一次k8s docker下.net程序的异常行为dump诊断
背景
昨天，一位朋友找到我寻求帮助。他的项目需要调用一个第三方项目的webAPI。这个webAPI本身可从header, query string中取相关信息，但同事发现他在调用时，无法按期望的那样从query string中传参数给到第三方webAPI (webAPI仿佛忽略了从query string过来的信息)，朋友不知道是这个webAPI的问题，还是自己调用代码的问题了。。
由于这个webAPI service是他们公司内部的某team的项目，所以朋友虽然可以看到源码，但他并不能快速确定原因, 维护项目的人又不好找。通过webAPI service代码他自己找到了可疑的原因是webAPI中的这个方法有可能阻挡了他期望的webAPI行为: Instance.EnableFallback() (公司隐私，改了名), 但他无法确定这个方法在实际运行的时候的具体返回值。
听了朋友介绍，我能想到的一个方法是看一下他们公司的这个第三方的service进程的内部情况 
（非生产环境，权限是允许的）
分析
通过kubectl exec -it [namespace:pod] /bin/bash，我们成功进入了service的pod里。虽然是非生产环境，我们也尽量别打扰人家干活
那么…就选择dump一下运行的dotnet进程喽
由于这次的任务是观察托管环境的某个内存位置的值，我选择了用dotnet-dump
然后dotnet-dump analyze core_123 开始分析。
我们想要的是 Instance.EnableFallback 的返回值，而我的朋友已经知道这个Instance的type，所以用dumpheap -type找一下这个instance在哪里：
然后用!do一下instance具体内容：
1 > do 796f3840d080 2 Name: XXX.Common.XXX.XXXInstance 3 MethodTable: 00007970d459d3a8 4 EEClass: 00007970d45a4fc0 5 Size: 80(0x50) bytes 6 File: /app/XXX.dll 7 Fields: 8 MT Field Offset Type VT Attr Value Name 9 00007970d459d9e8 4000016 10 ...XXX]] 0 instance 0000796f3840d130 _evs
根据简化和隐藏敏感信息后的代码:
知道了需要继续用!do 看这个0000796f3840d130:
1 > do 0000796f3840d130 2 Name: System.Collections.Generic.Dictionary`2[[System.String, System.Private.CoreLib],[XXX.Common.XXX.XXXEnv, XXX]] 3 MethodTable: 00007970d459d718 4 EEClass: 00007970ce610c00 5 Size: 72(0x48) bytes 6 File: /usr/share/dotnet/shared/Microsoft.NETCore.App/3.1.32/System.Private.CoreLib.dll 7 Fields: 8 MT Field Offset Type VT Attr Value Name 9 00007970ce636448 4001aec 8 System.Int32[] 0 instance 0000796f384143a8 _buckets 10 00007970ce636250 4001aed 10 ...ivate.CoreLib]][] 0 instance 0000796f384143d0 _entries 11 00007970ce5fa0e8 4001aee 30 System.Int32 1 instance 1 _count
大家如果了解.net Dictionary类型的实现，就知道目前这个dictionary是1size且具体的item值可以直接用!dp看：
Dictionary里的_entries是个数组，item类型是value type，所以是inlined memory, 所以直接看0000796f38412948, 因为他是数组中第0个元素里的key-value pair里的value(XXXEnv instance的地址）。
1 > do 0000796f38412948 2 Name: XXX.Common.XXXEnv 3 MethodTable: 00007970d459e700 4 EEClass: 00007970d45a5888 5 Size: 56(0x38) bytes 6 File: /app/XXX.dll 7 Fields: 8 MT Field Offset Type VT Attr Value Name 9 00007970d340a988 400000a 8 ....Config.XXXConfig 0 instance 0000796f382898f0 _toggleConfig
最后看那个_toggleConfig，Instance.EnableFallback()里面一通调用最终会读它的内容，简化代码如下：
所以继续!do看一下这个_toggleConfig:
至此原因确定，怀疑的这个方法在当前这个webAPI service下会返回false.
后记
也许有朋友会问，直接dump type是XXXConfig的instance不就行了。是的，不过在这个dump文件中，我发现了不止一个active的XXXConfig instance, 也就是说不止一处会用到这个不唯一的XXXConfig, 而我需要明确Instance.EnableFallback最终的返回，所以需要耐心探索哈 
总结
我的朋友知道了他想确定的Instance.EnableFallback在第三方service运行的时候的真实值之后，也明确了他那边的应对这个webAPI的调用方式了。
这次诊断的问题虽不是cpu过高、内存泄漏这类资源问题，但还是用上了与排查资源泄漏相同的底层调试诊断技术来解决。最后我的朋友很高兴，吃了个定心丸
