Arthas线上实战：Dubbo线程池耗尽故障排查

上周末做了活动期间大量的限流告警提示。于是拜托运维大神先添加机器，暂时顶住压力。扩容一波增加了一些机器。然后，然后就看到了更多的接口响应超时告警。

2019-06-22 23:32:07,957 WARN [New I/O server worker #1-9] com.alibaba.dubbo.common.threadpool.support.AbortPolicyWithReport:warn:54 [DUBBO] Thread pool is EXHAUSTED! Thread Name: DubboServerHandler-172.***:62075, Pool Size: 200 (active: 200, core: 200, max: 200, largest: 200), Task: 771 (completed: 571), Executor status:(isShutdown:false, isTerminated:false, isTerminating:false), in dubbo://172.***:62075!, dubbo version: 2.5.3, current host: 172.16.6.3

Thread pool is EXHAUSTED!

问题排查

what ? 线程池耗尽。

1.客户端调用重试次数太多？

检查发现所有请求设置的重试次数都为0.

2.接口响应超时时间设置的过长？

单次请求超时时间3s.

3.是不是有线程阻塞？

打开 Arthas。

thread -b

thread

发现所有的SimpleAsyncTaskExecutor全部都是阻塞状态。那么它们在做什么呢？

插曲

运维重启了服务之后SimpleAsyncTaskExecutor 线程逐渐变成阻塞状态。（刚刚是全部为阻塞）

继续查看其中一个

thread 378

owned by DubboServerHandler 继续往下看

thread 146

整理一下，目前的结论是并非死锁，是数据库查询这里出了异常。奇怪，如果数据库有问题别的同类 服务为什么没有告警？

请运维大神排查，果然应用于数据库不在同一个网段，没有添加到ip白名单。

结论

扩容忽略了数据库链接。设置白名单问题修复。

思考

按照上面的排查看是与数据库连接出了问题，那这些跟Dubbo的dispatcher策略有没有关系呢？ 网上搜索到了解决方案:(没有验证) 修改dubbo provider的dispatcher策略，设置为message

<dubbo:protocol name=“dubbo” port=“8888” threads=“500” dispatcher=“message” />

dispatcher默认为all，所有的请求，均会分发给业务线程池处理。 dubbo默认的业务线程池大小是200，等待队列长度为0， 当线程池全部满了之后，后续的请求会丢弃。 但丢弃的请求也会交给业务线程池处理， 此时可能出现服务端已拒绝，但consumer一直在等待，直到超时