技术的锅太多,到底该不该你背?

一大早就被微信群炸醒,开发短信服务的猿妹子,在公司微信群里说:

短信的生产环境服务器, CPU 占用率过高,疯狂报警,应该是你们昨天上线看门狗导致的(看门狗:守护短信服务的监控应用,后续有机会再进行分享)。

没错,昨天确实给短信服务装上了看门狗。但是看门狗服务肯定不会有问题(作为程序猿们,潜意识都坚信自己写的代码永无 Bug),主要因为测试环境都没有此现象。

难道是测试妹子没测试到位?难道线上短信应用自身出现了问题?

生产无小事,小事更不能忽视。迅速打开电脑,打开 VPN ,远程登上短信生产服务器,开始猿外的 2W1H 三板斧诊断之旅。

诊断的内容有点烧脑,请大家坐稳扶好。

1. 病号是谁(WHO)?

猿外拿出控制台诊断仪器,输入 top 命令一探究竟,我勒个去,不看不知道一看吓一跳,PID 为 1878 的病号,CPU 占用居然 200% 多。



PID 为 1878 的病号到底是谁,难道真是我昨天上线的看门狗 ?

虽然猿外久经职场,但是排查生产问题时,内心还是比较忐忑,毕竟生产无小事。说时迟,那时快,只见猿外一个命令输入 ps -ef | grep 1878
,定睛一看,原来是短信服务本尊在作祟,心里一下子平缓了不少。锅找到了属主,其实这个时候可以明确告诉短信猿妹子:是你们的短信服务导致的,这个锅,猿外不背。但是猿外最喜欢做的不是甩锅,而是打破砂锅刨到底。

2. 病号哪里出了问题(WHERE)?

为什么 1878 号病人占用 CPU 会这么高呢?

只见黑乎乎的控制台诊断仪器上,猿外熟练的输入 jstack -l 1878 >> 1878号病历.log ,于是便得到一份 1878 号病人的病历详情单。

到底 1878 号病人的哪个部位出了问题呢?

话没说完,只见猿外,又在控制台诊断仪器上,输入一个 top -Hp 1878 命令,白板黑字,把 1878 号病人的器官信息全部列了出来。



看到结果,甚是一惊,PID 代号为 8721 的器官占用 CPU 100% 多。疑惑油然而生,这个 PID 代号 为 8721
的器官是啥,是头、是眼睛、还是胳膊腿呢?这些器官展示的 PID 列都是昵称,都这么善于伪装,如何揭露它的真面目呢?

还好猿外有高招,借助照妖镜算法,熟练的输入 printf "%x\n" 8721 ,果真使得代号为 8721 的器官,现了真身,真实身份居然是 2211
的呼吸道,怪不得病号一直气喘吁吁,上气不接下气。

到这一步还无法对症下药啊,还需要进一步确诊 2211 的呼吸道到底出了什么幺蛾子,导致 1878 号病人一直气喘吁吁,上气不接下气?



只见黑乎乎的控制台诊断仪器上,猿外再次飞一般的在输入 grep 2211 -A20 1878号病历.log,诊断结果随之显示在诊断仪器上。



曾经背了很多锅的猿外,看到诊断结果心里乐了一下,一眼就看出是高并发情况下用了 HashMap
的问题(请猿友们自行寻找谷哥、度娘,就不在此深入展开啦),终于拨开云雾见青天。

3. 如何对症下药( HOW )?

在猿外行云流水没有一丝一毫的拖泥带水般的神操作下,1878
号病人的诊断也就结束了,这个锅就彻底被打破了。术业有专攻,猿外就可以郑重的告诉短信猿妹子具体原因,捉得病根,短信猿妹子也就可以对症下药啦。

猿外打破砂锅的方式你 get 到了没?猿外自己简单概括为 2W1H 三板斧:病号是谁、病号哪里出了问题、对症下药。

1、病号是谁?(WHO)

* 第一步:采用 top 命令,找出 CPU 占用最高的病号 PID ;
* 第二步:通过 ps -ef | grep PID 查看病号对应的真实身份。
2、病号哪里出了问题?(WHERE)

* 第一步:采用 jstack -l PID >> PID.log 获取病号的各器官信息的病历单;
* 第二步:采用 top -Hp PID 拿到占用 CPU 最高的器官昵称 PID ;
* 第三步:采用 printf "%x\n" PID 根据器官昵称 PID 的拿到器官真实身份 TID ;
* 第四步:采用 grep TID -A20 pid.log 根据 TID 去病历单中匹配,确定是哪出了问题。
3、捉得病根、便可拿出医药箱,对症下药啦。(HOW)

作为程序猿,工作中难免会遇到不少类似这样的问题,面对问题,你如果像无头苍蝇一样乱撞,撞得头破血流依然不知道缘由,在背锅即将成为现实时,那就不妨试试猿外的
2W1H 三板斧的诊断方式,说不定会帮你快速定位、解决线上问题,毕竟快速的解决生产问题会把损失降到最低。

最后,猿外想说的是:作为程序猿,一定要有程序猿的态度。避免背锅,拒绝甩锅,打破砂锅,从猿友们做起。