线上问题处理案例——出乎意料的数据库连接池

Tech 导读 本文是线上问题处理案例分析，旨在通过真实案例向读者介绍发现问题、定位问题、解决问题的方法。本文讲述了从垃圾回收耗时过长的表象，逐步定位到数据库连接池保活问题的全过程，并对其中用到的一些知识点进行了总结。

01

问题描述

在今年的敏捷团队建设中，我通过Suite执行器实现了一键自动化单元测试。Juint除了Suite执行器还有哪些执行器呢？由此我的Runner探索之旅开始了

大促期间，某接口超时次数增多，经排查直接原因是GC耗时过长，查看监控FullGC达500ms以上，接口超时时间与FullGC发生时间吻合。

图1 FULLGC耗时监控

02

应用基本情况

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。从设计稿出发，提升页面搭建效率，亟需解决的核心问题有： 2.1 触达技术选型

容器：8C12G；

JVM配置：-XX:+UseConcMarkSweepGC -Xms6144m -Xmx6144m -Xmn2048m -XX:ParallelGCThreads=8 -XX:+UseCMSInitiatingOccupancyOnly -XX:CMSInitiatingOccupancyFraction=70 -XX:+ParallelRefProcEnabled；

数据库类型：MySQL；

数据库连接池：DBCP；

03

排查过程

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。DevOps流水线简介：

1、 GC耗时过长，说明内存中垃圾对象很多。

2、首先怀疑是否有内存泄漏，观察FullGC后堆内存回收情况，尚属正常，暂时排除内存泄漏原因。

图2 发生FullGC后堆内存回收监控

3、 推断FullGC耗时过长是否因为老年代有大量死亡对象，遂导出FullGC前后堆内存dump，通过比对“保留大小”，发现FullGC后大量数据库相关对象被回收。

图3 堆内存对象分析

4、 数据库连接正常应该不会频繁创建和断开，进入老年代后，正常不应该被回收，通过堆dump内容OQL分析每个数据库连接数量，发现很多库连接数都大于“maxActive”数量，可以肯定有很多失效连接。

5、 初步判断直接原因是很多失效数据库连接进入老年代，导致FullGC耗时过长。

6、 怀疑连接池验证周期过长，导致数据库因空闲过长关闭连接，将连接池参数“timeBetweenEvictionRunsMillis”由1分钟调整到10秒，问题依旧。

7、 阅读DBCP源码，发现是通过org. apache. commons. pool. impl. Generic Object Pool. Evictor定时任务，按照time Between Eviction Runs Millis配置的周期定时驱逐失效连接，驱逐条件：若连接空闲时间大于“min EvictableIdle Time Millis”，则会驱逐连接，等待垃圾回收。若开启“test WhileIdle”则会执行“validationQuery”。进一步阅读代码，发现执行“validation Query”后，连接空闲时间并不会重新计算，导致连接在业务低谷时很容易被淘汰，而数据库连接会关联大量对象，创建、回收成本昂贵，并且影响GC。

8、 反向思考，为何只有在大促期间才发生问题？

图4 平时和大促时回收频率对比

可以看到平时由于业务量小，GC不频繁，过期连接没有达到进入老年代阈值，在年轻代被回收。而大促时业务量大，GC频繁，连接在进入老年代以后才过期，导致老年代FullGC时间过长。

9、 至此，基本可以肯定问题原因是数据库连接池不具备“保活”能力，导致连接不断淘汰和新建，在业务高峰时段，连接进入老年代然后失效，造成FullGC耗时过长，最终导致接口超时次数增多。

04

解决方案

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。

方案1：改为G1回收器，对老年代回收是分块进行，可以防止长时间停顿。另外默认Max Tenuring Threshold值是15，可以防止失效连接过早进入老年代；

方案2：min EvictableIdle Time Millis设置为0，使数据库连接不会自动失效，进入老年代以后一直存活，避免在老年代失效回收；

方案3：min EvictableIdle Time Millis设置为0，使数据库连接不会自动失效，进入老年代以后一直存活，避免在老年代失效回收；

05

拓展知识点

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。

1、 Druid连接池同样存在不能“保活”问题，较新版本提供“Keep Alive”选项（未验证）；

2、 Druid连接池配置的“validation Query”语句通常并不会被执行，MySql Valid Connection Checker在检查连接有效性时，会判断驱动是否实现ping Internal方法，如果实现则会通过此方法验证有效性。MySQL的JDBC驱动实现了该方法，因此“validation Query”配置的语句通常不会执行；

图5 连接有效性校验代码

3、 DBCP和Druid连接池默认都是FILO，如果业务不繁忙，会导致只有最前边的连接被使用-归还-使用，后边连接基本都在无谓的驱逐、重建连接；

4、 虚引用对GC的影响：这些引用只有经过两次GC才能被回收掉，如果进入老年代，则必须经过两次FullGC才能释放内存。本例中由于不断有新的虚引用对象在老年代失效，导致FullGC后，内存水位仍然偏高，会加剧GC压力。新版本JVM已对此做了优化，一次GC可以回收掉；

5、 类似的影响还有finalize方法；

6、 CMS回收器默认MaxTenuringThreshold为6，而ParallelGC和G1均默认15；

06

结语

理解，首先 MCube 会依据模板缓存状态判断是否需要网络获取最新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，最终将目标页面展示到屏幕。

本文对数据库连接失效引起的GC问题进行了详细分析，希望读者通过本文对数据库连接“保活”机制、GC问题基本分析方法有所收益，后续该系列文章会继续推出其他案例分享。