文档章节

分析Tomcat类加载机制触发的Too many open files问题

 时间财富网
发布于 2016/11/24 09:49
字数 3501
阅读 213
收藏 0

#程序员薪资揭榜#你做程序员几年了?月薪多少?发量还在么?>>>

  分析Tomcat类加载机制触发的Too many open files问题

  Too many open files意思是打开文件太多了那么碰到Tomcat类加载机制触发的Too many open files问题要如何来处理,我们这边一起来看看细节吧。

  说起Too many open files这个报错,想必大家一定不陌生。在Linux系统下,如果程序打开文件句柄数(包括网络连接、本地文件等)超出系统设置,就会抛出这个错误。

  不过最近发现Tomcat的类加载机制在某些情况下也会触发这个问题。今天就来分享下问题的排查过程、问题产生的原因以及后续优化的一些措施。

  在正式分享之前,先简单介绍下背景。

  Apollo配置中心是携程框架研发部(笔者供职部门)推出的配置管理平台,提供了配置中心化管理、配置修改后实时推送等功能。

  有一个JavaWeb应用接入了Apollo配置中心,所以用户在配置中心修改完配置后,配置中心就会实时地把最新的配置推送给该应用。

  一、故障现象

  某天,开发在生产环境照常通过配置中心修改了应用配置后,发现应用开始大量报错。

  查看日志,发现原来是redis无法获取到连接了,所以导致接口大量报错。

  Caused by: redis.clients.jedis.exceptions.JedisConnectionException: Could not get a resource from the pool

  at redis.clients.util.Pool.getResource(Pool.java:50)

  at redis.clients.jedis.JedisPool.getResource(JedisPool.java:99)

  at credis.java.client.entity.RedisServer.getJedisClient(RedisServer.java:219)

  at credis.java.client.util.ServerHelper.execute(ServerHelper.java:34)

  … 40 more

  Caused by: redis.clients.jedis.exceptions.JedisConnectionException: java.net.SocketException: Too many open files

  at redis.clients.jedis.Connection.connect(Connection.java:164)

  at redis.clients.jedis.BinaryClient.connect(BinaryClient.java:82)

  at redis.clients.jedis.BinaryJedis.connect(BinaryJedis.java:1641)

  at redis.clients.jedis.JedisFactory.makeObject(JedisFactory.java:85)

  at org.apache.commons.pool2.impl.GenericObjectPool.create(GenericObjectPool.java:868)

  at org.apache.commons.pool2.impl.GenericObjectPool.borrowObject(GenericObjectPool.java:435)

  at org.apache.commons.pool2.impl.GenericObjectPool.borrowObject(GenericObjectPool.java:363)

  at redis.clients.util.Pool.getResource(Pool.java:48)

  … 43 more

  Caused by: java.net.SocketException: Too many open files

  at java.net.Socket.createImpl(Socket.java:447)

  at java.net.Socket.getImpl(Socket.java:510)

  at java.net.Socket.setReuseAddress(Socket.java:1396)

  at redis.clients.jedis.Connection.connect(Connection.java:148)

  … 50 more

  由于该应用是基础服务,有很多上层应用依赖它,所以导致了一系列连锁反应。情急之下,只能把所有机器上的Tomcat都重启了一遍,故障恢复。

  二、初步分析

  由于故障发生的时间和配置中心修改配置十分吻合,所以后来立马联系我们来一起帮忙排查问题(配置中心是我们维护的)。不过我们得到通知时,故障已经恢复,应用也已经重启,所以没了现场。只好依赖于日志和CAT(实时应用监控平台)来尝试找到一些线索。

  从CAT监控上看,该应用集群共20台机器,不过在配置客户端获取到最新配置,准备通知应用该次配置的变化详情时,只有5台通知成功, 15 台通知失败。

  其中 15 台通知失败机器的 JVM 似乎有些问题,报了无法加载类的错误(NoClassDefFoundError),错误信息被catch住并记录到了CAT。

  5 台成功的信息如下:

  15 台失败的如下:

  报错详情如下:

  java.lang.NoClassDefFoundError: com/ctrip/framework/apollo/model/ConfigChange

  …

  Caused by: java.lang.ClassNotFoundException: com.ctrip.framework.apollo.model.ConfigChange

  at org.apache.catalina.loader.WebappClassLoader.loadClass(WebappClassLoader.java:1718)

  at org.apache.catalina.loader.WebappClassLoader.loadClass(WebappClassLoader.java:1569)

  … 16 more

  配置客户端在配置更新后,会计算配置的变化并通知到应用。配置的变化会通过 ConfigChange 对象存储。

  由于是该应用启动后第一次配置变化,所以 ConfigChange 类是第一次使用到,基于 JVM 的懒加载机制,这时会触发一次类加载过程。

  这里就有一个疑问来了,为啥 JVM 会无法加载类?这个类com.ctrip.framework.apollo.model.ConfigChange 和配置客户端其它的类是打在同一个 jar 包里的,不应该出现 NoClassDefFoundError 的情况。

  而且,碰巧的是,后续redis报无法连接错误的也正是这 15 台报了 NoClassDefFoundError 的机器。

  联想到前面的报错Too many open files, 会不会也是由于文件句柄数不够,所以导致JVM无法从文件系统读取jar包,从而导致 NoClassDefFoundError?

  三、故障原因

  关于该应用出现的问题,种种迹象表明那个时段应该是进程句柄数不够引起的,例如无法从本地加载文件,无法建立 redis 连接,无法发起网络请求等等。

  前一阵我们的一个应用也出现了这个问题,当时发现老机器的 Max Open Files 设置是 65536 ,但是一批新机器上的 Max OpenFiles 都被误设置为 4096 了。

  虽然后来运维帮忙统一修复了这个设置问题,但是需要重启才会生效。所以目前生产环境还有相当一部分机器的 Max Open Files 是 4096 。

  所以,我们登陆到其中一台出问题的机器上去查看是否存在这个问题。但是出问题的应用已经重启,无法获取到应用当时的情况。不过好在该机器上还部署了另外的应用, pid 为 16112 。通过查看 /proc/16112/limits 文件,发现里面的 Max Open Files 是 4096 。

  所以有理由相信应用出问题的时候,它的 Max Open Files 也是 4096 ,一旦当时的句柄数达到 4096 的话,就会导致后续所有的 IO 都出现问题。

  所以故障原因算是找到了,是由于 Max Open Files 的设置太小,一旦进程打开的文件句柄数达到 4096 ,后续的所有请求(文件 IO ,网络 IO )都会失败。

  由于该应用依赖了 redis ,所以一旦一段时间内无法连接 redis ,就会导致请求大量超时,造成请求堆积,进入恶性循环。(好在 SOA 框架有熔断和限流机制,所以问题影响只持续了几分钟)

  四、疑团重重

  故障原因算是找到了,各方似乎对这个答案还算满意。不过还是有一个疑问一直在心头萦绕,为啥故障发生时间这么凑巧,就发生在用户通过配置中心发布配置后?

  为啥在配置发布前,系统打开的文件句柄还小于 4096 ,在配置发布后就超过了?

  难道配置客户端在配置发布后会大量打开文件句柄?

  4.1、代码分析

  通过对配置客户端的代码分析,在配置中心推送配置后,客户端做了以下几件事情:

  1.之前断开的 http long polling 会重新连接

  2.会有一个异步 task 去服务器获取最新配置

  3.获取到最新配置后会写入本地文件

  4.写入本地文件成功后,会计算 diff 并通知到应用

  从上面的步骤可以看出,第 1 步会重新建立之前断开的连接,所以不算新增,第 2 步和第 3 步会短暂的各新增一个文件句柄(一次网络请求和一次本地 IO ),不过执行完后都会释放掉。

  4.2、尝试重现

  代码看了几遍也没看出问题,于是尝试重现问题,所以在本地起了一个demo应用(命令行程序,非web),尝试操作配置发布来重现,同时通过bash 脚本实时记录打开文件信息,以便后续分析。

  for i in {11000}

  do

  lsof -p 91742 > /tmp/20161101/$i.log

  sleep 0.01

  done

  然而本地多次测试后都没有发现文件句柄数增加的情况,虽然洗清了配置客户端的嫌疑,但是问题的答案却似乎依然在风中飘着,该如何解释观测到的种种现象呢?

  五、柳暗花明

  尝试自己重现问题无果后,只剩下最后一招了 - 通过应用的程序直接重现问题。

  为了不影响应用,我把应用的war包连同使用的Tomcat在测试环境又独立部署了一份。不想竟然很快就发现了导致问题的原因。

  原来Tomcat对webapp有一套自己的WebappClassLoader,它在启动的过程中会打开应用依赖的jar包来加载class信息,但是过一段时间就会把打开的jar包全部关闭从而释放资源。

  然而如果后面需要加载某个新的class的时候,会把之前所有的jar包全部重新打开一遍,然后再从中找到对应的jar来加载。加载完后过一段时间会再一次全部释放掉。

  所以应用依赖的jar包越多,同时打开的文件句柄数也会越多。

  同时,我们在Tomcat的源码中也找到了上述的逻辑。

  之前的重现实验最大的问题就是没有完全复现应用出问题时的场景,如果当时就直接测试了Tomcat,问题原因就能更早的发现。

  5.1、重现环境分析

  5.1.1 Tomcat刚启动完

  刚启动完,进程打开的句柄数是443。

  lsof -p 31188 | wc -l

  5.1.2 Tomcat 启动完过了几分钟左右

  启动完过了几分钟后,再次查看,发现只剩192个了。仔细比较了一下其中的差异,发现WEB-INF/lib下的jar包句柄全释放了。

  lsof -p 31188 | wc -l

  lsof -p 31188 | grep "WEB-INF/lib" | wc -l

  5.1.3 配置发布后 2 秒左右

  然后通过配置中心做了一次配置发布,再次查看,发现一下子又涨到422了。其中的差异恰好就是WEB-INF/lib下的jar包句柄数。从下面的命令可以看到,WEB-INF/lib下的jar包文件句柄数有228个之多。

  lsof -p 31188 | wc -l

  lsof -p 31188 | grep "WEB-INF/lib" | wc -l

  5.1.4 配置发布30秒后

  过了约30秒后,WEB-INF/lib下的jar包句柄又全部释放了。

  lsof -p 31188 | wc -l

  lsof -p 31188 | grep "WEB-INF/lib" | wc -l

  5.2 TomcatWebappClassLoader逻辑

  通过查看Tomcat(7.0.72 版本 )的逻辑,也印证了我们的实验结果。

  5.2.1 加载类逻辑

  Tomcat 在加载 class 时,会首先打开所有的jar文件,然后遍历找到对应的jar去加载:

  5.2.2 关闭 jar 文件逻辑

  同时会有一个后台线程定期执行文件的关闭动作来释放资源:

  5.3故障场景分析

  对于应用出现故障的场景,由于是应用启动后第一次配置变化,所以会使用到一个之前没有引用过的 class:  com.ctrip.framework.apollo.model.ConfigChange , 进而会触发Tomcat类加载,并最终打开所有依赖的jar包 , 从而导致在很短的时间内进程句柄数升高。 ( 对该应用而言,之前测试下来的数字是 228 )。

  虽然现在无从知晓该应用在出问题前总的文件句柄数,但是从CAT监控可以看到光TCP连接数(Established和TimeWait之和 )就在3200+了,再加上一些 jdk 加载的类库(这部分Tomcat不会释放)和本地文件等,应该离4096的上限相差不多了。所以这时候如果Tomcat再一下子打开本地228个文件,自然就很容易导致Too manyopen files的问题了。

  六、总结

  6.1 问题产生原因

  所以,分析到这里,整件事情的脉络就清晰了:

  1.应用的Max Open Files限制设置成了4096

  2.应用自身的文件句柄数较高,已经接近了4096

  3.用户在配置中心操作了一次配置发布,由于Tomcat的类加载机制,会导致瞬间打开本地200多个文件,从而迅速达到4096上限

  4.Jedis 在运行过程中需要和Redis重新建立连接,然而由于文件句柄数已经超出上限,所以连接失败

  5.应用对外的服务由于无法连接Redis,导致请求超时,客户端请求堆积,陷入恶性循环

  6.2 后续优化措施

  通过这次问题排查,我们不仅对Too many open files这一问题有了更深的认识,对平时不太关心的Tomcat类加载机制也有了一定了解,同时也简单总结下未来可以优化的地方:

  1、 操作系统配置

  从这次的例子可以看出,我们不仅要关心应用内部,对系统的一些设置也需要保持一定的关注。如这次的Max Open Files配置,对于普通应用,如果流量不大的话,使用4096估计也OK。但是对于对外提供服务的应用,4096就显得太小了。

  2 、 应用监控、报警

  对应用的监控、报警还得继续跟上。比如是否以后可以增加对应用的连接数指标进行监控,一旦超过一定的阈值,就报警。从而可以避免突然系统出现问题,陷于被动。

  3、 中间件客户端及早初始化

  鉴于Tomcat的类加载机制,中间件客户端应该在程序启动的时候做好初始化动作,同时把所有的类都加载一遍,从而避免后续在运行过程中由于加载类而产生一些诡异的问题。

  4、 遇到故障,不要慌张,保留现场

  生产环境遇到故障,不要慌张,如果一时无法解决问题的话,可以通过重启解决。不过应该至少保留一台有问题的机器,从而为后面排查问题提供有利线索。

  需要更多编程资讯可以到时间财富网。

© 著作权归作者所有

粉丝 2
博文 37
码字总数 57314
作品 0
成都
私信 提问
加载中

评论(1)

时间财富网 博主
这个不错哟,特别分享出来
Tomcat类加载机制触发的Too many open files问题分析

说起Too many open files这个报错,想必大家一定不陌生。在Linux系统下,如果程序打开文件句柄数(包括网络连接、本地文件等)超出系统设置,就会抛出这个错误。 不过最近发现Tomcat的类加载...

zxc123e
03/31
0
0
谈谈 Tomcat 架构及启动过程[含部署]

谈谈 Tomcat 架构及启动过程[含部署] ImportNew2018-01-061 阅读 Tomcat 原文出处: Rainstorm 这个题目命的其实是很大的,写的时候还是很忐忑的,但我尽可能把这个过程描述清楚。因为这是读...

ImportNew
2018/01/06
0
0
谈谈 Tomcat 架构及启动过程[含部署]

原文出处:Rainstorm 这个题目命的其实是很大的,写的时候还是很忐忑的,但我尽可能把这个过程描述清楚。因为这是读过源码以后写的总结,在写的过程中可能会忽略一些前提条件,如果有哪些比较...

Rainstorm
2018/01/06
0
0
超详细JVM性能优化案例全面讲解,值得收藏

对vm-性能优化不太熟悉,掌握不透彻的小伙伴可以借此学习一下。对vm-性能优化很熟悉,掌握很好的小伙伴可以当作复习巩固,写的不一定你们都会哟! 话不多说,咱们直接上干货!注意:除了本文...

程序员的人生A
05/19
0
0
Confluence 未授权 RCE 分析(CVE-2019-3396)

作者:lucifaer 博客:https://www.lucifaer.com/ 这个漏洞本来是上周一就分析完了,但是高版本无法造成rce这个问题着实困扰了我很久,在得出了一定的结论后才写完了这篇文章。总体来说,这个...

lucifaer
2019/04/17
0
0

没有更多内容

加载失败,请刷新页面

加载更多

如何限制利用spring boot 框架自动限制上传文件

spring:   application:     name: appname   servlet:     multipart:       enabled: true       max-file-size: 512MB       max-request-size: 512MB @Ex...

osc_31d5oo2i
52分钟前
24
0
NATAPP1分钟快速新手图文教程(远程办公程序员联调神器)

NATAPP官方地址:https://natapp.cn/ 应用场景:前后端异地联调、系统演示、远程临时访问 首先在本站注册账号 点击注册 登录后,点击左边 购买隧道,免费/付费均可 根据需要选择隧道协议,这里以...

明德先生
54分钟前
16
0
李子柒的视频为什么这么吸引人?对她在B站上发布的视频进行分析

前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 作者:CDA数据分析师 加企鹅群695185429即可免费获取,资料全...

osc_tc2z9lbh
54分钟前
25
0
MySQL如何有效的存储IP地址

前几天,阿淼的一个朋友去面试,他回来告诉我,面试官问他 IP 地址是怎么存在数据库的?他当时也没多想,直接就回答的存字符串啊(心想:这么简单的问题,怕不是看不起我吧) 前面这段权当看...

osc_q5m9dzk0
55分钟前
32
0
一口气说出8种幂等性解决重复提交的方案,面试官懵了!

1.什么是幂等 在我们编程中常见幂等 1)select查询天然幂等 2)delete删除也是幂等,删除同一个多次效果一样 3)update直接更新某个值的,幂等 4)update更新累加操作的,非幂等 5)insert非幂等操作...

osc_kd8rd7b3
57分钟前
27
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部