阿里云ESC服务器CPU一直处于100%该如何排查？

问题背景

使用 docker 容器化部署整个项目，然后服务器的CPU一直处于100%，此时就出现了问题：此时如果重新开启一个窗口去连接，或者访问宝塔面板、Navicat连接MySQL就连接不上了，问题很严重

问题分析

• 服务器CPU飙升至100%常见原因？

  • 程序或应用负载过重：如果你在服务器上运行的程序或应用负载很重，会导致CPU使用率飙升。这可能是因为程序设计不合理、代码有bug、数据库查询频繁等原因导致的。
  • 访问量激增：如果你的网站或服务突然遭受大量访问，服务器会面临巨大的压力，导致CPU使用率飙升。这可能是由于广告宣传、流量攻击或媒体报道等原因引起的。
  • 恶意软件或病毒感染：如果服务器中存在恶意软件或病毒，它们可能会消耗大量的CPU资源。这些恶意软件可以通过漏洞利用、下载非法软件、点击恶意链接等方式进入服务器。
  • 资源不足：如果服务器配置不足，例如内存不足或硬盘IO性能较差，会导致CPU负载过高。这种情况下，服务器无法及时处理任务，从而导致CPU使用率飙升。
  • 崩溃或错误日志：服务器出现崩溃或错误可能会导致CPU使用率飙升。你可以检查服务器的日志文件，查找错误信息以确定问题所在。

• 如何排查？

  这里提供一下我的排查思路吧，主要分为两种情况，恰巧这两种情况我都遇到了🤣

  • 方案一：针对CPU100%，同时能够正常执行指令的

    1. 定位凶手。使用top -c 查看CPU 占用情况 ，按P(大写)可以倒序查看占CPU占用率
    2. 分析原因。针对CPU超高的，如果这个进程我们明确知道，它并不是一个特别重要的进程，我们可以先直接通过kill -9 pid 杀死它，然后仔细 程序是否存在问题，比如死循环，循环依赖等等问题；如果是一个很重要的进程，我们可以通过jstack -l pid > pid.stack 将这个进程的堆栈信息重定向到pid.stack ，然后将这个进程对应的 tid 转换为16进制数（这个转换我们可以直接搜索在线进制转换即可，网上一大把），最后cat pid.stack ｜ grep '16tid' -C 20查看该线程打印出来的堆栈信息

    备注：pid是进程id，tid是线程id，16tid是tid转成16进制后的结果，注意区分，jvm的进程快照中线程显示是16进制的所以需要转成16进制

    上面那个方法是比较通用且常见的方法， 而我之前遇到过因为启动Nacos容器出现CPU飙升100%（感兴趣的可以参考这篇文章：Docker运行Nacos容器，过一会就报错UnsatisfiedDependencyException_知识汲取者的博客-CSDN博客），我是直接通过docker logs --tail 500 nacos查看日志，然后发现是 堆内存不够导致的，最终通过配置 jvm 堆内存参数，最终成功启动 nacos

  • 方案二：针对CPU100%，但是不能够正常执行指令的，也就是窗口直接卡的动都不动了

    这种情况没有其它办法，只能通过重启服务器了

    恰巧我也遇到过，之前在使用docker build -t 指令为三个后端 jar 包构建程一个容器的过程中，一下启动导致CPU直接飙升100%结果终端页面卡的动都动不了了，重启服务器后，我经过不断排查，最终定位到是由于我的服务器内存太小了，由于我有之前 Nacos 的bug解决经验了，所以这一次我就直接给每一个 jar 包的启动过程中都限制最大堆内存，最终就成功解决了

PS：相信过不了多久，我这段时间的项目就要上线了，到时候应该还会发一篇文章用于介绍我的新项目，尽情期待吧(●’◡’●)

参考文章：

• 排查Linux实例CPU资源使用率高达100%的异常问题-阿里云帮助中心 (aliyun.com)
• 【CPU100%排查】CPU100%问题排查方案 - 听风是雨 - 博客园 (cnblogs.com)
• 论线上如何排查一次CPU100%的情况 - 知乎 (zhihu.com)