[Java实战]Spring Boot服务CPU 100%问题排查：从定位到解决

news2025/3/18 6:09:27

Spring Boot服务CPU 100%问题排查：从定位到解决

1. 引言

当Spring Boot服务出现CPU占用率100%时，系统性能会急剧下降，甚至导致服务不可用。本文将通过真实代码案例，详细讲解如何快速定位问题根源，并提供解决方案。无论是死循环、线程阻塞还是资源泄漏，本文帮你一网打尽！

2. 问题现象

  • 服务器CPU使用率持续100%
  • 接口响应时间变长或超时
  • 通过监控工具（如Grafana、Arthas）发现异常线程

3. 排查步骤

3.1 编写测试代码

在这里插入图片描述

3.2 运行代码效果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.3 定位高CPU进程

使用top命令快速找到占用CPU最高的Java进程：

top -c   # 显示完整命令，找到PID

终端输入命令：top -c，找到高cpu进程PID:420364

在这里插入图片描述

3.4 定位高CPU线程

通过top -Hp <PID>查看进程内线程的CPU使用情况，记录线程ID（需转换为十六进制）：

#查找进程中的线程
top -Hp <PID>

top -Hp 420364
 # 假设线程ID为433127 → 69be7 输出为16进制

printf "%x\n" 433127 


[root@localhost java]# printf "%x\n" 433127 
69be7

终端输入命令：top -Hp 420364，定位高cpu线程：433127

线程ID转换为16进制：69be7

生成堆栈信息：jstack 420364 > stack.log 生成时PID:420364

通过堆栈信息分析：grep -A 20 ‘nid=0x69be7’ stack.log nid=0x69be7为线程id

根据信息对比原代码可找到问题

在这里插入图片描述

3.5分析线程堆栈

使用jstack捕获线程堆栈并分析：

#生成线程堆栈
jstack <PID> > stack.log

jstack 420364 > stack.log
 # 搜索特定线程
grep -A 20 'nid=0x69be7' stack.log

在这里插入图片描述

在这里插入图片描述

排查结果及源代码问题对比：类32行运行结果导致cpu 100%

在这里插入图片描述

3.5 Arthas 工具定位

以上是根据Java自带的jstack 工具定位， Arthas 工具也能定位排查。定位思路和上面步骤一致

#安装下载启动
curl -O https://arthas.aliyun.com/arthas-boot.jar

java -jar arthas-boot.jar

启动选择需要定位项目：2

在这里插入图片描述

直接输入查看高cpu线程： thread

在这里插入图片描述

查看堆栈信息找到代码问题： thread 29 （线程ID)

在这里插入图片描述

如果想看实时面板信息： dashboard

在这里插入图片描述

4. 常见原因与代码示例

4.1 死循环（While循环未正确退出）

问题代码：

@Service
public class CpuProblemController {
    public void deadLoop() {
        while (true) {  // 无条件退出，导致死循环
            // 业务逻辑（如未正确更新循环条件）
        }
    }
}

解决方案：

@Service
public class CpuProblemController {
    private volatile boolean running = true;  // 添加退出标志
    
    public void deadLoop() {
        while (running) {  // 通过控制running变量退出循环
            // 业务逻辑
        }
    }
    
    @PreDestroy
    public void stop() {
        running = false;  // 服务关闭时触发退出
    }
}

测试完整类：

package com.example.controller;

import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

import javax.annotation.PreDestroy;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;

@RestController
@RequestMapping("/pro")
public class CpuProblemController {
    // 添加退出标志
    private volatile boolean running = true;

    // 创建线程池
    private final ExecutorService executorService = Executors.newFixedThreadPool(Runtime.getRuntime().availableProcessors());

    /**
     * 死循环：模拟 CPU 占满
     */
    @PostMapping("/deadLoop")
    public void deadLoop() {
        // 启动多个线程，每个线程执行死循环
        for (int i = 0; i < Runtime.getRuntime().availableProcessors(); i++) {
            executorService.submit(() -> {
                while (running) {
                    // 死循环，模拟高 CPU 使用率
                    System.out.println("=======死循环=========");
                    // 加入计算密集型任务
                    for (int j = 0; j < 1000000; j++) {
                        Math.sin(j); // 计算密集型操作
                    }
                }
            });
        }
    }

    @PreDestroy
    public void stop() {
        // 服务关闭时触发退出
        running = false;
        executorService.shutdownNow(); // 关闭线程池
    }
}

4.2 不合理递归（栈溢出与CPU飙升）

问题代码：

public class RecursionController {
    public int faultyRecursion(int n) {
        return n + faultyRecursion(n - 1);  // 无终止条件 → 无限递归
    }
}

解决方案：

public class RecursionController {
    public int safeRecursion(int n) {
        if (n <= 0) {  // 添加递归终止条件
            return 0;
        }
        return n + safeRecursion(n - 1);
    }
}

4.3 线程池未正确关闭（资源泄漏）

问题代码：

@RestController
public class ThreadController {
    private ExecutorService executor = Executors.newFixedThreadPool(10);

    @GetMapping("/task")
    public String submitTask() {
        executor.submit(() -> {
            while (true) {  // 线程池任务未终止
                // 长时间运行的任务
            }
        });
        return "Task submitted!";
    }
    
    // 未重写destroy方法关闭线程池 → 线程泄漏
}

解决方案：

@RestController
public class ThreadController {
    private ExecutorService executor = Executors.newFixedThreadPool(10);

    @GetMapping("/task")
    public String submitTask() {
        executor.submit(() -> {
            while (!Thread.currentThread().isInterrupted()) {  // 检查中断状态
                // 可中断的任务逻辑
            }
        });
        return "Task submitted!";
    }
    
    @PreDestroy
    public void shutdown() {
        executor.shutdownNow();  // 服务关闭时终止线程池
    }
}

4.4 锁竞争（线程阻塞与自旋）

问题代码：

public class LockCompetitionController {
    private final Object lock = new Object();
    
    public void highCpuMethod() {
        synchronized (lock) {
            // 长时间持有锁（如复杂计算或IO操作）
            try {
                Thread.sleep(10000);  // 模拟耗时操作
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    }
}

解决方案：

public class LockCompetitionDemo {
    private final Object lock = new Object();
    
    public void optimizedMethod() {
        // 缩小锁范围，只锁必要部分
        heavyCalculation();  // 将非线程安全操作移到锁外
        
        synchronized (lock) {
            // 仅保护共享资源
        }
    }
    
    private void heavyCalculation() {
        // 复杂计算逻辑
    }
}

4.5 频繁GC（内存泄漏导致CPU飙升）

问题代码：

public class MemoryLeakDemo {
    private static List<byte[]> cache = new ArrayList<>();
    
    @GetMapping("/leak")
    public void leakMemory() {
        while (true) {
            cache.add(new byte[1024 * 1024]);  // 不断添加数据 → 触发Full GC
        }
    }
}

解决方案：

public class MemoryLeakDemo {
    private static final int MAX_CACHE_SIZE = 100;
    private static List<byte[]> cache = new ArrayList<>();
    
    @GetMapping("/safe")
    public void safeMethod() {
        if (cache.size() >= MAX_CACHE_SIZE) {
            cache.clear();  // 定期清理缓存
        }
        cache.add(new byte[1024 * 1024]);
    }
}

5. 总结与预防

  1. 代码审查：重点关注循环、递归、线程池和锁的使用。
  2. 压测与监控：使用JMeter模拟高并发，通过Arthas实时监控CPU。
  3. 防御式编程：对递归添加终止条件，对循环添加超时机制。
  4. 工具辅助：利用jvisualvm或async-profiler进行性能分析。

希望这篇文章对你有所帮助！如果觉得不错，别忘了点赞收藏哦！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2317041.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

1.6 极限存在准则

1.6 极限存在准则

1.夹逼定理&#xff08;迫敛定理&#xff09; 1.1 数列型 1.1.1 准则 1.2 函数型 2. 两个重要极限
阅读更多...
大华SDK协议在智联视频超融合平台中的接入方法

大华SDK协议在智联视频超融合平台中的接入方法

一. 大华SDK协议详解 &#xff08;一&#xff09;、大华SDK协议概述 大华SDK&#xff08;Software Development Kit&#xff09;协议是大华股份为开发者提供的一套软件开发工具包&#xff0c;旨在帮助开发者快速集成大华设备&#xff08;如摄像头、NVR、DVR等&#xff09;的功…
阅读更多...
卓越的用户体验需要智能内容

卓越的用户体验需要智能内容

摘要&#xff1a;这篇文章指出静态文档已无法满足现代用户的需求&#xff0c;而智能内容则是构建卓越用户体验的关键。文章从智能内容的定义、优势和实际应用等方面进行了详细阐述&#xff0c;并强调了企业应积极拥抱智能内容&#xff0c;以提升客户满意度、降低成本并创造新的…
阅读更多...
【蓝桥杯】1124修建公路1（Kruskal算法）

【蓝桥杯】1124修建公路1（Kruskal算法）

思路 找到能够连通所有城市的最小树即可&#xff0c;可用Prim或Kruscal。 &#xff01;&#xff01;注意&#xff0c;m的范围是包括0的&#xff0c;可就是包含没有道路的情况&#xff0c;要单独输出0 code import os import sys# 输入 n,m map(int,input().split()) road …
阅读更多...
传感云揭秘：边缘计算的革新力量

传感云揭秘：边缘计算的革新力量

在当今快速发展的科技时代&#xff0c;传感云和边缘计算系统正逐渐成为人们关注的焦点。传感云作为物联网与云计算的结合体&#xff0c;通过虚拟化技术将物理节点转化为多个服务节点&#xff0c;为用户提供高效、便捷的服务。而边缘计算则是一种靠近数据源头或物端的网络边缘侧…
阅读更多...
Bigemap Pro 的三种地图下载方式

Bigemap Pro 的三种地图下载方式

地图下载通常是是最基础但也最重要的任务之一&#xff0c;无论是进行空间分析、制作专题地图&#xff0c;还是进行数据可视化&#xff0c;高质量的地图数据都是不可或缺的。Bigemap Pro提供了三种地图下载方式&#xff0c;分别适用于不同的场景和需求。无论是免费版用户还是专业…
阅读更多...
Python直方图：从核密度估计到高维空间解析

Python直方图：从核密度估计到高维空间解析

一、直方图的核心原理与数学本质 数据分布的视觉解码器 直方图&#xff08;Histogram&#xff09;是数据科学家的"分布显微镜"&#xff0c;通过将连续数据划分为等宽区间&#xff08;Bin&#xff09;&#xff0c;统计各区间的频数/频率&#xff0c;用相邻矩形条直观…
阅读更多...
0基础 | 恒流源专题

0基础 | 恒流源专题

目录 tip1&#xff1a;低端反馈​编辑 tip2: 恒流源电路的设计注意事项 tip3&#xff1a;三极管输出恒定电流受运放输出电流控制 tip4&#xff1a;高端反馈 基本逻辑&#xff1a; 当负端Vref不输入电压时&#xff0c; 当负端Vref输入电压时 tip1&#xff1a;低端反馈 判…
阅读更多...
Webpack 前端性能优化全攻略

Webpack 前端性能优化全攻略

文章目录 1. 性能优化全景图1.1 优化维度概览1.2 优化效果指标 2. 构建速度优化2.1 缓存策略2.2 并行处理2.3 减少构建范围 3. 输出质量优化3.1 代码分割3.2 Tree Shaking3.3 压缩优化 4. 运行时性能优化4.1 懒加载4.2 预加载4.3 资源优化 5. 高级优化策略5.1 持久化缓存5.2 模…
阅读更多...
【YOLOv8】YOLOv8改进系列（7）----替换主干网络之LSKNet

【YOLOv8】YOLOv8改进系列（7）----替换主干网络之LSKNet

主页&#xff1a;HABUO&#x1f341;主页&#xff1a;HABUO &#x1f341;YOLOv8入门改进专栏&#x1f341; &#x1f341;如果再也不能见到你&#xff0c;祝你早安&#xff0c;午安&#xff0c;晚安&#x1f341; 【YOLOv8改进系列】&#xff1a; 【YOLOv8】YOLOv8结构解读…
阅读更多...
【LangChain】理论及应用实战（7）：LCEL

【LangChain】理论及应用实战（7）：LCEL

文章目录 一、LCEL简介二、LCEL示例2.1 一个简单的示例2.2 RAG Search 三、LCEL下核心组件&#xff08;PromptLLM&#xff09;的实现3.1 单链结构3.2 使用Runnables来连接多链结构3.2.1 连接多链3.2.2 多链执行与结果合并3.2.3 查询SQL 3.3 自定义输出解析器 四、LCEL添加Memor…
阅读更多...
ai本地化 部署常用Ollama软件

ai本地化 部署常用Ollama软件

现在用最简单的方式介绍一下 Ollama 的作用和用法&#xff1a; Ollama 是什么&#xff1f; Ollama 是一个让你能在自己电脑上免费运行大型语言模型&#xff08;比如 Llama 3、Mistral 等&#xff09;的工具。 相当于你本地电脑上有一个类似 ChatGPT 的 AI&#xff0c;但完全…
阅读更多...
vllm部署QwQ32B(Q4_K_M)

vllm部署QwQ32B(Q4_K_M)

vllm部署QwQ32B(Q4_K_M) Ollama是一个轻量级的开源LLM推理框架&#xff0c;注重简单易用和本地部署&#xff0c;而VLLM是一个专注于高效推理的开源大型语言模型推理引擎&#xff0c;适合开发者在实际应用中集成和使用。两者的主要区别在于Ollama更注重为用户提供多种模型选择和…
阅读更多...
企业内网监控软件的选型与应用：四款主流产品的深度剖析

企业内网监控软件的选型与应用：四款主流产品的深度剖析

在数字化办公的时代背景下&#xff0c;企业内部网络管理的重要性愈发显著。对于企业管理者而言&#xff0c;如何精准掌握员工工作状态&#xff0c;保障网络安全与工作效率&#xff0c;已成为亟待解决的关键问题。本文将深入剖析四款主流企业内网监控软件&#xff0c;探讨其功能…
阅读更多...
Qt窗口控件之字体对话框QFontDialog

Qt窗口控件之字体对话框QFontDialog

字体对话框QFontDialog QFontDialog 是 Qt 内置的字体对话框&#xff0c;用户能够在这里选择字体的样式、大小&#xff0c;设置加粗和下划线并将结果作为返回值返回。QFontDialog 最好使用其提供的静态函数实例化匿名对象&#xff0c;并获取返回值最为用户选择字体设置的结果。…
阅读更多...
Qt QML实现视频帧提取

Qt QML实现视频帧提取

## 前言 视频帧率&#xff08;Frame Rate&#xff09;是指视频播放时每秒显示的画面帧数&#xff0c;通常用fps&#xff08;Frames Per Second&#xff09;来表示。视频是由一系列静止的图像帧组成的&#xff0c;而视频帧率则决定了这些图像帧在单位时间内播放的速度。较高的视…
阅读更多...
在 Ubuntu 服务器上使用宝塔面板搭建博客

在 Ubuntu 服务器上使用宝塔面板搭建博客

&#x1f4cc; 介绍 在本教程中&#xff0c;我们将介绍如何在 Ubuntu 服务器 上安装 宝塔面板&#xff0c;并使用 Nginx PHP MySQL 搭建一个博客&#xff08;如 WordPress&#xff09;。 主要步骤包括&#xff1a; 安装宝塔面板配置 Nginx PHP MySQL绑定域名与 SSL 证书…
阅读更多...
有了大语言模型还需要 RAG 做什么

有了大语言模型还需要 RAG 做什么

一、百炼平台简介 阿里云的百炼平台就像是一个超级智能的大厨房&#xff0c;专门为那些想要做出美味AI大餐的企业和个人厨师准备的。你不需要从头开始做每一道菜&#xff0c;因为这个厨房已经为你准备了很多预制食材&#xff08;预训练模型&#xff09;&#xff0c;你可以根据…
阅读更多...
【从0到1搞懂大模型】RNN基础（4）

【从0到1搞懂大模型】RNN基础（4）

先说几个常用的可以下载数据集的地方 平台&#xff1a;kaggle&#xff08;https://www.kaggle.com/datasets&#xff09; 和鲸社区&#xff08;https://www.heywhale.com/home&#xff09; 阿里天池&#xff08;https://tianchi.aliyun.com/&#xff09; 其他&#xff1a;海量公…
阅读更多...
【第K小数——可持久化权值线段树】

【第K小数——可持久化权值线段树】

题目 代码 #include <bits/stdc.h> using namespace std;const int N 1e5 10;int a[N], b[N]; int n, m, len; int rt[N], idx; // idx 是点分配器struct node {int l, r;int s; } tr[N * 22];int getw(int x) {return lower_bound(b 1, b len 1, x) - b; }int bui…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023