize=340m -XX:+UseConcMarkSweepGC	调整JVM堆大小	xss是栈大小

图片 图片
图片 图片