APNS开源包的内存泄露问题

本文讲述了在处理大规模Apple Push Notification Service (APNS) 推送时遇到的内存泄露问题及其解决过程。通过调整dubbo服务、增大堆内存、引入CountDownLatch优化线程控制、确保Socket关闭等方式,成功解决了由于SSLSocketImpl实例导致的内存占用过高问题,避免了Full GC的频繁触发,提高了推送服务的稳定性和效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

APNS(全称:Apple Push Notification Service),主要是用于往苹果设备推送push消息通知!


基本流程:



今天要聊的问题集中在第4个环节,我们自己的服务器往苹果的消息中心推送通知。


现状:

历史原因,push的代码散落在各个应用中,随着新消息通道不断接入,开发、维护成本较高,开始考虑构建push中心,

封装dubbo接口对外提供服务,对外屏蔽各种差异,将所有的push业务逐步收扰到push中心。

过程漫长,开始接入的是个人业务,每天的调用量不大,服务器还表现正常;

8月底,BI的推送管理后台开始对接进来并发布上线,由于BI是针对各种营销活动批量推送的,一次任务少则几万,多则上千万,

此时服务器开始暴露一些问题。


下面开始介绍优化过程:


1)第一次线上问题暴露,现象:短信报警,查看dubbo注册中心无provider服务,登录线上机器,load飙高到了40,ps看了jvm进程在,但dubbo日志里,服务注册失败。

查看gc,一直触发Full gc,old空间却释放不了


解决:重启集群。之前的策略是发送过来的数据会封装到一个线程任务里,由ThreadPoolExecutor慢慢消化,怀疑一次发送的token过多(一次400),生产速度快于消费速度,导致对象积累。联系BI的稀土同学,将一次任务的数量调整为100,并且每次调用接口后休眠100ms。


2)另外查看了jvm的参数,修改启动脚本,将原来的堆大小由1G调整为2G,新生代由原来的300M调整为1G

-Xms2g -Xmx2g -Xmn1g -XX:+UseParallelOldGC


了解BI的机器配置,24核cpu 64G内存,配置很高但只有一台,采用的是dubbo默认的随机路由方式,1对多,担心负载不均衡,

注:线上dubbo注册中心观察过,并不是所有的机器同时宕机,而是一个逐步的过程

调整路由策略,改为轮询方式:

更多内容可以参考 

### 芯片的概念与计算方法 芯片(Junction Temperature, Tj)是指芯片内部发热区域的度,通常是芯片内最热的部分[^3]。由于芯片在工作时会产生热量,因此通常高于芯片表面度(Case Temperature, Tc)和环境度(Ambient Temperature, Ta)。为了确保芯片的可靠性和使用寿命,设计人员需要掌握计算方法。 #### 计算公式 可以通过以下公式进行计算: - **公式 1**: \[ T_j = T_a + P \cdot R_{ja} \] 其中: - \(T_j\):(单位:°C) - \(T_a\):环境度(单位:°C) - \(P\):芯片功耗(单位:W) - \(R_{ja}\):从到环境的热阻(单位:°C/W) - **公式 2**: \[ T_j = T_c + P \cdot R_{jc} \] 其中: - \(T_c\):芯片表面度(单位:°C) - \(R_{jc}\):从芯片表面的热阻(单位:°C/W) 上述公式适用于不同的测量条件。如果可以直接测量芯片表面度,则使用公式 2 更为准确;如果只能获取环境度,则使用公式 1 进行估算[^5]。 #### 度估算方法 在实际应用中,可以通过以下方法对芯片进行估算: 1. **热成像仪法**: 使用热成像仪测量芯片表面度 \(T_c\),并根据芯片手册中的热阻参数 \(R_{jc}\) 计算 \(T_j\)。由于到壳的热阻较大,和壳之间的差异通常较小,一般可将壳加上 10°C 左右作为的近似值[^4]。 2. **功率损耗法**: 根据芯片的实际功耗 \(P\) 和热阻参数 \(R_{ja}\) 或 \(R_{jc}\),通过公式计算。需要注意的是,实际功耗应包括驱动功率、开关损耗和导通损耗等,且通常远小于芯片手册中给出的最大耗散功率。 3. **热仿真工具**: 使用热仿真工具(如 Flotherm)可以更精确地预测芯片分布,特别是在复杂散热环境中。这种方法能够考虑更多实际因素,如气流、材料特性等[^1]。 #### 示例代码 以下是一个简单的 Python 示例,用于根据公式计算芯片: ```python def calculate_junction_temperature(Ta, P, Rja): """ 计算芯片 :param Ta: 环境度 (°C) :param P: 芯片功耗 (W) :param Rja: 到环境的热阻 (°C/W) :return: (°C) """ Tj = Ta + P * Rja return Tj # 示例参数 Ta = 25 # 环境度 (°C) P = 2.5 # 功耗 (W) Rja = 50 # 到环境的热阻 (°C/W) # 计算 Tj = calculate_junction_temperature(Ta, P, Rja) print(f"芯片为: {Tj} °C") ```
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值