Java进程CPU占用高导致的网页请求超时的故障排查

临近月底，用户量上来，发现业务进程频繁从Eureka上掉下来，观察后发现掉下来前进程CPU一直占用比较高。排查得知服务器的Java进程CPU占用高导致的网页请求超时。随后进行了如下排查修复。

一、发现问题的系统检查：

一个管理平台门户网页进统计页面提示请求超时，随进服务器操作系统检查load average超过4负载很大，PID为7163的进程占用到了800%多。

二、定位故障

根据这种故障的一般处理思路，先找出问题进程内CPU占用率高的线程，再通过线程栈信息找出该线程当时在运行的问题代码段，操作如下：

２.1、根据思路查看高占用的“进程中”占用高的“线程”，追踪发现7163的进程中16298的线程占用较高，使用命令：

top -Hbp 7163 | awk '/java/ && $9>50'

显示结果：

2.2、将16298的线程ID转换为16进制的线程ID。

printf "%x\n" 16298
3faa

2.3、通过jvm的jstack查看进程信息，发现是调用数据库的问题。

jstack 7163 | grep "3faa" -A 30

显示结果： 2.4、既然是数据库的问题就检查数据库，思路是先打印了所有在跑的数据库线程，检查后发现跟进情况找到问题表：

2.4.1、打印mysql现有进程信息，并把信息生成log文件，使用的命令如下：

mysql -uroot -p -e "show full processlist" > mysql_full_process.log

2.4.2、过滤log文件,发现查询最多的表，使用的命令如下：

grep Query mysql_full_process.log

2.4.3、确认表中数据量，发现表中已经有将近300万条数据，判断问题是查询时间过长导致的，使用的命令如下：

use databases_name；
select count(1) from table_name；

2.4.4、确认表是否有索引,发现表未创建索引；

show create table table_name\G

三、确认及处理问题：

询问了研发表的数据是否重要，确认不重要，检查字段有时间字段，根据时间确认只留一个月的数据，操作如下：

3.1、清理数据只保留一个月的数据，清理后数据只剩下4000多，使用命令如下；

delete from table_name where xxxx_time '2019-07-01 00:00:00' or xxxx_time is null;

3.2、由于表未加索引，所以给表创建索引，使用命令如下：

alter table table_name add index (device_uuid);

3.3、检查索引是否创建，已经有device_uuid的索引。

show create table table_name;

四、结果：

处理后进程的CPU占用到了40%，本次排查主要用到了jvm进程查看及dump进程详细信息的操作，确认是由数据库问题导致的原因，并对数据库进行了清理并创建了索引。

五、其他：

在处理问题后，又查询了一下数据库相关问题的优化，有方案说在mysql配置文件中添加innodb_buffer_pool_size参数也可以优化查询查询时间，但该参数的意义把数据放到内存了，也就是说如果数据更新了，还会导致buffer失效，通常的优化方法还是添加索引。该方法添加参数具体如下：

innodb_buffer_pool_size=4G