一、業務背景
目前移動端的使用場景中會用到大量的消息推送,push消息可以幫助運營人員更高效地實現運營目標(比如給用戶推送營銷活動或者提醒APP新功能)。
對於推送系統來說需要具備以下兩個特性:
-
消息秒級送到用戶,無延時,支持每秒百萬推送,單機百萬長連接。
-
支持通知、文本、自定義消息透傳等展現形式。正是由於以上原因,對於系統的開發和維護帶來了挑戰。下圖是推送系統的簡單描述(API->推送模塊->手機)。
二、問題背景
推送系統中長連接集羣在穩定性測試、壓力測試階運行一段時間後隨機會出現一個進程掛掉的情況,概率較小(頻率爲一個月左右發生一次),這會影響部分客戶端消息送到的時效。
推送系統中的長連接節點(Broker系統)是基於Netty開發,此節點維護了服務端和手機終端的長連接,線上問題出現後,添加Netty內存泄露監控參數進行問題排查,觀察多天但並未排查出問題。
由於長連接節點是Netty開發,爲便於讀者理解,下面簡單介紹一下Netty。
三、 Netty介紹
Netty是一個高性能、異步事件驅動的NIO框架,基於Java NIO提供的API實現。它提供了對TCP、UDP和文件傳輸的支持,作爲當前最流行的NIO框架,Netty在互聯網領域、大數據分佈式計算領域、遊戲行業、通信行業等獲得了廣泛的應用,HBase,Hadoop,Bees,Dubbo等開源組件也基於Netty的NIO框架構建。
四、問題分析
4.1 猜想
最初猜想是長連接數導致的,但經過排查日誌、分析代碼,發現並不是此原因造成。
長連接數:39萬,如下圖:
每個channel字節大小1456, 按40萬長連接計算,不致於產生內存過大現象。
4.2 查看GC日誌
查看GC日誌,發現進程掛掉之前頻繁full GC(頻率5分鐘一次),但內存並未降低,懷疑堆外內存泄露。
4.3 分析heap內存情況
ChannelOutboundBuffer對象佔將近5G內存,泄露原因基本可以確定:ChannelOutboundBuffer的entry數過多導致,查看ChannelOutboundBuffer的源碼可以分析出,是ChannelOutboundBuffer中的數據。
沒有寫出去,導致一直積壓;ChannelOutboundBuffer內部是一個鏈表結構。
4.4 從上圖分析數據未寫出去,爲什麼會出現這種情況?
代碼中實際有判斷連接是否可用的情況(Channel.isActive),並且會對超時的連接進行關閉。從歷史經驗來看,這種情況發生在連接半打開(客戶端異常關閉)的情況比較多---雙方不進行數據通信無問題。
按上述猜想,測試環境進行重現和測試。
1)模擬客戶端集羣,並與長連接服務器建立連接,設置客戶端節點的防火牆,模擬服務器與客戶端網絡異常的場景(即要模擬Channel.isActive調用成功,但數據實際發送不出去的情況)。
2)調小堆外內存,持續發送測試消息給之前的客戶端。消息大小(1K左右)。
3)按照128M內存來計算,實際上調用9W多次就會出現。
五、問題解決
5.1 啓用autoRead機制
當channel不可寫時,關閉autoRead;
public void channelReadComplete(ChannelHandlerContext ctx) throws Exception {
if (!ctx.channel().isWritable()) {
Channel channel = ctx.channel();
ChannelInfo channelInfo = ChannelManager.CHANNEL_CHANNELINFO.get(channel);
String clientId = "";
if (channelInfo != null) {
clientId = channelInfo.getClientId();
}
LOGGER.info("channel is unwritable, turn off autoread, clientId:{}", clientId);
channel.config().setAutoRead(false);
}
}
當數據可寫時開啓autoRead;
@Override
public void channelWritabilityChanged(ChannelHandlerContext ctx) throws Exception
{
Channel channel = ctx.channel();
ChannelInfo channelInfo = ChannelManager.CHANNEL_CHANNELINFO.get(channel);
String clientId = "";
if (channelInfo != null) {
clientId = channelInfo.getClientId();
}
if (channel.isWritable()) {
LOGGER.info("channel is writable again, turn on autoread, clientId:{}", clientId);
channel.config().setAutoRead(true);
}
}
說明:
autoRead的作用是更精確的速率控制,如果打開的時候Netty就會幫我們註冊讀事件。當註冊了讀事件後,如果網絡可讀,則Netty就會從channel讀取數據。那如果autoread關掉後,則Netty會不註冊讀事件。
這樣即使是對端發送數據過來了也不會觸發讀事件,從而也不會從channel讀取到數據。當recv_buffer滿時,也就不會再接收數據。
5.2 設置高低水位
serverBootstrap.option(ChannelOption.WRITE_BUFFER_WATER_MARK, new WriteBufferWaterMark(1024 * 1024, 8 * 1024 * 1024));
注:高低水位配合後面的isWritable使用
5.3 增加channel.isWritable()的判斷
channel是否可用除了校驗channel.isActive()還需要加上channel.isWrite()的判斷,isActive只是保證連接是否激活,而是否可寫由isWrite來決定。
private void writeBackMessage(ChannelHandlerContext ctx, MqttMessage message) {
Channel channel = ctx.channel();
//增加channel.isWritable()的判斷
if (channel.isActive() && channel.isWritable()) {
ChannelFuture cf = channel.writeAndFlush(message);
if (cf.isDone() && cf.cause() != null) {
LOGGER.error("channelWrite error!", cf.cause());
ctx.close();
}
}
}
注:isWritable可以來控制ChannelOutboundBuffer,不讓其無限制膨脹。其機制就是利用設置好的channel高低水位來進行判斷。
5.4 問題驗證
修改後再進行測試,發送到27W次也並不報錯;
六、解決思路分析
一般Netty數據處理流程如下:將讀取的數據交由業務線程處理,處理完成再發送出去(整個過程是異步的),Netty爲了提高網絡的吞吐量,在業務層與socket之間增加了一個ChannelOutboundBuffer。
在調用channel.write的時候,所有寫出的數據其實並沒有寫到socket,而是先寫到ChannelOutboundBuffer。當調用channel.flush的時候才真正的向socket寫出。因爲這中間有一個buffer,就存在速率匹配了,而且這個buffer還是無界的(鏈表),也就是你如果沒有控制channel.write的速度,會有大量的數據在這個buffer裏堆積,如果又碰到socket寫不出數據的時候(isActive此時判斷無效)或者寫得慢的情況。
很有可能的結果就是資源耗盡,而且如果ChannelOutboundBuffer存放的是DirectByteBuffer,這會讓問題更加難排查。
流程可抽象如下:
從上面的分析可以看出,步驟一寫太快(快到處理不過來)或者下游發送不出數據都會造成問題,這實際是一個速率匹配問題。
七、Netty源碼說明
超過高水位
當ChannelOutboundBuffer的容量超過高水位設定閾值後,isWritable()返回false,設置channel不可寫(setUnwritable),並且觸發fireChannelWritabilityChanged()。
private void incrementPendingOutboundBytes(long size, boolean invokeLater) {
if (size == 0) {
return;
}
long newWriteBufferSize = TOTAL_PENDING_SIZE_UPDATER.addAndGet(this, size);
if (newWriteBufferSize > channel.config().getWriteBufferHighWaterMark()) {
setUnwritable(invokeLater);
}
}
private void setUnwritable(boolean invokeLater) {
for (;;) {
final int oldValue = unwritable;
final int newValue = oldValue | 1;
if (UNWRITABLE_UPDATER.compareAndSet(this, oldValue, newValue)) {
if (oldValue == 0 && newValue != 0) {
fireChannelWritabilityChanged(invokeLater);
}
break;
}
}
}
低於低水位
當ChannelOutboundBuffer的容量低於低水位設定閾值後,isWritable()返回true,設置channel可寫,並且觸發fireChannelWritabilityChanged()。
private void decrementPendingOutboundBytes(long size, boolean invokeLater, boolean notifyWritability) {
if (size == 0) {
return;
}
long newWriteBufferSize = TOTAL_PENDING_SIZE_UPDATER.addAndGet(this, -size);
if (notifyWritability && newWriteBufferSize < channel.config().getWriteBufferLowWaterMark()) {
setWritable(invokeLater);
}
}
private void setWritable(boolean invokeLater) {
for (;;) {
final int oldValue = unwritable;
final int newValue = oldValue & ~1;
if (UNWRITABLE_UPDATER.compareAndSet(this, oldValue, newValue)) {
if (oldValue != 0 && newValue == 0) {
fireChannelWritabilityChanged(invokeLater);
}
break;
}
}
}
八、總結
當ChannelOutboundBuffer的容量超過高水位設定閾值後,isWritable()返回false,表明消息產生堆積,需要降低寫入速度。
當ChannelOutboundBuffer的容量低於低水位設定閾值後,isWritable()返回true,表明消息過少,需要提高寫入速度。通過以上三個步驟修改後,部署線上觀察半年未發生問題出現。
作者:vivo互聯網服務器團隊-Zhang Lin