记一次dubbo服务发现导致的OOM

作者：吕归尘

团队：电商技术

7月份某个平凡的下午，我们突然收到大量的线上告警：应用A的老年代内存使用率大于95%。登陆到监控管理平台可以看到3点半之后该应用的老年代内存使用率一路飙升，直逼100%，接着年轻代也一路上升。

图1

我们查看了一下进来的请求也很平稳，并没有突然爆发，那这个地方的罪魁祸首会是谁呢？为了方便读者接下来的阅读，在介绍这次故障之前，我们首先介绍一下我司的dubbo服务发现的流程。

一、dubbo服务发现流程

我们的开发人员在使用远程服务的时候首先需要配置一个dubbo xml文件或者在使用的地方加上@Reference，二者都是用来对dubbo消费者引用服务进行一些配置，然后应用在启动的时候会将配置信息转化为一个ReferenceBean对象，并调用createProxy方法创建一个远程服务接口的代理对象。因为我们的消费者并不是和服务端直接地址相连的，而是订阅到公司的注册中心etcd上。订阅完之后会显示地调用一次notify接口，这个接口会尝试将远程服务注册的url转换成一个本地的invoker，如果消费者端配置的消费protocol时dubbo的，就会生成一个dubbo invoker；如果配置的是rest，就会生成一个rest invoker；如果消费端的protocol什么都没有配置，那么服务端提供什么服务，它就会生成什么服务的invoker。 第二个流程是应用启动完毕之后，如果服务注册地址发生了改变的话，会通知给消费者，注意这个地方dubbo协议里面明确讲到全量更新而不是增量更新。也就是说如果服务端有100台机器，现在其中某一台服务器我重启了，这个时候这台服务器的注册url就会发生变化，但是注册中心会将这100台机器的注册url全部通知给消费者。消费者会拿着更新之后的服务url尝试更新本地的invoker，如果这个url之前已经成功创建过invoker的话，那么就不会再创建了，如果没有的话就会去尝试创建。

图2

熟悉相关概念和流程之后，接下来我们会详细介绍一下我们定位OOM的过程。

二、OOM定位

我们登陆到故障机器，查看jvm内存的使用情况。

图3

可以看到是hashmap的entry太多，难道是哪位童鞋使用了一个全局hashmap，并且忘了清理不用的数据了吗？但是即使要用hashmap一般也不太会用fastjson的IdentityHashMap啊？并且我们在应用中也没看到相关的使用代码。为了做更进一步的分析，我们通过jmap命令生成内存dump文件，并在运维的帮助下下载到本地，利用工具MAT对其进行分析。

图4

从概况下可以看到，大对象占用了大概2.4G的内存空间。然后我们对dominator_tree进行分析，可以定位到大对象是dubbo协议类RestProtocol的一个list。

图5

找到RestProtocol代码，我们可以定位到属性 List<ResteasyClient>clients，这个对象是一个 Collections.synchronizedList(newLinkedList<ResteasyClient>())。RestProtocol协议对象在生成远程服务invoker的时候会往这个list里面添加ResteasyClient对象，并且在它的生命周期结束之后才会把这个list清理掉。我们猜测由于某种原因导致这个RestProtocol对象不停的生成invoker，直至OOM。至此我们算是定位到OOM的地方，接下来将会探寻具体的泄漏原因。

三、内存泄漏分析

1. clients.add这块到底发生了什么？

我们在本地启动应用A，调试一下dubbo服务发现的过程，在RestProtocol的 clients.add(client)打上断点。

图6

从右下角的方框我们可以看到远程服务是应用B的interface xx.xx.service.ItemLockService，并且提供的是rest服务。我们继续调试往下走，结果在调用target.proxy方法的时候发生异常，导致生成rest invoker失败了。我们定位到异常的地方发现httpMethod为null。

图7

我们找到应用B的ItemLockService服务，查看它的源代码，发现它的注解写在实现类而不是接口上面，导致消费端无法共享相应的REST配置信息，比如httpMethod等。这样消费者在创建rest invoker建立连接的时候就会因为不知道httpMethod而失败。

图8

2.为什么消费者会去创建rest invoker？

到目前为止，我们知道消费者在创建rest invoker的时候，尝试和服务端建立rest连接，最后却失败了，并且导致rest invoker也没有创建成功，那么为什么消费者会去创建rest invoker呢？从上面图6的历史堆栈信息，我们发现ItemLockService服务的ReferenceConfig中的protocol为null，我们找到应用A消费端配置信息，发现itemLockService消费端没有配置protocol这个字段。从下面的图9可以看出，如果消费者配置protocol字段的话，会根据这个protocol对服务端提供的协议进行过滤。如果没有配置的话，会创建服务端提供的所有协议的invoker，ItemLockService服务端提供两种协议，即dubbo和rest，所以这个地方应用A的消费端会创建rest invoker。

图9

3.为什么会重复创建rest invoker？

到这里，我们知道ItemLockService的消费者因为没有配置protocol字段导致会去创建rest invoker，并且会创建失败，但是为什么会去重复创建rest invoker呢？接下来我们需要探寻一下创建rest invoker的时机。消费者一般在两个场景下会去rest invoker，一个是应用启动的时候消费者在订阅到注册中心的时候，会主动拉去服务注册地址；另一个场景是当服务注册地址，即invoker url发生变化之后，注册中心会将变化之后的invoker url通知给消费端，这个时候消费端会将新的invoker url转换成invokers，如果这个url没有创建成功过invoker，就会尝试重新创建invoker。而消费者每次在创建rest invoker的时候都会失败，这样就会导致下次收到服务端的消息通知的时候还会去创建invoker。

四、真相大白

在和商品中心沟通之后，我们了解到他们下午3点半左右重新发布了应用B，应用B的100台机器是依次上线的，至此我们可以还原整个事情发生的过程：

1. 应用A在调用应用B的ItemLockService服务时，它的消费端dubbo reference没有配置protocol，应用正常启动，但是它的rest invoker都创建失败了。
2. 应用B机器有100台，然后发布的时候这些机器依次启动，每启动一台就会导致注册中心上ItemLockService服务的注册地址都会发生变化，每次变化都会导致注册中心会通知一次消费者，这样注册中心会通知100次消费者。
3. 注册中心每次把变化之后的地址通知给消费者的时候，消费者这边会根据这个注册地址列表重新生成rest invoker，这个注册地址列表会包含当前在线的100台应用B的机器。由于之前所有的rest invoker都创建失败了，所以这次需要对这100个url生成rest invoker，这样每次注册中心通知一次消费者，消费者都要去创建100次invoker，并且都创建失败，这样下次会接着创建。
4. RestProtocol每次根据url创建rest invoker的时候，会生成ResteasyClient大对象，并且把这个对象放到列表里面去，这样应用B发布一次的话，就会创建100*100=10000个大对象，于是就导致了内存的溢出。 这也解释了为什么故障发生之后我们重启了应用A就临时解决了内存溢出的问题，但是一旦应用B重新发布的时候，应用A就会OOM。

五、思考

对开发人员来说，这个问题主要是由于使用方没有配置protocol字段所致，所以平时在写代码的时候尽量了解参数具体的含义，否则可能会出现一些意料之外的场景。 对dubbo框架而言，需要做好参数校验和防御性编程。在本次故障之后，我们中间件童鞋添加了如下代码：

图10

另外目前ResteasyClient对象由RestProtocol协议对象持有，只有当RestProtocol对象销毁的时候才会把restclient对象销毁掉，这样是否合适？对于那种没有创建成功invoker的场景是不是应该把其对应的ResteasyClient销毁掉会更合适一点，因此认为可以对代码做如下修改：

ResteasyClient client = newResteasyClientBuilder().httpEngine(engine).build();

client.register(RpcContextFilter.class);
for(String clazz : Constants.COMMA_SPLIT_PATTERN.split(url.getParameter(Constants.EXTENSION_KEY, ""))) {
if(!StringUtils.isEmpty(clazz)) {
try{
            client.register(Thread.currentThread().getContextClassLoader().loadClass(clazz.trim()));
} catch(ClassNotFoundException e) {
thrownewRpcException("Error loading JAX-RS extension class: "+ clazz.trim(), e);
}
}
}

// TODO protocol
ResteasyWebTarget target = client.target("http://"+ url.getHost() + ":"+ url.getPort() + "/"+ getContextPath(url));
try{
    T t=target.proxy(serviceType);
//invoker创建成功才会存储client
    clients.add(client);
return t;
}catch(Exception e){
    logger.warn("fail to create proxy,serviceType:{}",serviceType,e);
//invoker创建失败的话会把client也一起销毁掉
try{
if(null!=client){
            client.close();
}
} catch(Throwable t) {
        logger.warn("Error closing rest client", t);
}
throw e;
}

因此我们给apache dubbo提了个issue,从沟通的结果来看，也有其他的开发者碰到了这个问题，在pull request 4629里面他们详细记录了解决方案。他们首先用 Map<String,ResteasyClient>代替之前的 List<ResteasyClient>,key为url，这样可以保证同一个url只会创建一次ResteasyClient，接着为了进一步保证能够回收不用的ResteasyClient，他们又引入了WeakHashMap了，至此OOM的问题算是彻底解决了。