作為法醫(yī)，不怕高度腐爛的尸體，也不怕錯(cuò)綜復(fù)雜的案情。最怕的，是沒留下任何東西。空無一物，任何高超的技術(shù)，豐富的經(jīng)驗(yàn)，都無從下手。

[[278801]]

生產(chǎn)環(huán)境錯(cuò)綜復(fù)雜，幾分鐘前活蹦亂跳的進(jìn)程，此刻就奄奄一息的躺在那里，茍延殘喘。作為第一時(shí)間發(fā)現(xiàn)的目擊者，一定要注意保存好現(xiàn)場。有時(shí)，最壞的情況就是引火上身，糾纏不清，這都是我們不愿看到的。

在進(jìn)程的生命煙消云散之前，我們還有很多事要做。本篇文章，將介紹常用的保留線索方法。最后，將這個(gè)過程，使用Shell腳本自動(dòng)化。

系統(tǒng)環(huán)境，不說謊的案發(fā)現(xiàn)場

1、系統(tǒng)當(dāng)前網(wǎng)絡(luò)連接

ss -antp > $DUMP_DIR/ss.dump 2>&1 

本命令將系統(tǒng)的所有網(wǎng)絡(luò)連接輸出到ss.dump文件中。使用ss命令而不是netstat的原因，是因?yàn)閚etstat在網(wǎng)絡(luò)連接非常多的情況下，執(zhí)行非常緩慢。

后續(xù)的處理，通過查看各種網(wǎng)絡(luò)連接狀態(tài)的梳理，來排查TIME_WAIT或者CLOSE_WAIT，或者其他連接過高的問題，非常有用。

2、網(wǎng)絡(luò)狀態(tài)統(tǒng)計(jì)

netstat -s > $DUMP_DIR/netstat-s.dump 2>&1 

將網(wǎng)絡(luò)統(tǒng)計(jì)狀態(tài)，輸出到netstat-s.dump文件中。它能夠按照各個(gè)協(xié)議進(jìn)行統(tǒng)計(jì)輸出，對把握當(dāng)時(shí)整個(gè)網(wǎng)絡(luò)狀態(tài)，有非常大的作用。

sar -n DEV 1 2 > $DUMP_DIR/sar-traffic.dump 2>&1 

上面這個(gè)命令，會(huì)使用sar輸出當(dāng)前的網(wǎng)絡(luò)流量。在一些速度非常高的模塊上，比如redis、kafka，就經(jīng)常發(fā)生跑滿網(wǎng)卡的情況。

3、進(jìn)程資源

lsof -p $PID > $DUMP_DIR/lsof-$PID.dump 

這是個(gè)非常強(qiáng)大的命令。可以查看進(jìn)程打開了哪些文件，這是一個(gè)神器，可以以進(jìn)程的維度查看整個(gè)資源的使用情況。這個(gè)命令在資源非常多的情況下，輸出稍慢，耐心等待。

4、CPU資源

mpstat > $DUMP_DIR/mpstat.dump 2>&1 
vmstat 1 3 > $DUMP_DIR/vmstat.dump 2>&1 
sar -p ALL > $DUMP_DIR/sar-cpu.dump 2>&1 
uptime > $DUMP_DIR/uptime.dump 2>&1 

這幾個(gè)命令，我們在

《Linux之《荒島余生》(二)CPU篇》

這篇文章，已經(jīng)有了比較詳細(xì)的介紹。主要輸出當(dāng)前系統(tǒng)的CPU和負(fù)載，便于事后排查。

這幾個(gè)命令的功能，有不少重合，使用者要注意甄別。

5、I/O資源

iostat -x > $DUMP_DIR/iostat.dump 2>&1 

一般，以計(jì)算為主的服務(wù)節(jié)點(diǎn)，I/O資源會(huì)比較正常。但有時(shí)候也是會(huì)發(fā)生問題的，比如日志輸出過多，或者磁盤問題等。此命令可以輸出每塊磁盤的基本性能信息，用來排查I/O問題。

6、內(nèi)存問題

free -h > $DUMP_DIR/free.dump 2>&1 

內(nèi)存問題較為復(fù)雜，有興趣可以看下xjjdog堆外內(nèi)存排查小結(jié)這篇文章。一般發(fā)生的問題是JVM內(nèi)存溢出，我們在進(jìn)程小節(jié)說明。

free命令能夠大體展現(xiàn)操作系統(tǒng)的內(nèi)存概況，是故障排查中一個(gè)非常重要的點(diǎn)。

7、其他全局

 ps -ef > $DUMP_DIR/ps.dump 2>&1 
dmesg > $DUMP_DIR/dmesg.dump 2>&1 
sysctl -a > $DUMP_DIR/sysctl.dump 2>&1 

在xjjdog的其他文章，我們不止一次說到dmesg。dmesg是許多靜悄悄死掉的服務(wù)留下的最后一點(diǎn)線索。

當(dāng)然，ps作為執(zhí)行頻率最高的一個(gè)命令，它當(dāng)時(shí)的輸出信息，也必然有一些可以參考的價(jià)值。

由于內(nèi)核的配置參數(shù)，會(huì)對系統(tǒng)產(chǎn)生非常大的影響。所以我們也輸出了一份。

進(jìn)程快照，最后的遺言

1、jinfo

${JDK_BIN}jinfo $PID > $DUMP_DIR/jinfo.dump 2>&1 

此命令將輸出java的基本進(jìn)程信息。包括環(huán)境變量和參數(shù)配置。

2、gc信息

${JDK_BIN}jstat -gcutil $PID > $DUMP_DIR/jstat-gcutil.dump 2>&1 
${JDK_BIN}jstat -gccapacity $PID > $DUMP_DIR/jstat-gccapacity.dump 2>&1 

jstat將輸出當(dāng)前的gc信息。一般，能大體看出一個(gè)端倪，如果不能，將借助jmap進(jìn)行分析。

3、堆信息

${JDK_BIN}jmap $PID > $DUMP_DIR/jmap.dump 2>&1 
${JDK_BIN}jmap -heap $PID > $DUMP_DIR/jmap-heap.dump 2>&1 
${JDK_BIN}jmap -histo $PID > $DUMP_DIR/jmap-histo.dump 2>&1 
${JDK_BIN}jmap -dump:format=b,file=$DUMP_DIR/heap.bin $PID > /dev/null 2>&1 

jmap將會(huì)得到當(dāng)前java進(jìn)程的dump信息。如上所示，其實(shí)最有用的就是第4個(gè)命令，但是前面三個(gè)能夠讓你初步對系統(tǒng)概況進(jìn)行大體判斷。

因?yàn)椋?個(gè)命令產(chǎn)生的文件，一般都非常的大。而且，需要下載下來，導(dǎo)入MAT這樣的工具進(jìn)行深入分析，才能獲取結(jié)果。

4、執(zhí)行棧

${JDK_BIN}jstack $PID > $DUMP_DIR/jstack.dump 2>&1 

jstack將會(huì)獲取當(dāng)時(shí)的執(zhí)行棧。一般都會(huì)多次取值，我們這里取一次即可。這些信息非常有用，能夠還原你的java進(jìn)程中線程情況。

top -Hp $PID -b -n 1 -c > $DUMP_DIR/top-$PID.dump 2>&1 

為了能夠得到更加精細(xì)的信息，我們使用top命令，來獲取進(jìn)程中所有線程的cpu信息。這樣，就可以看到資源到底是耗費(fèi)在什么地方。

5、高級替補(bǔ)

kill -3 $PID 

有時(shí)候，jstack并不能夠運(yùn)行。有很多原因，比如java進(jìn)程幾乎不響應(yīng)了。我們會(huì)嘗試向進(jìn)程發(fā)送kill -3信號(hào)。這個(gè)信號(hào)是java進(jìn)程享有的，將會(huì)打印jstack的trace信息到日志文件中。是jstack的一個(gè)替補(bǔ)方案。

gcore -o $DUMP_DIR/core $PID 

對于jmap無法執(zhí)行的問題，也有替補(bǔ)，那就是GDB組件中的gcore。將會(huì)生成一個(gè)core文件。我們可以使用如下的命令去生成dump

${JDK_BIN}jhsdb jmap --exe ${JDK}java --core $DUMP_DIR/core --binaryheap 

瞬時(shí)態(tài)和歷史態(tài)

xjjdog這里創(chuàng)建兩個(gè)名詞。瞬時(shí)態(tài)是指當(dāng)時(shí)發(fā)生的，快照類型的元素;歷史態(tài)是指按照頻率抓取的，有固定監(jiān)控項(xiàng)的資源變動(dòng)圖。

上面有很多信息，比如CPU，比如系統(tǒng)內(nèi)存等，瞬時(shí)態(tài)的價(jià)值就不如歷史態(tài)來的直觀一些，因?yàn)樗€存在一個(gè)基線問題。所以如果有監(jiān)控系統(tǒng)一類的工具，將美好的多。

但對于lsof，heap等，這種沒有時(shí)間序列概念的混雜信息，無法進(jìn)入監(jiān)控系統(tǒng)，產(chǎn)生有用價(jià)值，就只能夠通過瞬時(shí)態(tài)進(jìn)行分析。這種情況下，瞬時(shí)態(tài)的價(jià)值反而更大一些。

我已經(jīng)把上面的過程，寫成了一個(gè)shell腳本。你可以在github上找到它。點(diǎn)擊左下角的查看原文，也能和它見面。

https://github.com/sayhiai/shell

但值得注意的是，分布式環(huán)境的故障原因，往往會(huì)出乎意料，你的這份單機(jī)證據(jù)，可能就只是一個(gè)表象。它沒有說謊，但它背后的意義，往往對問題本質(zhì)進(jìn)行了錯(cuò)誤的引導(dǎo)。