一. 問題描述

　　我們?nèi)ッ嬖嚂r(shí)，有些面試官會(huì)經(jīng)常問我們：你都遇到過哪些線上的故障?是解決這些線上故障的?今天千鋒就給大家講解一個(gè)比較奇葩的線上故障，問題如下所示：

　　線上集群中，某一臺服務(wù)器頻繁重啟是怎么回事?如何解決?

　　下面是千鋒的線上服務(wù)器架構(gòu)圖：

　　二. 問題排查

　　為什么會(huì)出現(xiàn)線上某臺服務(wù)器頻繁重啟呢?為了搞清楚問題所在，我們可以按照如下思路來進(jìn)行問題排查。

　　首先我給大家說明一下，千鋒的線上服務(wù)器，請求負(fù)載均衡策略是采用的是輪詢機(jī)制，請求數(shù)量平均分配。

　　接下來我們可以定位一下故障發(fā)生的時(shí)間點(diǎn)。在本案例中，我的線上服務(wù)器重啟的時(shí)間段基本是固定的，所以我就可以在那個(gè)特定的時(shí)間段內(nèi)進(jìn)行監(jiān)控。

　　然后我們再來分析一下，服務(wù)器重啟可能有哪些常見的原因：

　　硬件風(fēng)扇散熱不好，造成服務(wù)器過熱，服務(wù)器會(huì)重啟---->我的服務(wù)器風(fēng)扇沒有問題，排除掉;

　　檢查內(nèi)存空間是否充足。可以在那個(gè)時(shí)間段通過top命令監(jiān)控CPU和內(nèi)存的利用率，看看是否在那個(gè)時(shí)間段內(nèi)硬件資源消耗殆盡了;

　　軟件原因。服務(wù)器內(nèi)部是否有什么任務(wù)代碼，在那個(gè)時(shí)間段會(huì)將硬件資源耗盡，造成重啟。

　　通過以上排查方法，我既沒有發(fā)現(xiàn)風(fēng)扇有問題，也沒有發(fā)現(xiàn)在服務(wù)器中除了當(dāng)前自己的應(yīng)用外，還有其他大型應(yīng)用在占用硬件資源。但通過top命令，我卻在服務(wù)器經(jīng)常重啟的時(shí)間段內(nèi)，發(fā)現(xiàn)硬件CPU和內(nèi)存資源在某一個(gè)時(shí)間段內(nèi)提升地特別快，進(jìn)而造成硬件資源耗盡，服務(wù)器重啟。

　　那么如果在沒有外部軟件占用資源的情況下，CPU和內(nèi)存資源的消耗更多地是由自己的軟件耗盡的。所以現(xiàn)在我們可以初步診斷出，是當(dāng)前自己的應(yīng)用在處理請求能力上較差，造成大量請求累積。

　　為了驗(yàn)證結(jié)論是否正確，千鋒使用了jmeter壓力測試工具，對集群中幾臺沒有問題的服務(wù)器和當(dāng)前服務(wù)器進(jìn)行測試對比，結(jié)果發(fā)現(xiàn)當(dāng)前出現(xiàn)問題的服務(wù)器在處理請求能力上與其他服務(wù)器相比速度較慢。

　　最終，千鋒通過以上經(jīng)驗(yàn)推測和測試方法得出結(jié)果，之所以會(huì)出現(xiàn)線上服務(wù)器經(jīng)常重啟，此處主要是因?yàn)槟撑_服務(wù)器硬件性能較差，在輪詢策略分配請求時(shí)，平均分配造成當(dāng)前機(jī)器請求的積壓過多，承載不了，從而產(chǎn)生系統(tǒng)重啟。

　　三. 解決方案

　　針對這個(gè)問題，解決方案如下:

　　修改分布式請求策略。雖然輪詢策略平均分配了請求數(shù)，但由于不同配置的機(jī)器對相同請求的處理能力不同，有可能會(huì)出現(xiàn)個(gè)別服務(wù)器無法承載過多壓力而崩潰的情況;

　　給請求的機(jī)器地址添加權(quán)重。我們也可以給出現(xiàn)問題的機(jī)器分配較少的權(quán)重，在請求分配時(shí)，給配置較低的服務(wù)器少分配一些權(quán)重，避免造成請求積壓。

　　現(xiàn)在你知道如何排查線上服務(wù)器的類似故障了嗎?如果你還有其他問題，可以在評論區(qū)留言哦。關(guān)注Java架構(gòu)棧，干貨天天都不斷哦。