作者：vivo互聯(lián)網(wǎng)服務(wù)器團(tuán)隊(duì)-Zhang Lin

一、業(yè)務(wù)背景

目前移動(dòng)端的使用場(chǎng)景中會(huì)用到大量的消息推送，push消息可以幫助運(yùn)營(yíng)人員更高效地實(shí)現(xiàn)運(yùn)營(yíng)目標(biāo)（比如給用戶推送營(yíng)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(wú)延時(shí)，支持每秒百萬(wàn)推送，單機(jī)百萬(wàn)長(zhǎng)連接。

• 支持通知、文本、自定義消息透?jìng)鞯日宫F(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(jiǎn)單描述（API->推送模塊->手機(jī)）。

二、問題背景

推送系統(tǒng)中長(zhǎng)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(zhǎng)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(zhǎng)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(zhǎng)連接節(jié)點(diǎn)是Netty開發(fā)，為便于讀者理解，下面簡(jiǎn)單介紹一下Netty。

三、?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郑鳛楫?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。

四、問題分析

4.1 猜想

最初猜想是長(zhǎng)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(zhǎng)連接數(shù)：39萬(wàn)，如下圖：

每個(gè)channel字節(jié)大小1456, 按40萬(wàn)長(zhǎng)連接計(jì)算，不致于產(chǎn)生內(nèi)存過大現(xiàn)象。

4.2 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。

4.3 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)。

4.4 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(wú)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(zhǎng)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(chǎng)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。消息大小（1K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)。

五、問題解決

5.1 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；

@Overridepublic 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)。

5.2 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

5.3 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()