一：背景
1. 讲故事
上个月有个老朋友找到我，说他的站点晚高峰 CPU 会突然爆高，发了两份 dump 文件过来，如下图：
又是经典的 CPU 爆高问题，到目前为止，对这种我还是有一些经验可循的。
- 抓 2-3 个 dump
第一个：有利于算两份 dump 中的线程时间差，从而推算最耗时线程。
第二个：有时候你抓的dump刚好线程都处理完了，cpu 还未真实回落，所以分析这种dump意义不大，我是吃了不少亏??????。
- 优先推测是否为 GC 捣鬼
现在的码农都精怪精怪的，基本不会傻傻的写出个死循环，绝大部分都是遇到某种 资源密集型 或 计算密集型 场景下导致非托管的 GC 出了问题。
好了，有了这个先入为主的思路，接下来就可以用 windbg 去占卜了。
二：windbg 分析
1. GC 捣鬼分析
GC 捣鬼的本质是 GC 出现了回收压力，尤其是对 大对象堆 的分配和释放，大家应该知道 大对象堆 采用的是链式管理法，不到万不得已 GC 都不敢回收它，所以在它上面的分配和释放都是一种 CPU密集型 操作，不信你可以去 StackOverflow 上搜搜 LOH 和 HighCPU 的关联关系??????。
2. 使用 x 命令搜索
在 windbg 中有一个快捷命令 x ，可用于在非托管堆上检索指定关键词，检索之前先看看这个 dump 是什么 Framework 版本，决定用什么关键词。
- 0:050> lmv
- start end module name
- 00b80000 00b88000 w3wp (pdb symbols) c:\mysymbols\w3wp.pdb\0CED8B2D5CB84AEB91307A0CE6BF528A1\w3wp.pdb
- Loaded symbol image file: w3wp.exe
- Image path: C:\Windows\SysWOW64\inetsrv\w3wp.exe
- Image name: w3wp.exe
- 71510000 71cc0000 clr (pdb symbols) c:\mysymbols\clr.pdb\9B2B2A02EC2D43899F87AC20F11B82DF2\clr.pdb
- Loaded symbol image file: clr.dll
- Image path: C:\Windows\Microsoft.NET\Framework\v4.0.30319\clr.dll
- Image name: clr.dll
- Browse all global symbols functions data
- Timestamp: Thu Sep 3 03:30:58 2020 (5F4FF2F2)
- CheckSum: 007AC92B
- ImageSize: 007B0000
- File version: 4.8.4261.0
- Product version: 4.0.30319.0
从 File version 上可以看出当前是基于 Net Framework 4.8 的，好了，用 x clr!SVR::gc_heap::trigger* 看看有没有触发 gc 的操作。
- 0:050> x clr!SVR::gc_heap::trigger*
- 71930401 clr!SVR::gc_heap::trigger_ephemeral_gc (protected: int __thiscall SVR::gc_heap::trigger_ephemeral_gc(enum gc_reason))
- 71665cf9 clr!SVR::gc_heap::trigger_gc_for_alloc (protected: void __thiscall SVR::gc_heap::trigger_gc_for_alloc(int,enum gc_reason,struct SVR::GCDebugSpinLock *,bool,enum SVR::msl_take_state))
- 71930a08 clr!SVR::gc_heap::trigger_full_compact_gc (protected: int __thiscall SVR::gc_heap::trigger_full_compact_gc(enum gc_reason,enum oom_reason *,bool))
从输出信息看，gc 果然在高速运转，开心哈，接下来看一下是哪一个线程触发了gc，可以用 !eestack 把所有线程的托管和非托管堆栈打出来。
从图中可以看到当前 50 号线程的 GetUserLoginGameMapIds() 方法进行的大对象分配 try_allocate_more_space 触发了 clr!SVR::gc_heap::trigger_gc_for_alloc GC回收操作，最后 GC 通过 clr!SVR::GCHeap::GarbageCollectGeneration 进行回收，既然在回收，必然有很多线程正在卡死。
接下来再看看有几个线程正在共同努力调用 GetUserLoginGameMapIds() 方法。
到这里基本就能确定是 gc 捣的鬼。接下来的兴趣点就是 GetUserLoginGameMapIds() 到底在干嘛?
3. 分析 GetUserLoginGameMapIds() 方法
接下来把方法的源码导出来，使用 !name2ee 找到其所属 module，然后通过 !savemodule 导出该 module 的源码。
- 0:050> !name2ee *!xxx.GetUserLoginGameMapIds
- Module: 1c870580
- Assembly: xxx.dll
- Token: 0600000b
- MethodDesc: 1c877504
- Name: xxx.GetUserLoginGameMapIds(xxx.GetUserLoginGameMapIdsDomainInput)
- JITTED Code Address: 1d5a2030
- 0:050> !savemodule 1c870580 E:\dumps\6.dll
- 3 sections in file
- section 0 - VA=2000, VASize=112b8, FileAddr=200, FileSize=11400
- section 1 - VA=14000, VASize=3c8, FileAddr=11600, FileSize=400
- section 2 - VA=16000, VASize=c, FileAddr=11a00, FileSize=200
打开导出的 6.dll，为了最大保护隐私，我就把字段名隐藏一下， GetUserLoginGameMapIds() 大体逻辑如下。
- public GetUserLoginGameMapIdsDomainOutput GetUserLoginGameMapIds(GetUserLoginGameMapIdsDomainInput input)
- {
- List<int> xxxQueryable = this._xxxRepository.Getxxx();
- List<UserLoginGameEntity> list = this._userLoginGameRepository.Where((UserLoginGameEntity u) => u.xxx == input.xxx, null, "").ToList<UserLoginGameEntity>();
- List<int> userLoginGameMapIds = (from u in list select u.xxx).ToList<int>();
- IEnumerable<GetUserLoginGameMapIdsDomainOutput.GetUserLoginGameMapIdsDataDomainOutput> source = (from mc in (from mc in this._mapCategoryRepository.AsQueryable().ToList<MapCategoryEntity>()
- where userLoginGameMapIds.Any((int mid) => mid == mc.xxx) && mapIdsQueryable.Any((int xxx) => xxx == mc.xxx)
- select mc).ToList<MapCategoryEntity>()
- join u in list on mc.xxx equals u.xxx
- select new GetUserLoginGameMapIdsDomainOutput.GetUserLoginGameMapIdsDataDomainOutput
- {
- xxx = mc.xxx,
- xxx = ((u != null) ? new DateTime?(u.xxx) : null).GetValueOrDefault(DateTime.Now)
- } into d
- group d by d.MapId).Select(delegate(IGrouping<int, GetUserLoginGameMapIdsDomainOutput.GetUserLoginGameMapIdsDataDomainOutput> g)
- {
- GetUserLoginGameMapIdsDomainOutput.GetUserLoginGameMapIdsDataDomainOutput getUserLoginGameMapIdsDataDomainOutput = new GetUserLoginGameMapIdsDomainOutput.GetUserLoginGameMapIdsDataDomainOutput();
- getUserLoginGameMapIdsDataDomainOutput.xxx = g.Key;
- getUserLoginGameMapIdsDataDomainOutput.xxx = g.Max((GetUserLoginGameMapIdsDomainOutput.GetUserLoginGameMapIdsDataDomainOutput v) => v.xxxx);
- return getUserLoginGameMapIdsDataDomainOutput;
- });
- return new GetUserLoginGameMapIdsDomainOutput
- {
- Data = source.ToList<GetUserLoginGameMapIdsDomainOutput.GetUserLoginGameMapIdsDataDomainOutput>()
- };
- }
看的出来，这是一段EF读取DB的复杂写法，朋友说这段代码涉及到了多张表的关联操作，算是一个 资源密集型 的方法。
4. 到底持有什么大对象?
方法逻辑看完了，接下来看下 GetUserLoginGameMapIds() 方法到底分配了什么大对象触发了GC，可以探究下 50 线程的调用栈，使用 !clrstack -a 调出所有的 参数 + 局部 变量。
- 0:050> !clrstack -a
- OS Thread Id: 0x11a0 (50)
- Child SP IP Call Site
- 2501d350 7743c0bc [HelperMethodFrame: 2501d350]
- 2501d3dc 704fbab5 System.Collections.Generic.List`1[[System.__Canon, mscorlib]].set_Capacity(Int32)
- PARAMETERS:
- this (<CLR reg>) = 0x08053f6c
- value = <no data>
- LOCALS:
- <no data>
- 2501d3ec 704fba62 System.Collections.Generic.List`1[[System.__Canon, mscorlib]].EnsureCapacity(Int32)
- PARAMETERS:
- this = <no data>
- min = <no data>
- LOCALS:
- <no data>
- 2501d3f8 70516799 System.Collections.Generic.List`1[[System.__Canon, mscorlib]].Add(System.__Canon)
- PARAMETERS:
- this (<CLR reg>) = 0x08053f6c
- item (<CLR reg>) = 0x2d7b07bc
- LOCALS:
- <no data>
从调用栈上看，由于 EF 的读取逻辑需要向 List 中添加一条记录刚好触发了List的扩容机制，就是因为这个扩容导致了GC大对象分配。
那怎么看呢? 很简单，先把 this (
- 0:050> !do 0x08053f6c
- Name: System.Collections.Generic.List`1[[xxx.MapCategoryEntity, xxx.Entities]]
- MethodTable: 1e81eed0
- EEClass: 70219c7c
- Size: 24(0x18) bytes
- File: C:\Windows\Microsoft.Net\assembly\GAC_32\mscorlib\v4.0_4.0.0.0__b77a5c561934e089\mscorlib.dll
- Fields:
- MT Field Offset Type VT Attr Value Name
- 701546bc 40018a0 4 System.__Canon[] 0 instance 168792c0 _items
- 701142a8 40018a1 c System.Int32 1 instance 32768 _size
- 701142a8 40018a2 10 System.Int32 1 instance 32768 _version
- 70112734 40018a3 8 System.Object 0 instance 00000000 _syncRoot
- 701546bc 40018a4 4 System.__Canon[] 0 static <no information>
上面的 _size = 32768 看到了吗?刚好是 2的15次方，由于再次新增必须要扩容，List 在底层需分配一个 System.__Canon[65536] 的数组来存储老内容，这个数组肯定大于 85000byte 这个大对象的界定值啦。
如果有兴趣，你可以看下 List 的扩容机制。
- // System.Collections.Generic.List<T>
- private void EnsureCapacity(int min)
- {
- if (_items.Length < min)
- {
- int num = (_items.Length == 0) ? 4 : (_items.Length * 2);
- if ((uint)num > 2146435071u)
- {
- num = 2146435071;
- }
- if (num < min)
- {
- num = min;
- }
- Capacity = num;
- }
- }
- public int Capacity
- {
- get
- {
- return _items.Length;
- }
- set
- {
- if (value < _size)
- {
- ThrowHelper.ThrowArgumentOutOfRangeException(ExceptionArgument.value, ExceptionResource.ArgumentOutOfRange_SmallCapacity);
- }
- if (value == _items.Length)
- {
- return;
- }
- if (value > 0)
- {
- T[] array = new T[value]; //这里申请了一个 int[65536] 大小的数组
- if (_size > 0)
- {
- Array.Copy(_items, 0, array, 0, _size);
- }
- _items = array;
- }
- else
- {
- _items = _emptyArray;
- }
- }
- }
三：总结
知道了前因后果之后，大概提三点优化建议。
优化 GetUserLoginGameMapIds() 方法中的逻辑，这是最好的办法。
从 dump 上看也就 4核4G 的小机器，提升下机器配置，或许有点用。
- 0:017> !cpuid
- CP F/M/S Manufacturer MHz
- 0 6,63,2 GenuineIntel 2295
- 1 6,63,2 GenuineIntel 2295
- 2 6,63,2 GenuineIntel 2295
- 3 6,63,2 GenuineIntel 2295
- 0:017> !address -summary
- --- Protect Summary (for commit) - RgnCount ----------- Total Size -------- %ofBusy %ofTotal
- PAGE_READWRITE 878 1eccd000 ( 492.801 MB) 29.61% 12.03%
没有特殊原因的话，用 64bit 来跑程序，打破 32bit 的 4G 空间限制，这样也可以让gc拥有更大的堆分配空间。
参考网址：https://docs.microsoft.com/zh-cn/dotnet/standard/garbage-collection/fundamentals
