线上服务负载异常排查

前言

除了解决业务Bug之外，工作中通常我们还会面临两类问题：

• 线上服务负载异常，比如CPU负载异常飙高
• 线上服务内存持续增长，存在泄漏

一般我们会通过各种监控、报警系统，发现和定位问题，关于如何搭建服务监控可以参考之前的文章《Go服务监控搭建入门》。但是呢，一些特殊情况，比如创业初期或者拥有大量技术债的系统，监控可能不够完善。所以今天就来看看这种情况下，如何定位服务负载异常的原因。

首先关于「负载异常」的问题，大都肯定都知道使用top或者htop等命令定位到某个进程或线程，好，问题来了：

如何定位到是哪个具体的函数导致的服务负载异常呢？

介绍一个利器perf

本文使用docker来演示perf的用法，可以直接使用我编排好的docker compose工程(一个模拟http服务调用grpc服务的演示项目) https://github.com/TIGERB/easy-tips/blob/master/docker/go/docker-compose.yaml

启动服务

// -d daemon守护模式
docker-compose up -d

进入容器

docker exec -it http-demo sh

安装perf

// 因为我这里使用的alpine，所以用apk安装，centos安装方式 yum install perf
apk add --update perf

模拟请求

siege -c 3 -t 30S "http://localhost:6060/v1/demo"

采样进程(当前目录会生成一个perf.data文件)

perf record -F 99 -p 6 -g sleep 10
释义：
-F 频率 每秒采样多少次
-p 进程 进程id
-g 记录调用栈
sleep 采样多少秒

分析CPU采样结果

perf report -n --stdio

除此之外，查看实时top函数

perf top -p 6

生成火焰图

如果上述的堆栈信息等还满足不了你，我们还可以基于采样过程生成的perf.data文件生成火焰图:

1. 使用perf script命令转换上一步得到的perf.data文件，为下面使用火焰图工具生成火焰图做准备：

perf script -i yourpath/perf.data &> yourpath/perf.script

1. 获取火焰图工具：

git clone git@github.com:brendangregg/FlameGraph.git && cd ./FlameGraph

1. 使用火焰图工具FlameGraph下的工具stackcollapse-perf.pl进一步处理perf.script文件：

./stackcollapse-perf.pl yourpath/perf.script &> yourpath/perf.stackcollapse

1. 生成最终的火焰图：

./flamegraph.pl yourpath/perf.stackcollapse > yourpath/perf.svg

关于我的常用画图软件：

1. Balsamiq Mockups 3
2. Processon