業(yè)務(wù)背景

目前移動(dòng)端的使用場景中會(huì)用到大量的消息推送，push消息可以幫助運(yùn)營人員更高效地實(shí)現(xiàn)運(yùn)營目標(biāo)（比如給用戶推送營銷活動(dòng)或者提醒APP新功能）。

對(duì)于推送系統(tǒng)來說需要具備以下兩個(gè)特性：

• 消息秒級(jí)送到用戶，無延時(shí)，支持每秒百萬推送，單機(jī)百萬長連接。
• 支持通知、文本、自定義消息透傳等展現(xiàn)形式。正是由于以上原因，對(duì)于系統(tǒng)的開發(fā)和維護(hù)帶來了挑戰(zhàn)。下圖是推送系統(tǒng)的簡單描述（API->推送模塊->手機(jī)）。

問題背景

推送系統(tǒng)中長連接集群在穩(wěn)定性測(cè)試、壓力測(cè)試階運(yùn)行一段時(shí)間后隨機(jī)會(huì)出現(xiàn)一個(gè)進(jìn)程掛掉的情況，概率較?。l率為一個(gè)月左右發(fā)生一次），這會(huì)影響部分客戶端消息送到的時(shí)效。

推送系統(tǒng)中的長連接節(jié)點(diǎn)（Broker系統(tǒng)）是基于Netty開發(fā)，此節(jié)點(diǎn)維護(hù)了服務(wù)端和手機(jī)終端的長連接，線上問題出現(xiàn)后，添加Netty內(nèi)存泄露監(jiān)控參數(shù)進(jìn)行問題排查，觀察多天但并未排查出問題。

由于長連接節(jié)點(diǎn)是Netty開發(fā)，為便于讀者理解，下面簡單介紹一下Netty。

Netty介紹

Netty是一個(gè)高性能、異步事件驅(qū)動(dòng)的NIO框架，基于Java NIO提供的API實(shí)現(xiàn)。它提供了對(duì)TCP、UDP和文件傳輸?shù)闹С?，作為?dāng)前最流行的NIO框架，Netty在互聯(lián)網(wǎng)領(lǐng)域、大數(shù)據(jù)分布式計(jì)算領(lǐng)域、游戲行業(yè)、通信行業(yè)等獲得了廣泛的應(yīng)用，HBase，Hadoop，Bees，Dubbo等開源組件也基于Netty的NIO框架構(gòu)建。

問題分析

猜想

最初猜想是長連接數(shù)導(dǎo)致的，但經(jīng)過排查日志、分析代碼，發(fā)現(xiàn)并不是此原因造成。

長連接數(shù)：39萬，如下圖：

每個(gè)channel字節(jié)大小1456, 按40萬長連接計(jì)算，不致于產(chǎn)生內(nèi)存過大現(xiàn)象。

查看GC日志

查看GC日志，發(fā)現(xiàn)進(jìn)程掛掉之前頻繁full GC（頻率5分鐘一次），但內(nèi)存并未降低，懷疑堆外內(nèi)存泄露。

分析heap內(nèi)存情況

ChannelOutboundBuffer對(duì)象占將近5G內(nèi)存，泄露原因基本可以確定：ChannelOutboundBuffer的entry數(shù)過多導(dǎo)致，查看ChannelOutboundBuffer的源碼可以分析出，是ChannelOutboundBuffer中的數(shù)據(jù)。

沒有寫出去，導(dǎo)致一直積壓；

ChannelOutboundBuffer內(nèi)部是一個(gè)鏈表結(jié)構(gòu)。

從上圖分析數(shù)據(jù)未寫出去，為什么會(huì)出現(xiàn)這種情況？

代碼中實(shí)際有判斷連接是否可用的情況（Channel.isActive），并且會(huì)對(duì)超時(shí)的連接進(jìn)行關(guān)閉。從歷史經(jīng)驗(yàn)來看，這種情況發(fā)生在連接半打開（客戶端異常關(guān)閉）的情況比較多---雙方不進(jìn)行數(shù)據(jù)通信無問題。

按上述猜想，測(cè)試環(huán)境進(jìn)行重現(xiàn)和測(cè)試。

1）模擬客戶端集群，并與長連接服務(wù)器建立連接，設(shè)置客戶端節(jié)點(diǎn)的防火墻，模擬服務(wù)器與客戶端網(wǎng)絡(luò)異常的場景（即要模擬Channel.isActive調(diào)用成功，但數(shù)據(jù)實(shí)際發(fā)送不出去的情況）。

2）調(diào)小堆外內(nèi)存，持續(xù)發(fā)送測(cè)試消息給之前的客戶端。消息大?。?K左右）。

3）按照128M內(nèi)存來計(jì)算，實(shí)際上調(diào)用9W多次就會(huì)出現(xiàn)。

問題解決

啟用autoRead機(jī)制

當(dāng)channel不可寫時(shí)，關(guān)閉autoRead；

public void channelReadComplete(ChannelHandlerContext ctx) throws Exception {
    if (!ctx.channel().isWritable()) {
        Channel channel = ctx.channel();
        ChannelInfo channelInfo = ChannelManager.CHANNEL_CHANNELINFO.get(channel);
        String clientId = "";
        if (channelInfo != null) {
            clientId = channelInfo.getClientId();
        }

        LOGGER.info("channel is unwritable, turn off autoread, clientId:{}", clientId);
        channel.config().setAutoRead(false);
    }
}

當(dāng)數(shù)據(jù)可寫時(shí)開啟autoRead；

@Override
public void channelWritabilityChanged(ChannelHandlerContext ctx) throws Exception
{
    Channel channel = ctx.channel();
    ChannelInfo channelInfo = ChannelManager.CHANNEL_CHANNELINFO.get(channel);
    String clientId = "";
    if (channelInfo != null) {
        clientId = channelInfo.getClientId();
    }
    if (channel.isWritable()) {
        LOGGER.info("channel is writable again, turn on autoread, clientId:{}", clientId);
        channel.config().setAutoRead(true);
    }
}

說明：

autoRead的作用是更精確的速率控制，如果打開的時(shí)候Netty就會(huì)幫我們注冊(cè)讀事件。當(dāng)注冊(cè)了讀事件后，如果網(wǎng)絡(luò)可讀，則Netty就會(huì)從channel讀取數(shù)據(jù)。那如果autoread關(guān)掉后，則Netty會(huì)不注冊(cè)讀事件。

這樣即使是對(duì)端發(fā)送數(shù)據(jù)過來了也不會(huì)觸發(fā)讀事件，從而也不會(huì)從channel讀取到數(shù)據(jù)。當(dāng)recv_buffer滿時(shí)，也就不會(huì)再接收數(shù)據(jù)。

設(shè)置高低水位

serverBootstrap.option(ChannelOption.WRITE_BUFFER_WATER_MARK, new WriteBufferWaterMark(1024 * 1024, 8 * 1024 * 1024));

注：高低水位配合后面的isWritable使用

增加channel.isWritable()的判斷

channel是否可用除了校驗(yàn)channel.isActive()還需要加上channel.isWrite()的判斷，isActive只是保證連接是否激活，而是否可寫由isWrite來決定。

private void writeBackMessage(ChannelHandlerContext ctx, MqttMessage message) {
    Channel channel = ctx.channel();
    //增加channel.isWritable()的判斷
    if (channel.isActive() && channel.isWritable()) {
        ChannelFuture cf = channel.writeAndFlush(message);
        if (cf.isDone() && cf.cause() != null) {
            LOGGER.error("channelWrite error!", cf.cause());
            ctx.close();
        }
    }
}

注：isWritable可以來控制ChannelOutboundBuffer，不讓其無限制膨脹。其機(jī)制就是利用設(shè)置好的channel高低水位來進(jìn)行判斷。

問題驗(yàn)證

修改后再進(jìn)行測(cè)試，發(fā)送到27W次也并不報(bào)錯(cuò)；

解決思路分析

一般Netty數(shù)據(jù)處理流程如下：將讀取的數(shù)據(jù)交由業(yè)務(wù)線程處理，處理完成再發(fā)送出去（整個(gè)過程是異步的），Netty為了提高網(wǎng)絡(luò)的吞吐量，在業(yè)務(wù)層與socket之間增加了一個(gè)ChannelOutboundBuffer。

在調(diào)用channel.write的時(shí)候，所有寫出的數(shù)據(jù)其實(shí)并沒有寫到socket，而是先寫到ChannelOutboundBuffer。當(dāng)調(diào)用channel.flush的時(shí)候才真正的向socket寫出。因?yàn)檫@中間有一個(gè)buffer，就存在速率匹配了，而且這個(gè)buffer還是無界的（鏈表），也就是你如果沒有控制channel.write的速度，會(huì)有大量的數(shù)據(jù)在這個(gè)buffer里堆積，如果又碰到socket寫不出數(shù)據(jù)的時(shí)候（isActive此時(shí)判斷無效）或者寫得慢的情況。

很有可能的結(jié)果就是資源耗盡，而且如果ChannelOutboundBuffer存放的是

DirectByteBuffer，這會(huì)讓問題更加難排查。

流程可抽象如下：

從上面的分析可以看出，步驟一寫太快（快到處理不過來）或者下游發(fā)送不出數(shù)據(jù)都會(huì)造成問題，這實(shí)際是一個(gè)速率匹配問題。

Netty源碼說明

超過高水位

當(dāng)ChannelOutboundBuffer的容量超過高水位設(shè)定閾值后，isWritable()返回false，設(shè)置channel不可寫（setUnwritable），并且觸發(fā)fireChannelWritabilityChanged()。

private void incrementPendingOutboundBytes(long size, boolean invokeLater) {
    if (size == 0) {
        return;
    }

    long newWriteBufferSize = TOTAL_PENDING_SIZE_UPDATER.addAndGet(this, size);
    if (newWriteBufferSize > channel.config().getWriteBufferHighWaterMark()) {
        setUnwritable(invokeLater);
    }
}
private void setUnwritable(boolean invokeLater) {
    for (;;) {
        final int oldValue = unwritable;
        final int newValue = oldValue | 1;
        if (UNWRITABLE_UPDATER.compareAndSet(this, oldValue, newValue)) {
            if (oldValue == 0 && newValue != 0) {
                fireChannelWritabilityChanged(invokeLater);
            }
            break;
        }
    }
}

低于低水位

當(dāng)ChannelOutboundBuffer的容量低于低水位設(shè)定閾值后，isWritable()返回true，設(shè)置channel可寫，并且觸發(fā)fireChannelWritabilityChanged()。

private void decrementPendingOutboundBytes(long size, boolean invokeLater, boolean notifyWritability) {
    if (size == 0) {
        return;
    }

    long newWriteBufferSize = TOTAL_PENDING_SIZE_UPDATER.addAndGet(this, -size);
    if (notifyWritability && newWriteBufferSize < channel.config().getWriteBufferLowWaterMark()) {
        setWritable(invokeLater);
    }
}
private void setWritable(boolean invokeLater) {
    for (;;) {
        final int oldValue = unwritable;
        final int newValue = oldValue & ~1;
        if (UNWRITABLE_UPDATER.compareAndSet(this, oldValue, newValue)) {
            if (oldValue != 0 && newValue == 0) {
                fireChannelWritabilityChanged(invokeLater);
            }
            break;
        }
    }
}

總結(jié)

當(dāng)ChannelOutboundBuffer的容量超過高水位設(shè)定閾值后，isWritable()返回false，表明消息產(chǎn)生堆積，需要降低寫入速度。

當(dāng)ChannelOutboundBuffer的容量低于低水位設(shè)定閾值后，isWritable()返回true，表明消息過少，需要提高寫入速度。通過以上三個(gè)步驟修改后，部署線上觀察半年未發(fā)生問題出現(xiàn)。