作者：花和尚南北
链接：https://juejin.cn/post/7139202066362138654
前言
首先问题是这样的，周五正在写文档，突然收到了线上报警，发现cpu占用达到了90多，上平台监控系统查看容器，在jvm监控中发现有一个pod在两个小时内产生了61次youngGc一次fullGc，这个问题特别严重且少见，由于我之前也没有排查过此类问题，所以也是百度，但整个过程也有一些自己的思考，所以跟大家分享一下~
当时场景
我先给大家看一下一副正常的gc曲线监控（为保密性，我自己按照平台监控画了出来）：1.正常的jvm监控曲线图
2.产生问题的jvm监控曲线图
可以看的出来，正常情况下该系统很少gc(具体看业务系统使用情况、jvm内存分配)，但是在图二中出现了大量异常的gc情况甚至触发了fullGc，所以我当时立马进行了分析。
具体分析
首先异常gc的情况只出现在一个pod上（系统有多个pod）,在监控系统找到对应的pod，进入pod内部查看问题原因，排查问题一定要冷静
1.进入pod之后，输入top查看各linux进程对系统资源的使用情况(因我这是事后补稿，资源使用不高，大家看步骤即可)
当时我的pid为1的进程cpu上到了130（多核）那我认定就是java应用出问题了，control+c退出继续往下走输入top -H -p pid 通过此命令可以查看实际占用CPU最高的的线程的id，pid为刚才资源使用高的pid号出现具体线程的资源使用情况，表格里的pid代表线程的id，我们称他为tid我记得当时的tip为746（上述图片只是我给大家重复步骤），使用命令printf "%x\n" 746，将线程tid转换为16进制因为我们线程id号在堆栈里是16进制的所以需要做一个进制转换输入jstack pid | grep 2ea >gc.stack
解释一下，jstack是jdk给提供的监控调优小工具之一，jstack会生成JVM当前时刻的线程快照，然后我们可以通过它查看某个Java进程内的线程堆栈信息，之后我们把堆栈信息通过管道收集2ea线程的信息，然后将信息生成为gc.stack文件，我随便起的，随意
当时我先cat gc.stack 发现数据有点多在容器里看不方便，于是我下载到本地浏览，因为公司对各个机器的访问做了限制，我只能用跳板机先找到一台没用的机器a，把文件下载到a然后我再把a里的文件下载到本地（本地访问跳板机OK），先输入python -m SimpleHTTPServer 8080，linux自带python，这个是开启一个简单http服务供外界访问然后登录跳板机，使用curl下载curl -o http://ip地址/gcInfo.stack 为方便演示，我在图中把ip换了一个假的之后用同样的方法从本地下载跳板机就可以了，记得关闭python开启的建议服务嗷把文件下载到了本地，打开查看编辑器搜索2ea，找到nid为2ea的堆栈信息，发现是在文件异步导出excel的时候，导出接口使用了公共列表查询接口，列表接口查询数据最多为分页200一批，而导出数据量每个人的权限几万到十几万不等并且该判断方法使用了嵌套循环里判断，且结合业务很容易get不到value，guawa下的newArrayList就是返回一个newArrayList（好像不用说这么细 (；一_一 ），在整个方法结束之前，产生的lists生命周期还在所以发生多次gc触发重启之后还影响到了别的pod。然后对代码进行了fix，紧急上线，问题解决~结束语
遇到生产问题，大家不要害怕，遇到问题先保证服务是否可用，然后通过有限的信息层层解析，找出最终的问题。如果你会 arthas，排查起来会更轻松！