叮当乱响的小铃铛 发表于 2023-11-1 21:15:49

记一次 .NET 某工厂无人车调度系统 线程爆高分析

一:背景

1. 讲故事

前些天有位朋友找到我,说他程序中的线程数爆高,让我帮忙看下怎么回事,这种线程数爆高的情况找问题相对比较容易,就让朋友丢一个dump给我,看看便知。
二:为什么会爆高

1. 查看托管线程

别人说的话不一定是真,得自己拿数据出来说话,可以用!t 命令观察一下便知。
0:000> !t
ThreadCount:      4683
UnstartedThread:0
BackgroundThread: 4663
PendingThread:    0
DeadThread:       19
Hosted Runtime:   no
                                                                                                            Lock
DBG   ID   OSID ThreadOBJ         State GC Mode   GC Alloc Context                  Domain         Count Apt Exception
   0    1   cc44 00000268048778C0202a020 Preemptive0000000000000000:0000000000000000 00000268048c6d50 -00001 MTA
   ...
4670 4679   51bc 0000026D143F0420302b220 Preemptive0000000000000000:0000000000000000 00000268048c6d50 -00001 MTA (Threadpool Worker)
4671 4680   3a68 0000026D143F52E0302b220 Preemptive0000000000000000:0000000000000000 00000268048c6d50 -00001 MTA (Threadpool Worker)
4672 4681   337c 0000026D143F1140302b220 Preemptive0000026A88AAF5B8:0000026A88AB08D0 00000268048c6d50 -00001 MTA (Threadpool Worker)
4673 4682    188d4 0000026D143F0AB0302b220 Preemptive000002698881A760:000002698881C0B8 00000268048c6d50 -00001 MTA (Threadpool Worker)
4674 4683   4bcc 0000026D143EF700302b220 Preemptive0000026B889C4488:0000026B889C5E18 00000268048c6d50 -00001 MTA (Threadpool Worker) 从卦中信息看确实有 4600+ 的线程,说明确实存在问题,接下来用 ~*e !clrstack 观察每一个线程都在做什么,线程太多没法全部输出完毕,不过很容易的看到有大量的线程卡在 RoutingService.Push 上,截图如下:

接下来就是观察下这个 Push 方法的逻辑,发现卡死在 Result 上,整理后的代码大概如下:
private readonly SemaphoreSlim slim = new SemaphoreSlim(1, 1);

public void Push(string xxx, xxx xxx)
{
    int num = (xxx.Serial = GetSerial().Result);
}

private async Task<int> GetSerial()
{
    await slim.WaitAsync();
    try
    {
      Interlocked.Increment(ref serial);
    }
    finally
    {
      slim.Release();
    }
    return serial;
}上面的代码看起来挺奇葩的,为什么 GetSerial() 中不直接用 Interlocked.Increment() 呢?套一个 SemaphoreSlim 显得非常多余。
先不管多余不多余,既然 Result 得不到值,就说明这个异步方法得不到完成,那为什么得不到完成呢?
2. 为什么异步得不到完成

熟悉 SemaphoreSlim.WaitAsync() 的朋友应该知道,这里涉及不到异步IO,所以这个是假异步,本质上就是动态生成了一个串联的 Task,要想知道得不到完成的根本原因,还得要挖一挖此时的 slim 信号量情况。
0:000> !do 000002690664b5a0
Name:      System.Threading.SemaphoreSlim
MethodTable: 00007ff894e56fc0
EEClass:   00007ff894e3f230
Tracked Type: false
Size:      64(0x40) bytes
File:      D:\xxx\System.Private.CoreLib.dll
Fields:
            MT    Field   Offset               Type VT   Attr            Value Name
00007ff8948094b04000c2e       28         System.Int321 instance                0 m_currentCount
00007ff8948094b04000c2f       2c         System.Int321 instance                1 m_maxCount
00007ff8948094b04000c30       30         System.Int321 instance                0 m_waitCount
00007ff8948094b04000c31       34         System.Int321 instance                0 m_countOfWaitersPulsedToWake
00007ff8962871e04000c32      8 ...Private.CoreLib]]0 instance 000002690664b5e0 m_lockObjAndDisposed
00007ff894e555f04000c33       10 ....ManualResetEvent0 instance 0000000000000000 m_waitHandle
00007ff894e578704000c34       18 ...horeSlim+TaskNode0 instance 0000026b86919a30 m_asyncHead
00007ff894e578704000c35       20 ...horeSlim+TaskNode0 instance 0000026b889c4378 m_asyncTail
00007ff894a4a1f04000c36      888 ...Private.CoreLib]]0   static 00000268864f83a0 s_cancellationTokenCanceledEventHandler从卦中看当前的 m_currentCount=0,表明当前的信号量被消费完了,所以其他的线程都在等待就能很好理解,接下来的问题是那个从 1->0 的持有线程为什么不归还? 这个就比较难搞了,可以从如下两个思路思考:

[*]观察 Result
首先怀疑是不是 Result 引发的死锁,用 !eeversion 看了下是 asp.net core ,并没有所谓的同步上下文,所以这个问题不存在。
0:000> !eeversion
6.0.2023.32017 free
6,0,2023,32017 @Commit: a08d9ce2caf02455c0b825bcdc32974bdf769a80
Server mode with 8 gc heaps
SOS Version: 7.0.8.30602 retail build

[*]观察代码
因为 SemaphoreSlim 并不记录持有线程,windbg 在这里就起不到很好的效果,不过仔细阅读代码,发现应该将 await slim.WaitAsync(); 放到 try 中更合理一点,否则无法保证 WaitAsync 和 Release 一定是成双成对的,截图如下:

3. 什么时候开始阻塞的

仔细观察这个 GetSerial 方法,看看里面的 serial 值就知道大概是进行到哪一步才出的问题。
0:4674> !DumpObj /d 000002690664b258
Name:      xxx.RoutingService
MethodTable: 00007ff895283ed0
EEClass:   00007ff89526ae08
Tracked Type: false
Size:      112(0x70) bytes
File:      D:\xxx\xxx.dll
Fields:
            MT    Field   Offset               Type VT   Attr            Value Name
...
00007ff894e56fc04000214       48 ...ing.SemaphoreSlim0 instance 000002690664b5a0 slim
00007ff8948094b04000215       60         System.Int321 instance             9061 serial从卦中看已经自增到了 9061 ,然后因为某种原因导致wait 和 release 不匹配了,像这种情况线程池也会有大量的任务积压,可以用 !tp 观察下。
0:4674> !tp
logStart: 33
logSize: 200
CPU utilization: 22 %
Worker Thread: Total: 4652 Running: 4652 Idle: 0 MaxLimit: 32767 MinLimit: 8
Work Request in Queue: 0
--------------------------------------
Number of Timers: 1
--------------------------------------
Completion Port Thread:Total: 2 Free: 2 MaxFree: 16 CurrentLimit: 2 MaxLimit: 1000 MinLimit: 8细心的朋友会发现这里的 Work Request in Queue: 0 ,既然是 0 何来积压?其实这是 sos 的bug,我们需要自己到线程池队列中提取,从当前的线程栈上寻找 ThreadPoolWorkQueue 对象即可。
0:4674> !dso
OS Thread Id: 0x4bcc (4674)
000000EF384FF5C8 0000026b06544848 System.Threading.ThreadPoolWorkQueue

0:4674> !DumpObj /d 0000026b06544848
Name:      System.Threading.ThreadPoolWorkQueue
MethodTable: 00007ff894e59d80
EEClass:   00007ff894ee01d0
Tracked Type: false
Size:      168(0xa8) bytes
File:      D:\xxx\System.Private.CoreLib.dll
Fields:
            MT    Field   Offset               Type VT   Attr            Value Name
00007ff89476bf384000c61       18       System.Boolean1 instance                0 loggingEnabled
00007ff89476bf384000c62       19       System.Boolean1 instance                0 _dispatchTimeSensitiveWorkFirst
00007ff89637fc204000c63      8 ...Private.CoreLib]]0 instance 0000026b065448f0 workItems
00007ff89637fe004000c64       10 ...Private.CoreLib]]0 instance 0000026b06544930 timeSensitiveWorkQueue
00007ff894e59d104000c65       20 ...acheLineSeparated1 instance 0000026b06544868 _separated

0:4674> !ext dcq 0000026b065448f0
System.Collections.Concurrent.ConcurrentQueue<System.Object>
   1 - dumpobj 0x0000026806c782f8
...
119419 - dumpobj 0x000002690a097658
119420 - dumpobj 0x000002690a097810
119421 - dumpobj 0x000002690a0981a8
---------------------------------------------
119421 items从卦中可以看到大概有12w的积压。上面就是我的完整分析思路,最后就是告诉朋友最好的办法就是去掉多余累赘的 SemaphoreSlim ,直接用同步的方式执行 Interlocked.Increment(ref serial) 即可,简单粗暴。
三:总结

这次线程爆高的事故原因还是挺有意思的,用了一个双同步来获取 serial 值,感觉像是一种聪明反被聪明误,代码一定要简单粗暴,代码越少bug越少。

来源:https://www.cnblogs.com/huangxincheng/archive/2023/11/01/17802523.html
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作!
页: [1]
查看完整版本: 记一次 .NET 某工厂无人车调度系统 线程爆高分析