登录/ 注册
 找回密码
 立即注册
关闭

CSDN热搜

程序园 精品问答 技术交流 资源下载
返回列表 发新帖
首页 › 业界区 › 业界 ›好端端的线程池，怎么就卡死了？

好端端的线程池，怎么就卡死了？

获弃 5 天前
写在前面

最近，我们的业务收到一项报障，线上某个业务模块偶尔会出现无法正常工作的情况。
经过多方排查，最终确认是线程池使用方式不合理导致的。鉴于线程池使用的普遍性和该类问题的隐秘性，本文将其中涉及的“坑”整理出来，与大家分享。
本文将尽可能淡化业务本身，着重介绍其中的技术问题。
场景说明

该业务链路有三个节点，分别为“演示调度入口”、“获取数据”，以及“推送数据”：
1.webp

其中，三个节点配置了同一个线程池，为呈现更为直观，将实际业务代码做了必要的内联和简化处理，如下：
  1. private ScheduledThreadPoolExecutor executor = new ScheduledThreadPoolExecutor(5);
  3. public void handle() {
  4.     // 线程延迟调度（第一个节点，调度后续两个节点）
  5.     executor.schedule(() -> {
  6.         doHandle();
  7.     }, 10L, TimeUnit.MILLISECONDS);
  8. }
  10. private List<String> fetchData()  {
  11.     CompletableFuture<List<String>> future = CompletableFuture.supplyAsync(() -> {
  12.         // 模拟数据获取业务逻辑（第二个节点）
  13.     }, executor);
  14.     return future.get();
  15. }
  17. private void doHandle() {
  18.     // 推送数据业务逻辑（第三个节点，需要等第二个节点的数据获取完毕）
  19.     List<String> data = fetchData(taskId);
  20.     executor.schedule(() -> {
  21.         push(data);
  22.     }, 50L, TimeUnit.MILLISECONDS);
  23. }
复制代码
有经验的同学可以一眼看出，同一个链路上的多个业务节点，若共用同一个线程池，可能会出问题。
知识回顾

在接着往下讲之前，先来回顾一下基础知识。
Java线程池的运行机制

任务提交到线程池中后：

  • 如果workerCount < corePoolSize，则创建并启动一个线程来执行新提交的任务。
  • 如果workerCount >= corePoolSize，且线程池内的阻塞队列未满，则将任务添加到该阻塞队列中。
  • 如果workerCount >= corePoolSize且线程池内的阻塞队列已满，判断 workerCount < maximumPoolSize 是否成立，若成立，则创建并启动一个线程来执行新提交的任务。
  • 如果workerCount >= maximumPoolSize，并且线程池内的阻塞队列已满, 则根据拒绝策略来处理该任务。
下面两个图很清楚地呈现了这个过程（源自参考资料[2]）：
2.webp

3.webp

进一步地，线程池的生命周期定义在java.util.concurrent.ThreadPoolExecutor 类中，这个不是本文重点，有兴趣的同学自行学习即可：
  1. // runState is stored in the high-order bits
  2. private static final int RUNNING    = -1 << COUNT_BITS;
  3. private static final int SHUTDOWN   =  0 << COUNT_BITS;
  4. private static final int STOP       =  1 << COUNT_BITS;
  5. private static final int TIDYING    =  2 << COUNT_BITS;
  6. private static final int TERMINATED =  3 << COUNT_BITS;
复制代码
执行之，观察输出日志。
当任务数量小于5时（比如2）：
  1. public enum State {
  2.     NEW,
  3.     RUNNABLE,
  4.     BLOCKED,
  5.     WAITING,
  6.     TIMED_WAITING,
  7.     TERMINATED;
  8. }
复制代码
最终线程池状态为：
  1. private ScheduledThreadPoolExecutor executor = new ScheduledThreadPoolExecutor(5);
  3. public ScheduledThreadPoolExecutor(int corePoolSize) {
  4.     super(corePoolSize, Integer.MAX_VALUE, 0, NANOSECONDS,
  5.           new DelayedWorkQueue());
  6. }
  8. public ThreadPoolExecutor(int corePoolSize,
  9.                           int maximumPoolSize,
  10.                           long keepAliveTime,
  11.                           TimeUnit unit,
  12.                           BlockingQueue<Runnable> workQueue) {
  13.     this(corePoolSize, maximumPoolSize, keepAliveTime, unit, workQueue,
  14.          Executors.defaultThreadFactory(), defaultHandler);
  15. }
复制代码
当任务数量大于等于5时（比如5）：
  1. import java.util.ArrayList;
  2. import java.util.List;
  3. import java.util.Random;
  4. import java.util.concurrent.*;
  6. public class TaskScheduler {
  8.     // 增加线程池的线程数量，以便模拟多线程抢占
  9.     private ScheduledThreadPoolExecutor executor = new ScheduledThreadPoolExecutor(5);
  11.     public void handle(int taskId) {
  12.         // 线程延迟调度（第一个节点，调度后续两个节点）
  13.         executor.schedule(() -> {
  14.             System.out.println("任务 " + taskId + " - 第一个节点开始执行，线程编号: " + Thread.currentThread().getId());
  15.             try {
  16.                 doHandle(taskId);
  17.             } catch (ExecutionException e) {
  18.                 throw new RuntimeException(e);
  19.             } catch (InterruptedException e) {
  20.                 throw new RuntimeException(e);
  21.             }
  22.             System.out.println("任务 " + taskId + " - 第一个节点执行完成，线程编号: " + Thread.currentThread().getId());
  23.         }, 10L, TimeUnit.MILLISECONDS);
  24.     }
  26.     private List<String> fetchData(int taskId) throws ExecutionException, InterruptedException {
  27.         CompletableFuture<List<String>> future = CompletableFuture.supplyAsync(() -> {
  28.             System.out.println("任务 " + taskId + " - 第二个节点开始执行，线程编号: " + Thread.currentThread().getId());
  29.             // 模拟数据获取业务逻辑（第二个节点）
  31.             Random random = new Random();
  32.             int delay = 500 + random.nextInt(2000); // 随机延迟时间
  33.             try {
  34.                 Thread.sleep(delay); // 模拟耗时操作
  35.             } catch (InterruptedException e) {
  36.                 throw new RuntimeException(e);
  37.             }
  38.             System.out.println("任务 " + taskId + " - 第二个节点执行完成，线程编号: " + Thread.currentThread().getId());
  39.             return new ArrayList<String>() {{
  40.                 add("data1");
  41.                 add("data2");
  42.                 add("data3");
  43.             }};
  44.         }, executor);
  46.         return future.get();
  47.     }
  49.     private void doHandle(int taskId) throws ExecutionException, InterruptedException {
  50.         // 推送数据业务逻辑（第三个节点，需要等第二个节点的数据获取完毕）
  51.         List<String> data = fetchData(taskId);
  52.         System.out.println("任务 " + taskId + " - 第二个节点的数据已获取，线程编号: " + Thread.currentThread().getId());
  54.         executor.schedule(() -> {
  55.             System.out.println("任务 " + taskId + " - 第三个节点开始执行，线程编号: " + Thread.currentThread().getId());
  56.             push(data);
  57.             System.out.println("\033[0;31m任务 " + taskId + " - 第三个节点执行完成，线程编号: " + Thread.currentThread().getId() + "\033[0m");
  58.         }, 50L, TimeUnit.MILLISECONDS);
  59.     }
  61.     private void push(List<String> data) {
  62.         // 模拟数据推送
  63.         System.out.println("推送数据: " + data);
  64.     }
  65.    
  66.     /**
  67.      * 监控线程池状态
  68.      */
  69.     private static void monitorThreadPoolStatus(ScheduledThreadPoolExecutor executor) {
  70.         ScheduledExecutorService monitorExecutor = Executors.newSingleThreadScheduledExecutor();
  71.    
  72.         monitorExecutor.scheduleAtFixedRate(() -> {
  73.             int poolSize = executor.getPoolSize();
  74.             int corePoolSize = executor.getCorePoolSize();
  75.             int maximumPoolSize = executor.getMaximumPoolSize();
  76.             long completedTaskCount = executor.getCompletedTaskCount();
  77.             int activeCount = executor.getActiveCount();
  78.             int queueSize = executor.getQueue().size();
  79.    
  80.             System.out.println("\n【线程池状态】");
  81.             System.out.println("核心线程数: " + corePoolSize);
  82.             System.out.println("最大线程数: " + maximumPoolSize);
  83.             System.out.println("当前线程数: " + poolSize);
  84.             System.out.println("活跃线程数: " + activeCount);
  85.             System.out.println("已完成任务数: " + completedTaskCount);
  86.             System.out.println("队列中等待的任务数: " + queueSize);
  87.             System.out.println("是否关闭: " + executor.isShutdown());
  88.             System.out.println("是否终止: " + executor.isTerminated());
  89.         }, 0, 1, TimeUnit.SECONDS); // 每秒打印一次
  90.    
  91.         // 在适当的时候关闭监控器（例如主程序结束时）
  92.         Runtime.getRuntime().addShutdownHook(new Thread(() -> {
  93.             monitorExecutor.shutdownNow();
  94.         }));
  95.     }
  97.     // 模拟任务数量（可自由调整）
  98.     private static final int TASK_COUNT = 5;
  100.     public static void main(String[] args) throws InterruptedException {
  101.         TaskScheduler scheduler = new TaskScheduler();
  102.         ExecutorService taskExecutor = Executors.newFixedThreadPool(TASK_COUNT); // 创建一个固定大小的线程池
  104.         CountDownLatch startSignal = new CountDownLatch(1); // 起跑线
  105.         CountDownLatch readySignal = new CountDownLatch(TASK_COUNT); // 用于通知主线程所有线程已就位
  107.         // 模拟多个并发任务
  108.         for (int i = 1; i <= TASK_COUNT; i++) {
  109.             final int taskId = i;
  110.             taskExecutor.submit(() -> {
  111.                 readySignal.countDown(); // 通知主线程当前线程已准备就绪
  112.                 try {
  113.                     startSignal.await(); // 等待起跑信号
  114.                     scheduler.handle(taskId);
  115.                 } catch (InterruptedException e) {
  116.                     Thread.currentThread().interrupt();
  117.                 }
  118.             });
  119.         }
  121.         System.out.println("等待所有线程就绪...");
  122.         readySignal.await(); // 等待所有线程准备完毕
  123.         System.out.println("所有线程已准备就绪，开始并发执行！");
  125.         startSignal.countDown(); // 放行所有等待的线程
  126.         
  127.         // 启动线程池状态监控
  128.         monitorThreadPoolStatus(scheduler.executor);
  130.         taskExecutor.shutdown(); // 后续会自动关闭，当所有任务完成时
  131.     }
  132. }
复制代码
最终线程池状态为：
  1. 等待所有线程就绪...
  2. 所有线程已准备就绪，开始并发执行！
  3. 任务 2 - 第一个节点开始执行，线程编号: 25
  4. 任务 1 - 第一个节点开始执行，线程编号: 23
  5. 任务 1 - 第二个节点开始执行，线程编号: 27
  6. 任务 2 - 第二个节点开始执行，线程编号: 28
  7. 任务 1 - 第二个节点执行完成，线程编号: 27
  8. 任务 1 - 第二个节点的数据已获取，线程编号: 23
  9. 任务 1 - 第一个节点执行完成，线程编号: 23
  10. 任务 1 - 第三个节点开始执行，线程编号: 27
  11. 推送数据: [data1, data2, data3]
  12. 任务 1 - 第三个节点执行完成，线程编号: 27
  13. 任务 2 - 第二个节点执行完成，线程编号: 28
  14. 任务 2 - 第二个节点的数据已获取，线程编号: 25
  15. 任务 2 - 第一个节点执行完成，线程编号: 25
  16. 任务 2 - 第三个节点开始执行，线程编号: 23
  17. 推送数据: [data1, data2, data3]
  18. 任务 2 - 第三个节点执行完成，线程编号: 23
复制代码
可以看出，当任务数量大于线程池的数量时，任务就会卡死，因为后续的节点已经没有线程可用了，对应的任务始终无法完成，因此已经被占用的线程无法释放（因为属于同一个任务）。此后继续提交的新任务会被放到无界阻塞队列中，表现出来就是系统处于假死状态。
以5个任务为例，卡死之后的线程池是这样：
4.webp

以6个任务为例，卡死之后的线程池是这样：
5.webp

以此类推...
再看看线程状态（以5个任务为例）：
6.webp

7.webp

可以看到，状态均为WAITING。
刨根问底

1. 为何多年前的雷，现在才炸？

其实不是最近才出问题，而是可能早已出问题了，但无人知晓。相关的几个原因：

  • 业务本身流量不高，问题可能要在某些流量高峰期间才被触发。从上面的分析过程来看，只要同一时刻提交的任务数量小于5，就是可以持续运行下去的（因为后续两个节点，一定会被逐步执行完毕，对应的线程就会被释放掉了）。
  • 需求迭代频繁，机器隔几天就会部署重启。即使之前部分机器引起了线程卡死，也会被“不经意间”解决掉（从这个角度看，大促期间扩容还是有必要的/doge）。
  • 业务监控不完善。线程卡死后，后续的业务逻辑即使未执行，也没有被感知到，这反映出：缺乏对应的监控预警信息。
  • 相关功能在此前不够受重视。本次的故障是一个辅助功能，此前可能已经出问题了，但没有收到业务反馈。最近业务方开始关注数据指标，进而发现了异常。
2. 为什么CPU没有异常？

因为本次故障并不消耗CPU。线程处于等待状态，没有实际“工作”，当然也就不会引发CPU占用率升高。
另外提一句，当时我们还看了火焰图，尝试发现相关的“死锁”，显而易见，并不会有任何收获。
3. 为什么内存没有异常？

根据上述分析，发生线程池卡死的现象时，后续提交进来的任务均会被放到阻塞队列中，按理会使得内存不断增长，从而引发内存溢出，但我们在排查过程中并未观察到内存异常。那么是什么原因呢？
我们看看提交到阻塞队列中的对象占了多大内存，改造一下handle方法，引入jol工具将其打印出来：
  1. 核心线程数: 5
  2. 最大线程数: 2147483647
  3. 当前线程数: 5
  4. 活跃线程数: 0
  5. 已完成任务数: 6
  6. 队列中等待的任务数: 0
  7. 是否关闭: false
  8. 是否终止: false
复制代码
输出：
  1. 等待所有线程就绪...
  2. 所有线程已准备就绪，开始并发执行！
  3. 任务 5 - 第一个节点开始执行，线程编号: 27
  4. 任务 1 - 第一个节点开始执行，线程编号: 29
  5. 任务 4 - 第一个节点开始执行，线程编号: 28
  6. 任务 3 - 第一个节点开始执行，线程编号: 30
  7. 任务 2 - 第一个节点开始执行，线程编号: 31
复制代码
可以看到对象大小为24字节。当然，这是简化后的程序，实际的业务代码还要大一些，保守起见，预估为50字节。
假设每天10万次请求，那么会产生内存约为5M，按照平均每个月发版一次（实际大家的业务应该更为频繁）的节奏，仅会积累150M的内存，这个量级并不算高，也未引起JVM的“重视”。其实，如果把持续运行很久的内存dump下来，是可以发现端倪的。
内存计算方案有多种，除了JOL，也可以使用这个开源工具类：https://github.com/sunshanpeng/dark_magic
解决方案

讲完了问题，谈谈如何解决。
对于我们遇到的问题来说，是因为一个任务链路中的多个节点共用了同一个线程池，从而导致多个任务的前置节点把线程消耗完毕，后续资源没有线程去执行。从这个角度来看，可行的解决方案有几种：
方案1. 假设确实需要共用线程池，可以把线程池的核心线程数调大，比业务高峰期间的流量更高即可。当然，这个方案，并不算很优雅。
方案2. 任务链路中的多个节点，拆分独立线程池。这种可以从根源上避免线程争用（因为节点3总是会执行完毕的，对应任务占用的线程池2和线程池1会被逐级释放）。如下图：
8.webp

方案3. 重新审视链路中的多层节点，是否必须异步执行，如某些地方其实可以改为同步执行。
最终，我们采用了方案2，改造后的代码类似于：
  1. 核心线程数: 5
  2. 最大线程数: 2147483647
  3. 当前线程数: 5
  4. 活跃线程数: 5
  5. 已完成任务数: 0
  6. 队列中等待的任务数: 5
  7. 是否关闭: false
  8. 是否终止: false
复制代码
另外还有个新问题：如何合理设置线程池参数？其实这里面也有一套方法论。由于不是本文重点，不再展开，感兴趣的读者请参考此前写的一篇文章：https://www.cnblogs.com/xiaoxi666/p/16755570.html。
经验教训

要有全局观

本文为了表述方便，对代码做了简化，实际的业务逻辑较长，且为不同时期的历史逻辑，写代码时容易忽略全局，导致同一个线程池配置在同一个链路的多个节点而不自知。这是很有风险的。
要深刻掌握技术，才能直击本质

即便看出来了同一个线程池被链路中的多个节点复用，也不一定能意识到可能的风险。我们在排查的过程中就曾忽略这个方向，多花了很多时间（又是查CPU，又是看内存和GC，又是看火焰图，直到发现各项指标都正常时，才回过头重新审视代码，进而找到根因）。
要有意识地逐步重构代码

在开发过程中，遇到历史上不合理的逻辑，鼓励大胆提出来，共同探讨出更合适的方案并执行小步重构，防患于未然。
闭环思维

遇到“诡异”问题，势必要挖掘根因，不能让可能的问题处于悬而未决的状态，可能出问题的地方在将来一定会出问题。
参考文档

[1] Life Cycle of a Thread in Java
[2] Java线程池实现原理及其在美团业务中的实践

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

使用道具 举报
相关推荐
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册
发帖
获弃
5 天前

0

粉丝关注

6

主题发布

板块介绍填写区域，请于后台编辑
微信扫一扫