使用ARTHAS MCP排查高CPU故障实践使用ARTHAS MCP排查高CPU故障实践 ,让大模型自动分析线上的慢接口

使用ARTHAS MCP排查高CPU故障实践

一、项目背景与目标

1.1 背景

在微服务架构中，接口性能问题（如慢接口、高 CPU 使用率）是常见的技术挑战。传统的监控手段往往难以快速定位问题根源，尤其是在生产环境中，需要一种轻量级、无侵入的排查工具。

1.2 目标

创建一个包含慢接口和高 CPU 接口的 Spring Boot 工程
集成 ARTHAS MCP（Management Control Protocol）进行实时监控
验证 ARTHAS MCP 在排查高 CPU 问题中的有效性
形成一套可复用的性能问题排查方案

二、技术方案设计

2.1 核心技术栈

Spring Boot 2.7.15：提供 REST 接口框架
ARTHAS 3.7.1：提供实时监控和问题排查能力
Cherry Studio：用于可视化连接和管理 ARTHAS MCP

2.2 架构设计

接口层：实现慢接口（基于 Thread.sleep）和高 CPU 接口（基于矩阵乘法、质数计算、密集循环）
监控层：集成 ARTHAS MCP，通过 HTTP 端口暴露监控接口
分析层：使用 ARTHAS 命令和 Cherry Studio 进行实时分析

2.3 关键功能设计

慢接口：提供不同延迟级别的 REST 接口（500ms、1s、3s、自定义）
高 CPU 接口：提供矩阵乘法、质数计算、密集循环等 CPU 密集型操作
ARTHAS MCP 集成：配置 telnet 端口和 HTTP 端口，启用 MCP 协议
问题排查方案：使用 ARTHAS 命令（thread、trace、monitor、jad 等）分析性能问题

三、实现过程

3.1 项目初始化

使用 TRAE 创建工程：通过 TRAE 工具创建 Spring Boot 项目，添加 Spring Web 和 ARTHAS 依赖
ARTHAS 版本更新：初始配置使用 ARTHAS 3.7.1 版本，但发现该版本不支持 MCP 服务，通过官网查看并升级到当前最新的 4.1.8 版本
配置 ARTHAS MCP：在 application.properties 中配置 ARTHAS 相关参数，包括启用 MCP 协议

3.2 接口实现

慢接口实现：创建 SlowController，通过 Thread.sleep 模拟不同延迟

@GetMapping("/slow/3s")
public String slow3s() {
    try {
        Thread.sleep(3000);
    } catch (InterruptedException e) {
        Thread.currentThread().interrupt();
    }
    return "Slow response after 3s";
}

高 CPU 接口实现：创建 CpuIntensiveController，实现矩阵乘法、质数计算等 CPU 密集型操作

@GetMapping("/cpu/matrix")
public String matrixMultiplication(@RequestParam int size) {
    long start = System.currentTimeMillis();
    double[][] matrixA = generateRandomMatrix(size);
    double[][] matrixB = generateRandomMatrix(size);
    double[][] result = multiplyMatrices(matrixA, matrixB);
    long end = System.currentTimeMillis();
    return "Matrix multiplication of size " + size + "x" + size + " took " + (end - start) + "ms";
}

3.3 ARTHAS MCP 集成

添加依赖：在 pom.xml 中添加 ARTHAS Spring Boot Starter 依赖

配置 MCP：在 application.properties 中启用 MCP 协议

arthas.enabled=true
arthas.telnetPort=3659
arthas.httpPort=8564
arthas.mcpEndpoint=/mcp

3.4 验证与测试

启动应用：运行 Spring Boot 应用，验证 ARTHAS 启动成功
验证 MCP 服务：通过 curl 命令验证 MCP 服务是否启动
```
curl http://localhost:8564/mcp
```
如果返回 MCP 协议信息，说明服务已成功启动

Cherry Studio 配置：在 Cherry Studio 中添加 MCP Server 配置，并使用智谱的 GLM-4.6V 模型进行智能分析

{
  "mcpServers": {
    "arthas-mcp": {
      "type": "streamableHttp",
      "url": "http://localhost:8564/mcp"
    }
  }
}

测试接口：访问慢接口和高 CPU 接口，验证功能正常
分析问题：使用 ARTHAS 命令分析高 CPU 问题

四、实际排查过程

4.1 问题发现

通过 Cherry Studio 连接 ARTHAS MCP 服务后，发现系统 CPU 使用率异常升高。

4.2 具体排查步骤

定位高 CPU 线程：使用 thread topN 5 命令查看使用率最高的线程
- 发现 http-nio-8080-exec-8 线程 CPU 使用率达到 100%
- 确认该线程正在处理高 CPU 接口请求
尝试使用 trace 命令分析：
- 执行 trace com.example.arthasdemo.controller.CpuIntensiveController matrixMultiplication
- 由于方法执行时间过长，命令超时未完成
尝试使用 monitor 命令监控：
- 执行 monitor -c 5 com.example.arthasdemo.controller.CpuIntensiveController matrixMultiplication
- 同样因执行时间过长而超时
分析源码：
- 使用 jad com.example.arthasdemo.controller.CpuIntensiveController 命令反编译源码
- 分析发现矩阵乘法算法的时间复杂度为 O(n³)，当矩阵大小较大时计算量巨大
- 随机矩阵生成和多层嵌套循环是导致 CPU 使用率高的主要原因

4.3 问题确认

通过源码分析确认，高 CPU 问题的根源是：

矩阵乘法算法的时间复杂度为 O(n³)，计算量随矩阵大小呈立方增长
随机矩阵生成过程中的 Math.random() 调用也会消耗一定 CPU 资源
多层嵌套循环（三层循环）导致 CPU 持续高负载

五、经验总结与创新点

5.1 技术创新点

ARTHAS MCP 集成：将 ARTHAS 的监控能力通过 MCP 协议暴露，实现了可视化的实时监控
多维度接口设计：同时实现慢接口和高 CPU 接口，覆盖了常见的性能问题场景
可视化分析：结合 Cherry Studio，实现了图形化的性能分析，降低了排查难度
组合命令排查：通过 thread、trace、monitor、jad 等命令的组合使用，形成了完整的排查流程

5.2 实践经验

命令选择策略：
- 首先使用 thread topN 快速定位高 CPU 线程
- 对于执行时间长的方法，trace 和 monitor 命令可能会超时
- 当命令超时时，使用 jad 命令分析源码是有效的备选方案
性能基线：建立接口性能基线，便于快速识别异常
实时监控：利用 ARTHAS MCP 进行实时监控，可在问题发生时立即进行分析
无侵入性：ARTHAS 采用动态字节码增强技术，无需修改应用代码即可实现监控

5.3 应用价值

快速定位：在生产环境中，可通过 ARTHAS MCP 快速定位性能问题
成本降低：避免了传统监控工具的高成本部署和维护
可扩展性：可根据需要扩展监控维度和分析深度
经验复用：形成的排查方案可应用于其他项目的性能问题分析

六、结论

通过本项目的实践，我们验证了 ARTHAS MCP 在排查高 CPU 问题中的有效性。特别是在面对执行时间较长的 CPU 密集型操作时，通过 thread topN 定位高 CPU 线程，结合 jad 命令分析源码的方式，能够有效地定位问题根源。

这种基于 ARTHAS MCP 的性能排查方案，具有轻量级、无侵入、实时性强等特点，为微服务架构中的性能问题排查提供了一种新的思路和方法。

未来，我们可以进一步扩展该方案，例如：

集成到 CI/CD 流程中，实现性能问题的自动化检测
开发自定义 ARTHAS 命令，针对特定场景进行优化
结合 APM 工具，构建更完整的性能监控体系

通过不断创新和实践，ARTHAS MCP 有望成为微服务性能优化的重要工具之一。