频繁 FGC 的坑

问题重现

2020年新年伊始，排查一个线上GC问题。最直观的现象就是，1月2号线上一个Elasticsearch查询服务突然报警，几乎同时业务反馈某实时报表数据查询页面报错。同时看到后台日志java.lang.OutOfMemoryError: GCoverheadlimitexceeded,Eurake注册服务页面也已经没有检测到心跳，主动把此服务从注册中心列表服务剔除。情况紧急，此服务集群节点第一次出现这种情况，而且最近迭代没有进行版本更新，有点措手不及。当即采取的措施是优先保证业务使用，先恢复服务，将原本-Xms128m -Xmx512m的值调大到 -Xms1024m -Xmx1024m，重启服务恢复正常，后台日志正常，看似一切正常。

原因排查

业务使用一段时间后又开始报错，通过分析页面Network请求后端接口发现，接口相应出现了超时。有些ES的查询居然耗时高达49S,线程与线程之间出现了卡顿的情况，卡顿时间很多在15S左右。

猜想原因服务在生产运行半年以上ES有一定数据量级1.由于对ES做了大的聚会查询操作，是不是ES性能出现了问题，检查ES本身资源使用情况，和响应均正常？2.是否服务代码有资源未能及时释放。

措施

1.对ES关键查询做了日志打印，启动脚本添加了对GC日志的打印，命令如下：-XX:+PrintGCTimeStamps -XX:+PrintGCDateStamps -XX:+PrintGCDetails -Xloggc:/data/app/server/es-query-server/heapEs.log，调整了垃圾回收算法为并行执行-XX:ConcGCThreads 2.进一步扩大堆内存至 -Xms2048m -Xmx2048m。

3.将实时大报表查询做了临时下线处理，保留了两个轻量的列表查询。紧急发布服务，再次恢复正常。

问题定位与修复

第二天下午又出现报错问题，通过日志发现ES查询正常性能很好，排除ES相应导致的问题。那么问题就出现在自己服务代码本身的漏洞了，通过gcviewer分析了gc日志在某个时间段以后一直FGC,heap一直没有有效回收。之前的卡顿现象也可以解释了，fgc导致服务出现了Stop the world。

通过jmap -dump:live,file=dump_075.bin 133333命令获取

dump文件.JDK自带jvisualvm监控工具分析dump文件.

注意到dump文件最大的对象是一个char[]数组，而且里面都是请求对象，通过使用场景判断，不应该出现那么多对象，所以进一步推断是否出现了死循环，测试环境恢复了之前的实时数据查询的大列表，发现页面的查询列表出现时间数据无法展示的情况，进一步看后台日志，针对报错信息，定位到了一个日期计算夸年夸季度出现了条件不匹配导致死循环。

总结

性能问题的调优，往往很复杂，准确定位问题考验开发人员对底层熟悉程度，也考验对排查问题的工具的灵活运用。不经意的错误，特别容易忽略，多积累，研究底层原理，有助于排查复杂问题。