记一次 .NET 某上市工业智造 CPU+内存+挂死三高分析

一：背景

1. 讲故事

上个月有位朋友加wx告知他的程序有挂死现象，询问如何进一步分析，截图如下：

看这位朋友还是有一定的分析基础，可能玩的少，缺乏一定的分析经验，当我简单分析之后，我发现这个dump挺有意思的， CPU，内存，挂死 三样全占，程序悲惨莫过于此。。。

既然找到我，我得想办法化解他的痛苦😄😄😄，由易到难我们逐一分析这三样都是因为什么原因所致？

二：三高分析

1. 挂死原因

根据 40+ 的dump分析经验，挂死大多是由于某种情况导致线程卡死，导致后续请求堆积在 threadpool 中，要想验证，可以使用 !tp 命令查看线程池队列。


0:000> !tp
CPU utilization: 81%
Worker Thread: Total: 65 Running: 65 Idle: 0 MaxLimit: 32767 MinLimit: 64
Work Request in Queue: 2831
    Unknown Function: 00007ffffcba1750  Context: 0000022ab04d4a58
    Unknown Function: 00007ffffcba1750  Context: 0000022ab03e4ce8
    ...
    Unknown Function: 00007ffffcba1750  Context: 0000022ab825ec88
    Unknown Function: 00007ffffcba1750  Context: 0000022ab825a458
    Unknown Function: 00007ffffcba1750  Context: 0000022ab8266500
    Unknown Function: 00007ffffcba1750  Context: 0000022ab8268198
    Unknown Function: 00007ffffcba1750  Context: 0000022ab826cb00
    Unknown Function: 00007ffffcba1750  Context: 0000022ab8281578
--------------------------------------
Number of Timers: 0
--------------------------------------
Completion Port Thread:Total: 2 Free: 2 MaxFree: 128 CurrentLimit: 2 MaxLimit: 32767 MinLimit: 64

可以很明显的看到线程池队列有 2831 个任务堆积，这就导致新进来的请求无法得到处理，所以就出现了挂死现象，接下来就来看看这些线程都干嘛去了，为啥效率那么低，可以用 ~*e !clrstack 调出所有线程栈，截图如下：

扫了一遍后，发现有很多的 System.Net.HttpWebRequest.GetResponse() 方法，有经验的朋友应该知道，这又是一个经典的同步http请求过慢导致的程序处理不及的挂死，有些朋友可能好奇，能不能把网址给我扒出来，可以是可以，用 !dso 命令即可。


000000D2FBD3B840 0000023269e85698 System.Text.UTF8Encoding
000000D2FBD3B850 00000236e9dd2cb8 System.String    application/x-www-form-urlencoded
000000D2FBD3B870 0000023269e85698 System.Text.UTF8Encoding
000000D2FBD3B9A8 00000231aa221a38 System.String    uSyncAppxxx
000000D2FBD3B9B8 00000231aa201a70 System.String    VToken={0}&Vorigin={1}&QueryJson={2}
000000D2FBD3B9C0 00000231aa202200 System.String    http://xxx.xxx.com/API/xxx/BusinessCardFolder/Connector/xxx/GetPageList

我去，这url还是一个外网地址，🐂👃了，本身同步方式就慢，这地址更是雪上加霜哈。。。难怪不卡死😄

2. cpu爆高分析

从上面的 !tp 输出中也看出来了，当前 cpu = 81% ，那为什么会这么高呢？根据经验大概就是 lock锁，GC触发，死循环等情况，可以用排除法。

是 lock 锁吗？

可以用命令 !syncblk 看一下同步块表。


0:000> !syncblk
Index SyncBlock MonitorHeld Recursion Owning Thread Info  SyncBlock Owner
  212 0000023ef3cdd028            3         1 0000023ef40efa40 8d70 209   000002396ad93788 System.Object
-----------------------------
Total           297
CCW             3
RCW             4
ComClassFactory 0
Free            139

从输出看，lock 锁没什么问题，接下来用 !mlocks 命令查看下其他类型的锁，看看有没有什么新发现。


0:000> !mlocks
Examining SyncBlocks...
Scanning for ReaderWriterLock(Slim) instances...
Scanning for holders of ReaderWriterLock locks...
Scanning for holders of ReaderWriterLockSlim locks...
Examining CriticalSections...

ClrThread  DbgThread  OsThread    LockType    Lock              LockLevel
------------------------------------------------------------------------------
...
0x49       209        0x8d70      thinlock    000002396ad9ba90  (recursion:0)
0x49       209        0x8d70      thinlock    000002396ad9baa8  (recursion:0)
0x49       209        0x8d70      thinlock    000002396ad9bac0  (recursion:0)
0x49       209        0x8d70      thinlock    000002396ad9bad8  (recursion:0)
0x49       209        0x8d70      thinlock    000002396ad9baf0  (recursion:0)
0x49       209        0x8d70      thinlock    000002396ad9bb08  (recursion:0)
0x49       209        0x8d70      thinlock    000002396ad9bb20  (recursion:0)
0x49       209        0x8d70      thinlock    000002396ad9bb38  (recursion:0)
0x49       209        0x8d70      thinlock    000002396ad9bb50  (recursion:0)
0x49       209        0x8d70      thinlock    000002396ad9bb68  (recursion:0)
0x49       209        0x8d70      thinlock    000002396ad9bb80  (recursion:0)
0xe        152        0x8e68      thinlock    0000023669f7e428  (recursion:0)
0x41       208        0x8fb4      thinlock    00000235e9f6e8d0  (recursion:0)
0x17       161        0x9044      thinlock    00000238ea94db68  (recursion:0)
0x16       159        0x911c      thinlock    000002392a03ed40  (recursion:0)
0x47       206        0x9264      thinlock    000002322af08e28  (recursion:0)

我去，发现有大量的 thinlock，而且 DbgThread=209 线程居然有 1000 +，截图如下：

有些朋友可能不知道什么叫 thinlock，简单来说，它就是一种耗cpu的内旋锁，类似 SpinLock，接下来随便抽一个对象，查看它的 !gcroot 。


0:000> !gcroot 000002396ad9ba48
Thread 2580:
    000000d2fb0bef10 00007ff806945ab3 System.Threading.ExecutionContext.RunInternal(System.Threading.ExecutionContext, System.Threading.ContextCallback, System.Object, Boolean)
        rbp-80: 000000d2fb0bef50
            ->  0000023769dd4008 System.Threading.Thread
            ->  0000023269e776b8 System.Runtime.Remoting.Contexts.Context
            ->  0000023269e773b8 System.AppDomain
            ...
            ->  0000023269ee1e00 System.Threading.TimerCallback
            ->  0000023269ed2d30 System.Web.Caching.CacheExpires
            ->  0000023269ed2c78 System.Web.Caching.CacheSingle
            ->  0000023269ed2ce0 System.Collections.Hashtable
            ->  000002372ab91d90 System.Collections.Hashtable+bucket[]
            ->  00000239ab32fd10 System.Web.Caching.CacheEntry
            ->  000002396ad93748 System.Collections.Concurrent.ConcurrentDictionary`2[[System.String, mscorlib],[xxx].Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]]
            ->  00000239ab2a8248 System.Collections.Concurrent.ConcurrentDictionary`2+Tables[[System.String, mscorlib],[xxx.Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]]
            ->  000002396ad96b80 System.Object[]
            ->  000002396ad9ba48 System.Object

从输出信息看,这个 thinlock 来自于 ConcurrentDictionary 字典内部，接下来我们 dump 出这个字典，使用 !mdt 命令。


0:148> !mdt 000002396ad93748
000002396ad93748 (System.Collections.Concurrent.ConcurrentDictionary`2[[System.String, mscorlib],[xxx.Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]])
    m_tables:00000239ab2a8248 (System.Collections.Concurrent.ConcurrentDictionary`2+Tables[[System.String, mscorlib],[xxx.Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]])
    m_comparer:NULL (System.Collections.Generic.IEqualityComparer`1[[System.__Canon, mscorlib]])
    m_growLockArray:true (System.Boolean)
    m_keyRehashCount:0x0 (System.Int32)
    m_budget:0x213 (System.Int32)
    m_serializationArray:NULL (System.Collections.Generic.KeyValuePair`2[[System.__Canon, mscorlib],[System.__Canon, mscorlib]][])
    m_serializationConcurrencyLevel:0x0 (System.Int32)
    m_serializationCapacity:0x0 (System.Int32)
0:148> !mdt 00000239ab2a8248
00000239ab2a8248 (System.Collections.Concurrent.ConcurrentDictionary`2+Tables[[System.String, mscorlib],[xxx.Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]])
    m_buckets:0000023e9a2477e8 (System.Collections.Concurrent.ConcurrentDictionary`2+Node[[System.String, mscorlib],[xxx.Application.Entity.BaseManage.UserRelationEntity, xxx.Application.Entity]][], Elements: 543997)
    m_locks:000002396ad96b80 (System.Object[], Elements: 1024)
    m_countPerLock:00000239aa8472c8 (System.Int32[], Elements: 1024)
    m_comparer:0000023269e782b8 (System.Collections.Generic.GenericEqualityComparer`1[[System.String, mscorlib]])

从上面信息看，这个字典有 54.3 w 条记录，为啥这么大，而且还有 1024 个 lock，有点意思，我们扒一下源码看看。

从源码看，内部确实有一个 lock[] 数组，那到底是什么操作引发了遍历 locks[]，要想寻找答案，可以在所有线程栈上寻找 ConcurrentDictionary 关键词。


OS Thread Id: 0x2844 (163)
        Child SP               IP Call Site
000000d2fb83abb8 00007ff80a229df8 [GCFrame: 000000d2fb83abb8] 
000000d2fb83aca0 00007ff80a229df8 [GCFrame: 000000d2fb83aca0] 
000000d2fb83acd8 00007ff80a229df8 [HelperMethodFrame: 000000d2fb83acd8] System.Threading.Monitor.Enter(System.Object)
000000d2fb83add0 00007ff80693ea56 System.Collections.Concurrent.ConcurrentDictionary`2[[System.__Canon, mscorlib],[System.__Canon, mscorlib]].AcquireLocks(Int32, Int32, Int32 ByRef)
000000d2fb83ae20 00007ff806918ef2 System.Collections.Concurrent.ConcurrentDictionary`2[[System.__Canon, mscorlib],[System.__Canon, mscorlib]].AcquireAllLocks(Int32 ByRef)
000000d2fb83ae60 00007ff8069153f9 System.Collections.Concurrent.ConcurrentDictionary`2[[System.__Canon, mscorlib],[System.__Canon, mscorlib]].GetValues()
000000d2fb83aee0 00007ff7ae17d8ec xxx.Util.DataHelper.ToEnumerable[[System.__Canon, mscorlib],[System.__Canon, mscorlib]](System.Collections.Concurrent.ConcurrentDictionary`2<System.__Canon,System.__Canon>)
000000d2fb83af20 00007ff7ad125241 xxx.Application.Code.CacheHelper.GetCaches[[System.__Canon, mscorlib],[System.__Canon, mscorlib]](System.String)
000000d2fb83afa0 00007ff7ad12513b xxx.Application.Code.CacheHelper.GetCaches[[System.__Canon, mscorlib]](System.String)
000000d2fb83b000 00007ff7b10199e5 xxx.Application.Cache.CacheHelper.GetUserRelations()

从线程栈上看，发现了有近20处如上的代码，可以看出程序在调用 GetCaches 方法的时候触发了 ConcurrentDictionary 的lock锁从而卡住，接下来我们看一下 xxx.Application.Cache.CacheHelper.GetUserRelations() 源码到底做了什么？


public static IEnumerable<UserRelationEntity> GetUserRelations()
{
	return xxx.Application.Code.CacheHelper.GetCaches<UserRelationEntity>("xxx.BaseManage-UserRelation");
}

protected static IEnumerable<T> GetCaches<T>(string cacheKeyName)
{
	return GetCaches<T, string>(cacheKeyName);
}

private static IEnumerable<T> GetCaches<T, TKey>(string cacheKeyName)
{
	return GetConcurrentDictionaryCache<T, TKey>(cacheKeyName)?.ToEnumerable();
}

public static IEnumerable<T> ToEnumerable<TKey, T>(this ConcurrentDictionary<TKey, T> dics)
{
	return dics.Values;
}

从源码逻辑看，程序每次调用缓存最终都会调用 dics.Values , 我很好奇它的框架逻辑是什么样的？截图如下：

大家有没有发现，每次 dict.Values 时都要执行 1024 次 Monitor.Enter(locks[i], ref lockTaken);，也就是 1024 次的内旋锁，这就是cpu高的一个关键因素。

3. 内存爆高原因

最后一个问题是内存为啥会爆高？细心的朋友应该会发现刚才那个 GetValues 中有一个奇怪的逻辑，我再贴一下代码：


private ReadOnlyCollection<TValue> GetValues()
{
	int locksAcquired = 0;
	try
	{
		AcquireAllLocks(ref locksAcquired);
		int countInternal = GetCountInternal();
		if (countInternal < 0)
		{
			throw new OutOfMemoryException();
		}
		List<TValue> list = new List<TValue>(countInternal);
		for (int i = 0; i < m_tables.m_buckets.Length; i++)
		{
			for (Node node = m_tables.m_buckets[i]; node != null; node = node.m_next)
			{
				list.Add(node.m_value);
			}
		}
		return new ReadOnlyCollection<TValue>(list);
	}
	finally
	{
		ReleaseLocks(0, locksAcquired);
	}
}

有没有发现，每一次 GetValues 时都会生成一个 54.3w 大小的新List，请注意这个 list 是新生成的，不是 ConcurrentDictionary 上的引用，这就很坑了，每调用一次，LOH上就会来一个这么大的List，你说内存暴增不暴增？？？

三：总结

总的来说，这苦逼的三高有下面两个因素造成。

使用了同步的 HttpRequest 方式并使用了外网url导致程序挂死。

优化措施：使用异步方式

巨坑的 ConcurrentDictionary.Values 导致内存，cpu 爆高。

我想很多朋友都没想到: ConcurrentDictionary.Values 有这么大的一个坑，这就让我联想起了线程不安全的 Dictionary.Values 是怎么做的？

public ValueCollection Values
{
    [__DynamicallyInvokable]
    get
    {
        if (values == null)
        {
            values = new ValueCollection(this);
        }
        return values;
    }
}

public sealed class ValueCollection
{
    public ValueCollection(Dictionary<TKey, TValue> dictionary)
    {
        if (dictionary == null)
        {
            ThrowHelper.ThrowArgumentNullException(ExceptionArgument.dictionary);
        }
        this.dictionary = dictionary;
    }
}

可以很明显的看到它并没有生成新的list，所以优化措施如下：

拒绝使用 ConcurrentDictionary.Values，采用 lock + Dictionary 。
如果硬要用 ConcurrentDictionary ，请将 Query 条件送下去，而不是使用 Values 做全量拉取再查询，减少内存无畏占用。

最后上一个小彩蛋，将分析结果给了这位朋友之后，朋友想让我上门分析，第一次遇到。。。太猝不及防啦🤣🤣🤣

记一次 .NET 某上市工业智造 CPU+内存+挂死 三高分析