大概过程

在测试环境Docker容器中，在跨进程调用服务的时候，A应用通过Dubbo调用B应用的RPC接口，发现B应用接口超时错误，接着通过debug和日志，发现具体耗时的地方在于一句简单SQL执行，但是耗时超过1000ms。

通过查看数据库的进程列表，发现是有死锁锁表了，很多进程状态status处于'sending data'，最后为锁住的表添加索引，并且kill掉阻塞的请求，解除死锁，服务速度恢复正常。

下面记录的是跟祥哥一起的大致排查过程：

通过观察业务代码，确认没有内存溢出或者其它事务问题，于是只能考虑Docker环境的数据库和jvm底层详情了。

使用Druid监控SQL执行状态

通过日志，发现有一句SQL严重超时，一句简单SQL，原本是批量插入多条记录，为了定位问题，测试时Mybatis只插入一条记录，但即便如此，还是耗时10秒

 

 

于是打算使用阿里巴巴的数据库连接池Druid进行监控，这篇文章有教如何使用Druid监控SQL执行状态，监控SQL效果如下：

 

 

在SQL监控Tab中，可以看到执行SQL的具体情况，包括某条SQL语句执行的时间（平均、最慢）、SQL执行次数、SQL执行出错的次数等

上面显示的是正常情况下，时间单位是ms，正常的SQL一般在10ms之内，数据量大的控制在30ms之内，这样用户的使用体验感才会良好。所以说之前的1000ms，是不可接受的结果。

通过JMC远程监控Tomcat

JMC(java mission control)是jdk自带的一个监控工具，在jdk的bin目录下（java大法好，该目录下有很多实用的工具）。

具体要怎么配置和加的参数请参考此文

为了简单，我加了一个tomcat无验证模式：

#在tomcat的conf目录下的catalina.sh增加如下java启动参数： 
-Dcom.sun.management.jmxremote=true
-Dcom.sun.management.jmxremote.port=8888
-Dcom.sun.management.jmxremote.ssl=false
-Dcom.sun.management.jmxremote.authenticate=false
-XX:+UnlockCommercialFeatures -XX:+FlightRecorder
复制代码

下面是自己本地调试的截图

 

 

然后打开jmc，创建一个JMX连接，输入对应的ip和JMX端口。接着可以设定一段时间内的飞行监控，监测这一分钟内jvm具体参数

当时调试的时候，发现内存使用、CPU占用率、线程状态也挺正常的，没有发现明显的异常错误，效果如下图：

 

 

唯一比较耗时的是在代码tab页中，当时发现了大量的I/O，比上图的比例还高，当时大概占了80%，查看调用树，很多循环tcp socket连接，考虑到应用中本来就有很多需要io以及netty也需要tcp连接，所以大概排除了jvm虚拟机的问题，然后就去排查MySQL的问题。

排查MySQL

在了解MySQL锁概念的时候，可以参考这篇文章mysql什么情况下会触发表锁，由于现在使用的比较多的是InnoDB，所以可以着重看看InnoDB锁问题。

直接执行SQL语句

通过DEBUG代码，从mybatis中取出映射后的SQL语句，在MySQL客户款直接执行SQL和Explain查看执行计划，速度都很快，排除了SQL语句的问题。

查看MySQL线程列表

show processlist;
复制代码

 

 

从图中可以看出，有些线程的状态处于sending data，查阅资料：所谓的“Sending data”并不是单纯的发送数据，而是包括“收集 + 发送 数据”。

然后后面一列info显示的是具体信息，是查询用来生成主键ID的函数，之前速度都很快，为啥突然就这么慢呢，于是回过头去查看该函数：

select next_value into ret_val from `xxx` where table_name=tableName for update;

update `xxx` set
		current_value=current_value+step,
		next_value=next_value+step
	where table_name=tableName;
复制代码

select for update，给这个表加了排它锁，阻止其它事务取得相同数据集的共享读锁和排他写锁，同时，这个序列表表中，用来检索的字段没有加索引，在InnoDB行锁机制中：

 

 

由于MySQL的行锁是针对索引加的锁，不是针对记录加的锁，所以虽然是访问不同行的记录，但是如果是使用相同的索引键（在我们的场景中，就是查询时用到的table_name)，是会出现锁冲突的

所以祥哥了解到其它团队因为查询这个表产生事务问题，造成死锁，这个序列表被锁住了。

由于这个自增序列表每个团队都在使用，所以当时测试环境中，经常有dao层超时错误，最终祥哥将这些阻塞的线程kill掉，为序列表加了索引，解决了问题。

小结

下次遇到MySQL执行耗时的情况，排除了代码问题之后，要去看数据库是否有死锁的情况存在，观察有没有被阻塞的线程，排查被阻塞的线程具体info，定位到具体问题。


作者：VipAugus
链接：https://juejin.im/post/5ce906a3e51d455a2f2201dc
来源：掘金