文章目录
- 问题描述
- 问题排查
- （1）观察日志以及监控
- （2）推断问题
- （3）定位问题
- 解决方法
关键信息 （1）发现一些生产中异步提交的线程任务延迟执行严重，甚至不执行 （2）异常时发现服务器线程数飙升，某些组件拿不到线程，甚至需要异常重启
问题描述
（1）发现最近一个项目服务，经常忘记更新某些信息。查询代码，发现这些信息都是放在一个线程里面异步提交。而根据日志发现，线程的前后代码均已执行，只有这个线程提交
的异步任务迟迟不执行，也不报错。
（2）发现该项目经常报出druid,dubbo等一些需要申请线程的服务出现异常。
问题排查
（1）观察日志以及监控
先从未及时更新的请求入手，追踪代码逻辑到更新信息的接口。结合日志，发现存在以下关键点：
1----更新信息的接口被放在一个异步线程任务中执行。
2----异步任务前后均已执行，即可推断任务肯定被提交了。
3----更新信息接口被try catch捕捉，没有打印错误日志，也没有看到该接口的请求记录。说明异步任务一直没有被执行。
（2）推断问题
这个时候有了如下推断
推断1：服务在该时刻存在重启或者异常中断的现象，丢失了当前的任务。
查看了该时刻的性能监控，发现短时间内只是服务的线程数增加了，内存，CPU均正常。但是
推断2：任务被直接拒绝。
查看了线程池的构造参数，拒绝策略为抛出异常。但是在日志中并未出现相关日志，并且线程池的队列长度较长，线程池不太可能被打满队列。
推断3：任务在队列中，一直在排队执行。
查看了线程池的构造参数，队列长度较大，延时肯定是因为在队列中。
（3）定位问题
仔细观察服务器那个时间段的运行状态，发现节点的active thread数量一直上升，并且运行的越来越慢。数据库的连接数也在一直上升，最后过
了一段时间，服务器异常后重启。联系运维要异常节点日志，联系DBA查看数据库的连接中的执行任务，排查最近上线的代码，发现以下关键点：
关键点1：服务节点的active thread 数量一直上升，平均执行时间也越来越长，直至服务挂掉，服务异常退出的时候抛出了一堆InterruptedException。
这里说明某些active thread中的任务被堵塞了，并且一直不能退出。抛出的InterruptedException说明服务退出时存在一堆未执行完的任务（包括前面排查的
已提交但未执行的异步线程任务）
关键点2：数据库的连接数一直上升，但DBA反馈大部分是空闲状态，且并没有慢SQL或者如何异常信息。这里说明异常应该与数据库层面无关，要从服务的代码去
寻找问题。
关键点3：最近项目上线了一个新功能，所以应该是新上线的代码引出的问题。观察代码，发现代码中存在一个执行时间较长的操作（处理文件），并且是用
异步线程池提交，后续要等到改操作的一个返回值，并且该操作没有设置超时时间，线程池参数不合理（核心线程2，队列长度30000
）。观察相关接口的执行时间，发现在出问题的时间段，这个接口经常出现超时。
问题复现：
在测试环境，模拟调用该接口。发现并发数量增加情况下（或者处理文件较多时，网络波动时），该接口执行时间愈发缓慢，并且不会超时失败。观察测试节点的状态，
发现active thread一直上升，数据库连接也在上升。上升到一定数量后，服务异常退出，并抛出一堆InterruptedException。
原因剖析：
上线一个新需求，这个需求里假设A里面使用了future.get()方法获取异步任务的返回值，该方法未设置超时时间。该任务的线程池参数为----
核心线程是2，由于缓存队列30000。这时候A方法被执行了多次，导致一直卡在future.get()方法里等待，从而activeThread一直上升，导致其他线程包括dubbo、druid的线程也被阻塞。druid的线程池直接被打满。
最后服务异常退出，中断所有未完成任务的线程，抛出一大堆InterruptedException。
未及时更新的请求就是因为当时服务出现了这种异常状态，这些请求的更新操作提交到线程池中，线程池将其放入队列中而得不到执行，最后服务异常退出，一直没执行
解决方法
（1）设置合理的线程池参数。一定不要用默认或者已有的设置，要根据业务场景选择。
（2）future.get()方法要设置超时时间。由于异步任务的执行可能会被放在队列中，或者其他的意外情况，一定要设置合理的超时时间来等待异步任务返回值，
不设置超时时间（或者时间过长），都会导致线程一直等待堵塞。
（3）如果有必要可以设置一个线程池的监控报警系统，更好的观测线程池的状态。
