文 | xybaby 出处 | cnblogs

服务器程序员最怕的就是程序crash,不过有时候程序没有crash,但是“不工作”了也是够吓人的。所谓“不工作”就是指程序不再响应新的请求,处在了某种自娱自乐的状态,英语有一个很形象但的单词“hung”,但我不知道怎么翻译,姑且称之为“卡住”吧。本人遇到过的有两种情况,一种是卡在系统调用,如常见的磁盘IO或者网络、多线程锁;另一种就是代码进入了死循环。

在《日志的艺术》一文中,讨论了日志的重要性,如果日志恰当,也能帮助我们分许程序卡住的问题。如果狂刷重复的日志,那么很可能就是死循环,从日志内容就能分析出死循环的位置,甚至是死循环的原因。如果没有日志输出了,那么看看最后一条日志的内容,也许就会告诉我们即将进行IO操作,当然也可能是即将进入死循环。

如果日志无法提供充足的信息,那就得求助于其他的手段,在Linux下当仁不让的自然是gdb,gdb的功能很强大,陈皓大牛的用GDB调试程序系列是我见过的讲解gdb最好的中文文章。CPython是用C语言实现的,自然也是可以用gdb来调试的,只不过,默认只显示C栈,凡人如我是无法脑补出python栈来的,这个时候就需要使用到python-dbg与libpython了,前者帮助显示Python源码的符号信息,后者能让我们能在Python语言这个层面调试程序,比如打印Python调用栈。

本文简答介绍在linux环境下如何利用gdb来分析卡住的程序,本文使用的Python为Cpython2.7,操作系统为Debian。

阻塞在IO

程序被卡住,很可能是程序被阻塞了,即在等待(wait)等个系统调用的结束,比如磁盘IO与网络IO、多线程,默认的情况下很多系统调用都是阻塞的。多线程的问题复杂一下,后面专门介绍。下面举一个UDP Socket的例子(run_forever_block.py):

    1. # -*- coding: utf-8 -*-
    2. import socket
    3. def simple_server():
    4. address = ('0.0.0.0', 40000)
    5. s = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
    6. s.bind(address)
    7. while True:
    8. data, addr = s.recvfrom(2048)
    9. if not data:
    10. print "client has exist"
    11. break
    12. print "received:", data, "from", addr
    13. if __name__ == '__main__':
    14. simple_server()

这是一个简单的UDP程序,代码在(0.0.0.0, 40000)这个地址上等待接收数据,核心就是第10行的recvfrom函数,这就是一个阻塞(blocking)的系统调用,只有当读到数据之后才会返回,因此程序会卡在第10行。当然,也可以通过fcntl设置该函数为非阻塞(non-blocking)。

我们来看看阻塞的情况,运行程序,然后通过top查看这个进程的状态

可以看到这个进程的pid是26466,进程状态为S(Sleep),CPU为0.0。进程状态和CPU都暗示我们,当前进程正阻塞在某个系统调用。这个时候,有一个很好使的命令:strace,可以跟踪进程的所有系统调用,我们来看看

    1. > ~$ strace -T -tt -e trace=all -p 26466
    2. > Process 26466 attached
    3. > 19:21:34.746019 recvfrom(3,

可以看到,进程卡在了recvfrom这个系统调用,对应的文件描述符(file descriptor)是3,其实通过recvfrom这个名字,大致也能定位问题。关于文件描述符,还有一个更实用的命令,lsof(list open file),可以看到当前进程打开的所有文件,在linux下,一切皆文件,自然也就包括了socket。

    1. > lsof -p 26466
    2. > COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAME
    3. >
    4. > ...
    5. > python 26466 xxxxxxx **3u** IPv4 221871586 0t0 UDP \*:40000

从上面可以看出这个文件描述符(3U)更详细的信息,比如是IPV4 UDP,监听在40000端口等等。

使用gdb调试Python程序

上面这个例子非常的简单,简单到我们直接从系统调用就能看出问题,但是实际的情况下可能更加复杂,即无法通过系统调用直接定位到处问题的代码。这个时候就可以使用gdb了,关于如何用gdb来调试python程序,可以参考了使用gdb调试Python进程这篇文章。以上面的代码为例,首先得做好准备条件

首先,参考DebuggingWithGdb,根据自己的Linux系统安装好python-dbg,在我的平台(Debian)上即 sudo apt-get install gdb python2.7-dbg

然后,下载libpython,放在自己的HOME目录下

接下来就可以使用gdb进行分析了:gdb -p 26466

在gdb的交互式环境中,使用bt命令,看到的是C栈,意义不大,我们直接来看Python栈

    1. > (gdb) python
    2. > \>import sys
    3. > \>sys.path.insert(0, '/home/xxx')
    4. > \>import libpython
    5. > \>end
    6. >
    7. >
    8. > (gdb) py-bt
    9. >
    10. > Traceback (most recent call first):
    11. > File "run\_forever\_block.py", line 10, in simple\_server
    12. > data, addr = s.recvfrom(2048)
    13. >   File "run\_forever\_block.py", line 17, in <module>
    14. > simple\_server()

可以看到,通过py-bt就能显示出完整的python调用栈,能帮助我们定位问题。还有很多py开头的命令,具体可见libpython.py中(所有gdb.Command的子类都是一个命令),这篇文章中总结了几个常用的:

    1. > * py-list   查看当前python应用程序上下文
    2. > * py-bt    查看当前python应用程序调用堆栈
    3. > * py-bt-full    查看当前python应用程序调用堆栈,并且显示每个frame的详细情况
    4. > * py-print    查看python变量
    5. > * py-locals   查看当前的scope的变量
    6. > * py-up    查看上一个frame
    7. > * py-down    查看下一个frame

死循环

死循环很令人讨厌,死循环是预期之外的无限循环。最典型的预期之内的无限循环是socketserver,进程不死,服务不止。而死循环看起来很忙(CPU100%),但是没有任何实质的作用。死循环有不同的粒度,最粗的粒度是两个进程之间的相互调用,比如RPC;其次是函数级别,较为常见的是没有边界条件的递归调用,或者在多个函数之间的相互调用;最小的粒度是在一个函数内部,某一个代码块(code block)的死循环,最为常见的就是for,while语句。在Python中,函数级别是不会造成无限循环的,如代码所示:

    1. # -*- coding: utf-8 -*-
    2. def func1():
    3. func()
    4. def func():
    5. func1()
    6. if __name__ == '__main__':
    7. func()

运行代码,很快就会抛出一个异常:RuntimeError: maximum recursion depth exceeded。显然,python内部维护了一个调用栈,限制了最大的递归深度,默认约为1000层,也可以通过 sys.setrecursionlimit(limit) 来修改最大递归深度。在Python中,虽然出现这种函数级别的死循环不会导致无限循环,但是也会占用宝贵的CPU,也是决不应该出现的。

而代码块级别的死循环,则会让CPU转到飞起,如下面的代码

    1. # -*- coding: utf-8 -*-
    2. def func():
    3. while True:
    4. pass
    5. if __name__ == '__main__':
    6. func()

这种情况,通过看CPU还是很好定位的

从进程状态R(run),以及100%的CPU,基本上就能确定是死循环了,当然也不排除是CPU密集型,这个跟代码的具体逻辑相关。这个时候,也是可以通过gdb来看看当前调用栈的,具体的准备工作如上,这里直接给出py-bt结果

    1. > (gdb) py-bt
    2. > Traceback (most recent call first):
    3. >   File "run\_forever.py", line 5, in func
    4. >   File "run\_forever.py", line 8, in <module>
    5. > (gdb)

在《无限“递归”的python程序》一文中,提到过使用协程greenlet能产生无限循环的效果,而且看起来非常像函数递归,其表现和gdb调试结果与这里的死循环是一样的

多线程死锁

由于Python的GIL,在我们的项目中使用Python多线程的时候并不多。不过多线程死锁是一个非常普遍的问题,而且一般来说又是一个低概率的事情,复现不容易,多出现在高并发的线上环境。这里直接使用《飘逸的python - 演示一种死锁的产生》中的代码,然后分析这个死锁的多线程程序

    1. #coding=utf-8
    2. import time
    3. import threading
    4. class Account:
    5. def __init__(self, _id, balance, lock):
    6. self.id = _id
    7. self.balance = balance
    8. self.lock = lock
    9. def withdraw(self, amount):
    10. self.balance -= amount
    11. def deposit(self, amount):
    12. self.balance += amount
    13. def transfer(_from, to, amount):
    14. if _from.lock.acquire():#锁住自己的账户
    15. _from.withdraw(amount)
    16. time.sleep(1)#让交易时间变长,2个交易线程时间上重叠,有足够时间来产生死锁
    17. print 'wait for lock...'
    18. if to.lock.acquire():#锁住对方的账户
    19. to.deposit(amount)
    20. to.lock.release()
    21. _from.lock.release()
    22. print 'finish...'
    23. a = Account('a',1000, threading.Lock())
    24. b = Account('b',1000, threading.Lock())
    25. threading.Thread(target = transfer, args = (a, b, 100)).start()
    26. threading.Thread(target = transfer, args = (b, a, 200)).start()

线程死锁代码实例

运行代码,可以看见,该进程(进程编号26143)也是出于Sleep状态,因为本质上进程也是阻塞在了某个系统调用,因此,同样可以使用strace

    1. > p$ strace -T -tt -e trace=all -p 26143
    2. > Process 26143 attached
    3. > 19:29:29.289042 futex(0x1286060, FUTEX\_WAIT\_PRIVATE, 0, NULL

可以看见,进程阻塞在futex这个系统调用,参数的意义可以参见manpage。

gdb也非常适用于调试多线程程序,对于多线程,有几个很使用的命名

  • info thread:列出所有的线程,以及所在线程
  • thread x:切换到第X号线程
  • thread apply all bt:打印所有线程的调用栈

下面是简化后的结果

    1. > (gdb) info thread
    2. > Id Target Id Frame
    3. > 3 Thread 0x7fb6b2119700 (LWP 26144) "python" 0x00007fb6b38d8050 in sem\_wait () from /lib/x86\_64-linux-gnu/libpthread.so.0
    4. > 2 Thread 0x7fb6b1918700 (LWP 26145) "python" 0x00007fb6b38d8050 in sem\_wait () from /lib/x86\_64-linux-gnu/libpthread.so.0
    5. > \* 1 Thread 0x7fb6b3cf8700 (LWP 26143) "python" 0x00007fb6b38d8050 in sem\_wait () from /lib/x86\_64-linux-gnu/libpthread.so.0
    6. > (gdb) thread apply all bt
    7. >
    8. > Thread 3 (Thread 0x7fb6b2119700 (LWP 26144)):
    9. > #0 0x00007fb6b38d8050 in sem\_wait () from /lib/x86\_64-linux-gnu/libpthread.so.0
    10. > #1 0x000000000057bd20 in PyThread\_acquire\_lock (waitflag=1, lock=0x126c2f0) at ../Python/thread\_pthread.h:324
    11. > #2 lock\_PyThread\_acquire\_lock.lto\_priv.2551 () at ../Modules/threadmodule.c:52
    12. > ...
    13. >
    14. > Thread 2 (Thread 0x7fb6b1918700 (LWP 26145)):
    15. > #0 0x00007fb6b38d8050 in sem\_wait () from /lib/x86\_64-linux-gnu/libpthread.so.0
    16. > #1 0x000000000057bd20 in PyThread\_acquire\_lock (waitflag=1, lock=0x131b3d0) at ../Python/thread\_pthread.h:324
    17. > ...
    18. >
    19. > Thread 1 (Thread 0x7fb6b3cf8700 (LWP 26143)):
    20. > #0 0x00007fb6b38d8050 in sem\_wait () from /lib/x86\_64-linux-gnu/libpthread.so.0
    21. > #1 0x000000000057bd20 in PyThread\_acquire\_lock (waitflag=1, lock=0x1286060) at ../Python/thread\_pthread.h:324
    22. > #2 lock\_PyThread\_acquire\_lock.lto\_priv.2551 () at ../Modules/threadmodule.c:52
    23. > ...

这里推荐一篇非常不错的文章,用gdb调试python多线程代码-记一次死锁的发现,记录了一个在真实环境中遇到的多线程死锁问题,感兴趣的同学可以细读。

Coredump

当进程被卡主,我们需要尽快恢复服务,被卡主的原因可能是偶然的,也有可能是必然的,而且实际中导致进程卡主的真正原因不一定那么清晰明了。在我们分析卡主的具体原因的时候,我们可能需要先尽快重启服务,这个时候就需要保留现场了,那就是coredump。

按照我的经验,有两种方式。

第一种,kill -11 pid,11代表信号SIGSEGV,在kill这个进程的同时产生coredump,这样就可以迅速重启程序,然后慢慢分析

第二种,在gdb中使用gcore(generate-core-file),这个也很有用,一些bug我们是可以通过gdb线上修复的,但问题还是需要时候继续查看,这个时候就可以用这个命令先产生coredump,然后退出gdb,让修复后的程序继续执行。

总结

当一个进程不再响应新的请求时,首先看日志,很多时候日志里面会包含足够的信息。

其次,看进程的信息,Sleep状态,以及100%的CPU都能给我们很多信息,也可以用pidstat查看进程的各种信息

如果怀疑进程被阻塞了,那么可以使用strace确认

linux下,gdb是很好的调试武器,建议平时多试试,coredump也是一定会遇到的

linux下运行的Python程序,可以配合使用python-dbg和libpython分析程序。

发表评论

邮箱地址不会被公开。 必填项已用*标注