记一次 .NET 某上市工业智造 CPU+内存+挂死 三高分析
一：背景
1. 讲故事
上个月有位朋友加wx告知他的程序有挂死现象，询问如何进一步分析，截图如下：
看这位朋友还是有一定的分析基础，可能玩的少，缺乏一定的分析经验，当我简单分析之后，我发现这个dump挺有意思的， CPU，内存，挂死 三样全占，程序悲惨莫过于此。。。
既然找到我，我得想办法化解他的痛苦😄😄😄，由易到难我们逐一分析这三样都是因为什么原因所致？
二：三高分析
1. 挂死原因
根据 40+ 的dump分析经验，挂死大多是由于某种情况导致线程卡死，导致后续请求堆积在 threadpool 中，要想验证，可以使用 !tp 命令查看线程池队列。
0:000> !tp
CPU utilization: 81%
Worker Thread: Total: 65 Running: 65 Idle: 0 MaxLimit: 32767 MinLimit: 64
Work Request in Queue: 2831
Unknown Function: 00007ffffcba1750 Context: 0000022ab04d4a58
Unknown Function: 00007ffffcba1750 Context: 0000022ab03e4ce8
...
Unknown Function: 00007ffffcba1750 Context: 0000022ab825ec88
Unknown Function: 00007ffffcba1750 Context: 0000022ab825a458
Unknown Function: 00007ffffcba1750 Context: 0000022ab8266500
Unknown Function: 00007ffffcba1750 Context: 0000022ab8268198
Unknown Function: 00007ffffcba1750 Context: 0000022ab826cb00
Unknown Function: 00007ffffcba1750 Context: 0000022ab8281578
--------------------------------------
Number of Timers: 0
--------------------------------------
Completion Port Thread:Total: 2 Free: 2 MaxFree: 128 CurrentLimit: 2 MaxLimit: 32767 MinLimit: 64
可以很明显的看到线程池队列有 2831 个任务堆积，这就导致新进来的请求无法得到处理，所以就出现了挂死现象，接下来就来看看这些线程都干嘛去了，为啥效率那么低，可以用 ~*e !clrstack 调出所有线程栈，截图如下：
扫了一遍后，发现有很多的 System.Net.HttpWebRequest.GetResponse() 方法，有经验的朋友应该知道，这又是一个经典的同步http请求过慢导致的程序处理不及的挂死，有些朋友可能好奇，能不能把网址给我扒出来，可以是可以，用 !dso 命令即可。
000000D2FBD3B840 0000023269e85698 System.Text.UTF8Encoding
000000D2FBD3B850 00000236e9dd2cb8 System.String application/x-www-form-urlencoded
000000D2FBD3B870 0000023269e85698 System.Text.UTF8Encoding
000000D2FBD3B9A8 00000231aa221a38 System.String uSyncAppxxx
000000D2FBD3B9B8 00000231aa201a70 System.String VToken={0}&Vorigin={1}&QueryJson={2}
000000D2FBD3B9C0 00000231aa202200 System.String http://xxx.xxx.com/API/xxx/BusinessCardFolder/Connector/xxx/GetPageList
我去，这url还是一个外网地址，🐂👃了，本身同步方式就慢，这地址更是雪上加霜哈。。。难怪不卡死😄
2. cpu爆高分析
从上面的 !tp 输出中也看出来了，当前 cpu = 81% ，那为什么会这么高呢？根据经验大概就是 lock锁，GC触发，死循环等情况，可以用排除法。
- 是 lock 锁吗？
可以用命令 !syncblk 看一下同步块表。
0:000> !syncblk
Index SyncBlock MonitorHeld Recursion Owning Thread Info SyncBlock Owner
212 0000023ef3cdd028 3 1 0000023ef40efa40 8d70 209 000002396ad93788 System.Object
-----------------------------
Total 297
CCW 3
RCW 4
ComClassFactory 0
Free 139
从输出看，lock 锁没什么问题，接下来用 !mlocks 命令查看下其他类型的锁，看看有没有什么新发现。
0:000> !mlocks
Examining SyncBlocks...
Scanning for ReaderWriterLock(Slim) instances...
Scanning for holders of ReaderWriterLock locks...
Scanning for holders of ReaderWriterLockSlim locks...
Examining CriticalSections...
ClrThread DbgThread OsThread LockType Lock LockLevel
------------------------------------------------------------------------------
...
0x49 209 0x8d70 thinlock 000002396ad9ba90 (recursion:0)
0x49 209 0x8d70 thinlock 000002396ad9baa8 (recursion:0)
0x49 209 0x8d70 thinlock 000002396ad9bac0 (recursion:0)
0x49 209 0x8d70 thinlock 000002396ad9bad8 (recursion:0)
0x49 209 0x8d70 thinlock 000002396ad9baf0 (recursion:0)
0x49 209 0x8d70 thinlock 000002396ad9bb08 (recursion:0)
0x49 209 0x8d70 thinlock 000002396ad9bb20 (recursion:0)
0x49 209 0x8d70 thinlock 000002396ad9bb38 (recursion:0)
0x49 209 0x8d70 thinlock 000002396ad9bb50 (recursion:0)
0x49 209 0x8d70 thinlock 000002396ad9bb68 (recursion:0)
0x49 209 0x8d70 thinlock 000002396ad9bb80 (recursion:0)
0xe 152 0x8e68 thinlock 0000023669f7e428 (recursion:0)
0x41 208 0x8fb4 thinlock 00000235e9f6e8d0 (recursion:0)
0x17 161 0x9044 thinlock 00000238ea94db68 (recursion:0)
0x16 159 0x911c thinlock 000002392a03ed40 (recursion:0)
0x47 206 0x9264 thinlock 000002322af08e28 (recursion:0)
我去，发现有大量的 thinlock，而且 DbgThread=209 线程居然有 1000 +，截图如下：
有些朋友可能不知道什么叫 thinlock，简单来说，它就是一种耗cpu的内旋锁，类似 SpinLock，接下来随便抽一个对象，查看它的 !gcroot 。
0:000> !gcroot 000002396ad9ba48
Thread 2580:
000000d2fb0bef10 00007ff806945ab3 System.Threading.ExecutionContext.RunInternal(System.Threading.ExecutionContext, System.Threading.ContextCallback, System.Object, Boolean)
rbp-80: 000000d2fb0bef50
-> 0000023769dd4008 System.Threading.Thread
-> 0000023269e776b8 System.Runtime.Remoting.Contexts.Context
-> 0000023269e773b8 System.AppDomain
...
-> 0000023269ee1e00 System.Threading.TimerCallback
-> 0000023269ed2d30 System.Web.Caching.CacheExpires
-> 0000023269ed2c78 System.Web.Caching.CacheSingle
-> 0000023269ed2ce0 System.Collections.Hashtable
-> 000002372ab91d90 System.Collections.Hashtable+bucket[]
-> 00000239ab32fd10 System.Web.Caching.CacheEntry
-> 000002396ad93748 System.Collections.Concurrent.ConcurrentDictionary`2[[System.String, mscorlib],[xxx].Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]]
-> 00000239ab2a8248 System.Collections.Concurrent.ConcurrentDictionary`2+Tables[[System.String, mscorlib],[xxx.Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]]
-> 000002396ad96b80 System.Object[]
-> 000002396ad9ba48 System.Object
从输出信息看,这个 thinlock 来自于 ConcurrentDictionary 字典内部，接下来我们 dump 出这个字典，使用 !mdt 命令。
0:148> !mdt 000002396ad93748
000002396ad93748 (System.Collections.Concurrent.ConcurrentDictionary`2[[System.String, mscorlib],[xxx.Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]])
m_tables:00000239ab2a8248 (System.Collections.Concurrent.ConcurrentDictionary`2+Tables[[System.String, mscorlib],[xxx.Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]])
m_comparer:NULL (System.Collections.Generic.IEqualityComparer`1[[System.__Canon, mscorlib]])
m_growLockArray:true (System.Boolean)
m_keyRehashCount:0x0 (System.Int32)
m_budget:0x213 (System.Int32)
m_serializationArray:NULL (System.Collections.Generic.KeyValuePair`2[[System.__Canon, mscorlib],[System.__Canon, mscorlib]][])
m_serializationConcurrencyLevel:0x0 (System.Int32)
m_serializationCapacity:0x0 (System.Int32)
0:148> !mdt 00000239ab2a8248
00000239ab2a8248 (System.Collections.Concurrent.ConcurrentDictionary`2+Tables[[System.String, mscorlib],[xxx.Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]])
m_buckets:0000023e9a2477e8 (System.Collections.Concurrent.ConcurrentDictionary`2+Node[[System.String, mscorlib],[xxx.Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]][], Elements: 543997)
m_locks:000002396ad96b80 (System.Object[], Elements: 1024)
m_countPerLock:00000239aa8472c8 (System.Int32[], Elements: 1024)
m_comparer:0000023269e782b8 (System.Collections.Generic.GenericEqualityComparer`1[[System.String, mscorlib]])
从上面信息看，这个字典有 54.3 w 条记录，为啥这么大，而且还有 1024 个 lock，有点意思，我们扒一下源码看看。
从源码看，内部确实有一个 lock[] 数组，那到底是什么操作引发了遍历 locks[]，要想寻找答案，可以在所有线程栈上寻找 ConcurrentDictionary 关键词。
OS Thread Id: 0x2844 (163)
Child SP IP Call Site
000000d2fb83abb8 00007ff80a229df8 [GCFrame: 000000d2fb83abb8]
000000d2fb83aca0 00007ff80a229df8 [GCFrame: 000000d2fb83aca0]
000000d2fb83acd8 00007ff80a229df8 [HelperMethodFrame: 000000d2fb83acd8] System.Threading.Monitor.Enter(System.Object)
000000d2fb83add0 00007ff80693ea56 System.Collections.Concurrent.ConcurrentDictionary`2[[System.__Canon, mscorlib],[System.__Canon, mscorlib]].AcquireLocks(Int32, Int32, Int32 ByRef)
000000d2fb83ae20 00007ff806918ef2 System.Collections.Concurrent.ConcurrentDictionary`2[[System.__Canon, mscorlib],[System.__Canon, mscorlib]].AcquireAllLocks(Int32 ByRef)
000000d2fb83ae60 00007ff8069153f9 System.Collections.Concurrent.ConcurrentDictionary`2[[System.__Canon, mscorlib],[System.__Canon, mscorlib]].GetValues()
000000d2fb83aee0 00007ff7ae17d8ec xxx.Util.DataHelper.ToEnumerable[[System.__Canon, mscorlib],[System.__Canon, mscorlib]](System.Collections.Concurrent.ConcurrentDictionary`2<System.__Canon,System.__Canon>)
000000d2fb83af20 00007ff7ad125241 xxx.Application.Code.CacheHelper.GetCaches[[System.__Canon, mscorlib],[System.__Canon, mscorlib]](System.String)
000000d2fb83afa0 00007ff7ad12513b xxx.Application.Code.CacheHelper.GetCaches[[System.__Canon, mscorlib]](System.String)
000000d2fb83b000 00007ff7b10199e5 xxx.Application.Cache.CacheHelper.GetUserRelations()
从线程栈上看，发现了有近20处如上的代码，可以看出程序在调用 GetCaches 方法的时候触发了 ConcurrentDictionary 的lock锁从而卡住，接下来我们看一下 xxx.Application.Cache.CacheHelper.GetUserRelations() 源码到底做了什么？
public static IEnumerable<UserRelationEntity> GetUserRelations()
{
return xxx.Application.Code.CacheHelper.GetCaches<UserRelationEntity>("xxx.BaseManage-UserRelation");
}
protected static IEnumerable<T> GetCaches<T>(string cacheKeyName)
{
return GetCaches<T, string>(cacheKeyName);
}
private static IEnumerable<T> GetCaches<T, TKey>(string cacheKeyName)
{
return GetConcurrentDictionaryCache<T, TKey>(cacheKeyName)?.ToEnumerable();
}
public static IEnumerable<T> ToEnumerable<TKey, T>(this ConcurrentDictionary<TKey, T> dics)
{
return dics.Values;
}
从源码逻辑看，程序每次调用缓存最终都会调用 dics.Values , 我很好奇它的框架逻辑是什么样的？ 截图如下：
大家有没有发现，每次 dict.Values 时都要执行 1024 次 Monitor.Enter(locks[i], ref lockTaken);， 也就是 1024 次的内旋锁，这就是cpu高的一个关键因素。
3. 内存爆高原因
最后一个问题是内存为啥会爆高？ 细心的朋友应该会发现刚才那个 GetValues 中有一个奇怪的逻辑 ，我再贴一下代码：
private ReadOnlyCollection<TValue> GetValues()
{
int locksAcquired = 0;
try
{
AcquireAllLocks(ref locksAcquired);
int countInternal = GetCountInternal();
if (countInternal < 0)
{
throw new OutOfMemoryException();
}
List<TValue> list = new List<TValue>(countInternal);
for (int i = 0; i < m_tables.m_buckets.Length; i++)
{
for (Node node = m_tables.m_buckets[i]; node != null; node = node.m_next)
{
list.Add(node.m_value);
}
}
return new ReadOnlyCollection<TValue>(list);
}
finally
{
ReleaseLocks(0, locksAcquired);
}
}
有没有发现，每一次 GetValues 时都会生成一个 54.3w 大小的新List，请注意这个 list 是新生成的，不是 ConcurrentDictionary 上的引用，这就很坑了，每调用一次，LOH上就会来一个这么大的List，你说内存暴增不暴增？？？
三：总结
总的来说，这苦逼的三高有下面两个因素造成。
- 使用了同步的 HttpRequest 方式并使用了外网url导致程序挂死。
优化措施：使用异步方式
- 巨坑的 ConcurrentDictionary.Values 导致 内存，cpu 爆高。
我想很多朋友都没想到: ConcurrentDictionary.Values 有这么大的一个坑，这就让我联想起了线程不安全的 Dictionary.Values 是怎么做的？
public ValueCollection Values
{
[__DynamicallyInvokable]
get
{
if (values == null)
{
values = new ValueCollection(this);
}
return values;
}
}
public sealed class ValueCollection
{
public ValueCollection(Dictionary<TKey, TValue> dictionary)
{
if (dictionary == null)
{
ThrowHelper.ThrowArgumentNullException(ExceptionArgument.dictionary);
}
this.dictionary = dictionary;
}
}
可以很明显的看到它并没有生成新的list，所以优化措施如下：
- 拒绝使用 ConcurrentDictionary.Values，采用
lock + Dictionary。 - 如果硬要用 ConcurrentDictionary ，请将 Query 条件送下去，而不是使用 Values 做全量拉取再查询，减少内存无畏占用。
最后上一个小彩蛋，将分析结果给了这位朋友之后，朋友想让我上门分析，第一次遇到。。。太猝不及防啦🤣🤣🤣
