java中並發環境下HashMap引起的full gc排查

現象

最近上線一個需求，完成需求的過程對代碼進行了一次重構。應用發布後半個小時左右，發現一個機器警示，load過高。登陸機器看CPU使用方式，發現load已經正常，看下CPU使用方式，發現有一個核跑滿，其他CPU使用率很低。大概一個小時後，其他機器陸續警示，發現同樣的問題，緊急復原應用。

應用運行在16G記憶體的虛機上，整個JVM11G記憶體，其中新生代3G，CMS gc，JDK7。

第一反應是JVM可能在進行full gc，因為只有一個線程跑滿，其他線程被JVM暫停了。先去應用日誌看下應用運行情況，果然日誌已經沒有任何輸出。jstat -gcutil查看JVM記憶體使用量情況，發現Old區使用已經100%。

摘掉服務

考慮到full gc導致RT變得超長，去ateye摘掉應用註冊的HSF服務，但是操作失敗，整個JVM已經沒有響應。

保留現場

jmap -F -dump:format=b,file=atw.bin `jid`
把整個堆dump到本地，dump失敗，JVM已經僵死。

jmap -histo  `jid` > histo.log
保留histo記憶體快照成功;)

jstack `jid` > stack.log
JVM線程資訊儲存成功:)

現場儲存完畢，重啟應用。

初步分析
首先看下JVM線程棧資訊，看看下是否有應用線程阻賽，一般情況下，如果大量線程阻賽，每個線程都持有一定量的記憶體，很可能導致記憶體吃緊，而這些阻塞的線程又沒有處理完請求，佔用的heap空間不能被minor gc回收掉，導致產生full gc，

cat stack.log | grep atw | sort | uniq -c | sort -nr | head -10
結果如下(重新排版過)：

 177    at ...service.impl...searchInterProduct(AtwSearchServiceImpl.java:505)
 104    at ...service.impl..searchOneWay(AtwSearchServiceImpl.java:260)
  80    at ...service.impl.executor...execute(OneWayCommonAgentSearchExecutor.java:419)
  70    at ...service.impl.executor...handleFlights(AbstractSearchExecutor.java:689)
  47    at ...service.impl...searchOneWay(AtwSearchServiceImpl.java:257)
  31    at ...service.impl.executor...getFlightInfoAndStock(AbstractSearchExecutor.java:1073)
  30    at ...service.impl.executor...getFlightInfoAndStock(AbstractSearchExecutor.java:1087)
  22    at ...util.stlog.FarePolicyCounter.addFail(FarePolicyCounter.java:249)
  20    at ...service.impl.executor...execute(OneWayCommonAgentSearchExecutor.java:424)
  20    at ...service.impl.executor...getAllFares(AbstractSearchExecutor.java:892)
HSF線程開了200個，應用相關的正在啟動並執行線程最多的是com.taobao.trip.atw.service.impl.AtwSearchServiceImpl.searchInterProduct(AtwSearchServiceImpl.java:505)，一共177個，小於HSF線程數，屬於正常，其他線程數量也在正常範圍內。線程的鎖和其他資訊也未發現異常。

接下來看下histo.log:

num     #instances         #bytes  class name
----------------------------------------------
  1:        204258     4368429800  [B
  2:       6812683      926524888  com.taobao.trip.atw.domain.AtwInterFareDO
  3:      22639343      724458976  java.util.HashMap$Entry
  4:      22304135      538457776  [S
  5:      21614962      518759088  java.lang.Long
  6:      13867918      443773376  com.taobao.trip.atw.util.LongReferenceConcurrentHashMap$HashEntry
  7:       6812439      326997072  com.taobao.trip.atw.domain.AtwInterFareSegmentDO
  8:        421442      211696296  [J
  9:        557827      199825568  [Ljava.util.HashMap$Entry;
 10:       6812439      163498536  [Lcom.taobao.trip.atw.domain.AtwInterFareSegmentDO;
發現最大的記憶體對象是byte數組，204258個執行個體大約佔用4G堆空間(整個堆11G)，平均每個20k。

初步猜測可能本次上線代碼還有new byte[]的地方，即查看代碼，發現本次新增功能沒有這樣的代碼。而且整個應用的代碼也無可疑地方產生了byte數組。

繼續分析可能是依賴的二方或者三方jar包引起，重新申請分支，提發布單，查看發布包變化：

通過對比發現，本次發布涉及jar包變更很小，而且無三方包變更，只有內部包發生變化。對變化的包進行分析沒有找到new byte[]地方。

繼續分析histo.log，找到一台線上正常機器，產生histo，用故障機器資料減去正常值，得到差值如下(top 10)：

class	instances	bytes
[B	47404	4275481936
java.util.HashMap$Entry	19442009	622144288
java.lang.Long	19711584	473078016
[Ljava.util.HashMap$Entry;	239216	164734560
com.taobao.at.dal.common.dataobject.AtwMessage	359668	20141408
java.util.HashMap	215770	10356960
java.util.concurrent.LinkedBlockingQueue$Node	421036	10104864
com.taobao.trip.atw.metaq.service.common.LocalMessageReactor$1	359769	8634456
com.alibaba.rocketmq.common.message.MessageExt	65151	6775704

除了byte[] 外，java.util.HashMap$Entry比正常機器多2kw，查看代碼也沒有明顯證據能解釋HashMap和byte[]同時增大的情境。

至此，分析思路阻塞，需要找到新的線索。

通過GC日誌找到新線索
通過上面的分析，已經找到現象：應用出現了full gc，而且伴隨大量byte[]和java.util.HashMap$Entry不能回收。

然而，full gc最直接的產物gc.log還沒有被挖掘。根據full gc時間點，發現新線索(重新排版過):)

==WARNNING==  allocating large array--thread_id[0x00007f71211b0800]--thread_name[owc--425027705]--array_size[2132509912 bytes]--array_length[2132509891 elememts]
prio=10 tid=0x00007f71211b0800 nid=0x3f43e runnable
    at com.alibaba.dubbo.common.io.Bytes.copyOf(Bytes.java:59)
    at com.alibaba.dubbo.common.io...write(UnsafeByteArrayOutputStream.java:64)
    at com.taobao.hsf.com.caucho.hessian.io...flushBuffer(Hessian2Output.java:1553)
    at com.taobao.hsf.com.caucho.hessian.io...printString(Hessian2Output.java:1466)
    at com.taobao.hsf.com.caucho.hessian.io...writeString(Hessian2Output.java:987)
    at com.taobao.hsf.com.caucho.hessian.io...writeObject(BasicSerializer.java:149)
    at com.taobao.hsf.com.caucho.hessian.io...writeObject(Hessian2Output.java:421)
    at com.taobao.hsf.com.caucho.hessian.io...writeObject(MapSerializer.java:99)
    at com.taobao.hsf.com.caucho.hessian.io...writeObject(Hessian2Output.java:421)
    at com.taobao.hsf.com.caucho.hessian.io...serialize(UnsafeSerializer.java:293)
    at com.taobao.hsf.com.caucho.hessian.io...writeInstance(UnsafeSerializer.java:212)
    at com.taobao.hsf.com.caucho.hessian.io...writeObject(UnsafeSerializer.java:171)
    at com.taobao.hsf.com.caucho.hessian.io.H..writeObject(Hessian2Output.java:421)
    at com.taobao.hsf.remoting.serialize...encode(Hessian2Encoder.java:23)
    at com.taobao.hsf.remoting.server.output...writeHSFResponse(RpcOutput.java:47)
    at com.taobao.hsf.remoting.provider...handleRequest(ProviderProcessor.java:202)
    at com.taobao.hsf.remoting.server...handleRequest(RPCServerHandler.java:47)
    at com.taobao.hsf.remoting.server..r.handleRequest(RPCServerHandler.java:25)
    ...
阿里定製的JVM增加了許多自己的新特性，其中一個就是在full gc不能回收的情況下，會把當前分配最大記憶體的線程資訊和分配的記憶體資訊列印出來！

==WARNNING== allocating large array–thread_id[0x00007f71211b0800]–thread_name[owc–425027705]–array_size[2132509912 bytes]–array_length[2132509891 elememts]

線程owc--425027705，這是一個應用自己處理HSF請求的線程，它在分配一個巨大的資料群組！通過gc日誌的堆棧資訊發現當前這個線程正在處理byte[]的拷貝：

at com.alibaba.dubbo.common.io.Bytes.copyOf(Bytes.java:59)

這個拷貝過程一般是，應用處理好HSF請求後，把處理結果序列化成byte[]，然後通過網路傳輸到調用機器上。

至此找到了byte[]產生的原因，還有java.util.HashMap$Entry未解決。

根據線程名字owc--425027705去JVM的線程日誌尋找資訊，發現owc--425027705是處理請求的主線程，下面有四個子線程都在處理這樣的堆棧：

"owc--425027705-344" daemon prio=10 tid=0x00007f710278f800 nid=0x3f414 runnable [0x0000000051906000]
   java.lang.Thread.State: RUNNABLE
    at java.util.HashMap.getEntry(HashMap.java:469)
    at java.util.HashMap.get(HashMap.java:421)
    at com.taobao.trip.atw.result.impl.DefaultPriceMergerOW.processHeightQuality(DefaultPriceMergerOW.java:327)
    at com.taobao.trip.atw.result.impl.DefaultPriceMergerOW.extendedProductProcess(DefaultPriceMergerOW.java:179)
    at com.taobao.trip.atw.result.impl.DefaultPriceMergerOW.mergeOneWay(DefaultPriceMergerOW.java:137)
    at com.taobao.trip.atw.result.PriceMergerProxy.mergeOneWay(PriceMergerProxy.java:184)
    ...
子線程都在從HashMap中get資料！由於之前遇到過HashMap多線程操作導致成環形資料結構，繼而get操作成死迴圈的教訓，這裡斷定是HashMap問題！

HashMap多線程下成死迴圈原因

簡短的說，多線程下對HashMap的put操作，會導致內部的Entry鏈表形成環形資料結構。
首先，put操作會檢查容量是否充足，如果不足，會resize內部數組。

void addEntry(int hash, K key, V value, int bucketIndex) {
    if ((size >= threshold) && (null != table[bucketIndex])) {
        resize(2 * table.length);
        hash = (null != key) ? hash(key) : 0;
        bucketIndex = indexFor(hash, table.length);
    }

    createEntry(hash, key, value, bucketIndex);
}
問題就在於resize內部會遍曆Entry的鏈表：

void addEntry(int hash, K key, V value, int bucketIndex) {
    if ((size >= threshold) && (null != table[bucketIndex])) {
        resize(2 * table.length);
        hash = (null != key) ? hash(key) : 0;
        bucketIndex = indexFor(hash, table.length);
    }

    createEntry(hash, key, value, bucketIndex);
}
這樣的代碼在多線程情況下，會出現環。

對於成環的Map，get遍曆Entry鏈表時會導致死迴圈：

final Entry<K,V> getEntry(Object key) {
    if (size == 0) {
        return null;
    }

    int hash = (key == null) ? 0 : hash(key);
    for (Entry<K,V> e = table[indexFor(hash, table.length)];
         e != null;
         e = e.next) {
        Object k;
        if (e.hash == hash &&
            ((k = e.key) == key || (key != null && key.equals(k))))
            return e;
    }
    return null;
}       
為什麼會出現多個線程同時操作一個HashMap？

處理邏輯

主線程收到請求後，會分配4個子線程去計算結果，然後由主線程去完成對結果的合并。如果子線程處理失敗或者逾時，那麼這個子線程的結果會被丟棄，不會被合并。

從日誌上看，4個子線程的處理都已經逾時，但是由於HashMap並行作業造成死迴圈，4個子線程仍然在運行，主線程丟棄了子線程的結果，那數量量應該非常小才對，為何會產生如此大的byte[]？

追根溯源，從主線程分配任務找到了端倪。4個子線程處理計算的結果對象都是從主線程拷貝過來的：

BeanUtils.copyProperties(main, rsp);
這次修改在結果對象上增加了一個HashMap：

    private Map<Long,Map<ItemGroupType,ItemDO>> agentItemGroup;
   
    public Map<Long, Map<ItemGroupType, ItemDO>> getAgentItemGroup() {
        if (agentItemGroup == null) {
            agentItemGroup = new HashMap<Long, Map<ItemGroupType, ItemDO>>();
        }
        return agentItemGroup;
    }

    public void setAgentItemGroup(Map<Long, Map<ItemGroupType, ItemDO>> agentItemGroup) {
        this.agentItemGroup = agentItemGroup;
    }
agentItemGroup的get方法會判斷是否null，如果是的話，會產生一個新的map。

在org.springframework.beans.BeanUtils#copyProperties(java.lang.Object, java.lang.Object)方法中，對象屬性的賦值會調用get/set方法，(參考：org.springframework.beans.BeanUtils#copyProperties(java.lang.Object, java.lang.Object, java.lang.Class, java.lang.String[]))這樣就導致4個子線程用的map跟主線程是同一個map，而且就運算元線程的結果被放棄了，主線程的map已經被搞壞。

com.taobao.hsf.com.caucho.hessian.io.MapSerializer.writeObject(MapSerializer.java:99)

HSF在對Map的序列化時候，對遍曆Map，進行序列化：

    public void writeObject(Object obj, AbstractHessianOutput out) throws IOException {
        if(!out.addRef(obj)) {
            Map map = (Map)obj;
            Class cl = obj.getClass();
            if(!cl.equals(HashMap.class) && this._isSendJavaType && obj instanceof Serializable) {
                out.writeMapBegin(obj.getClass().getName());
            } else {
                out.writeMapBegin((String)null);
            }

            Iterator iter = map.entrySet().iterator();

            while(iter.hasNext()) {
                Entry entry = (Entry)iter.next();
                out.writeObject(entry.getKey());
                out.writeObject(entry.getValue());
            }

            out.writeMapEnd();
        }
    }
由於主線程的map已經成環形資料結構，遍曆的迭代器會死迴圈執行。

至此，full gc現象全部排查完畢，解決方案，一行代碼到搞定：

BeanUtils.copyProperties(main, rsp);
rsp.setAgentItemGroup(new HashMap<Long, Map<ItemGroupType, ItemDO>>());
總結
並發環境下被HashMap坑不止一次，很多時候，寫代碼沒有考慮並發情境，熟知寫的代碼已經是在並發環境運行了。這樣就釀成大錯，其實後來想想，HashMap也可以做一下改進，get中如果迴圈超過size次了，拋出個異常，也不會導致死迴圈和full gc了