线上问题定位神器:Arthas,已接入MCP

在线调试工具 Arthas Arthas(阿尔萨斯) 是 Alibaba开源的 Java诊断工具,深受开发者喜爱。 当遇到以下类似问题而束手无策时,Arthas 可以帮助你解决: 【1】这个类从哪个 jar 包加载的? 为什么会报各种类相关的 Exception? 【2】我改的代码为什么没有执行到? 难道是我没 commit? 分支搞错了? 【3】遇到问题无法在线上 debug,难道只能通过加日志再重新发布吗? 【4】线上遇到某个用户的数据处理有问题,但线上同样无法 debug,线下无法重现! 【5】是否有一个全局视角来查看系统. 阅读详情

👉 这是一个或许对你有用的社群

🐱 一对一交流/面试小册/简历优化/求职解惑,欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料: 

👉这是一个或许对你有用的开源项目

国产Star破10w的开源项目,前端包括管理后台、微信小程序,后端支持单体、微服务架构

RBAC权限、数据权限、SaaS多租户、商城、支付、工作流、大屏报表、ERP、CRM、AI大模型、IoT物联网等功能:

  • 多模块:https://gitee.com/zhijiantianya/ruoyi-vue-pro

  • 微服务:https://gitee.com/zhijiantianya/yudao-cloud

  • 视频教程:https://doc.iocoder.cn

【国内首批】支持 JDK17/21+SpringBoot3、JDK8/11+Spring Boot2双版本 

来源:苏三说技术


前言

线上问题要如何才能快速排查?

CPU飙高、接口变慢、内存泄漏,每一次都是手忙脚乱,一边翻Arthas命令手册,一边对着控制台输出猜问题。

如果你是刚入行的新人,可能连该敲什么命令都不知道。

不过,这一切正在改变。

2026年,Arthas正式接入了MCP 。

这意味着AI可以直接调用Arthas的所有诊断能力了。

以后排查线上问题,就变得更加简单了,只需要跟AI对话就行。

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

  • 项目地址:https://github.com/YunaiV/ruoyi-vue-pro

  • 视频教程:https://doc.iocoder.cn/video/

一、Java开发者的“线上救火队”

有些小伙伴在工作中可能遇到过这样的场景:线上应用突然CPU飙到100%,但本地无法复现;或者某个用户的数据出问题了,但线上无法断点调试。

这些时候,Arthas就是救火队。

它能在不修改代码、不重启应用的前提下,查看线程、方法追踪、监测入参返回值、查看类加载信息,几乎是Java线上排障的“瑞士军刀”。

传统的Arthas诊断流程:

Arthas背后的原理其实很精妙:它基于Java Instrumentation API与ASM字节码增强技术,可以在运行时动态修改类的字节码,插入监控逻辑。

你执行trace com.example.Service method时,Arthas会在该方法入口和出口处插入字节码,计算执行耗时并输出。这些字节码修改是临时的,当Arthas退出时会被还原,完全不会污染你的应用代码。

但现实也很直白:Arthas很强,门槛也很高。

你得知道该用哪个命令,得知道参数怎么写、OGNL怎么拼、如何限量避免线上刷屏,还得会“排障路径”——先拿证据,再收敛,再验证。

真正耗时的不是“敲命令”,而是每一步的决策。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

  • 项目地址:https://github.com/YunaiV/yudao-cloud

  • 视频教程:https://doc.iocoder.cn/video/

二、MCP:AI时代的“USB-C接口”

MCP(Model Context Protocol,模型上下文协议)是由Anthropic在2024年11月提出并开源的标准化协议,用于连接AI助手与各种工具和数据源。

它像USB-C一样,用一个通用接口替代了各种混乱的私有连接方式。

在MCP出现之前,每个AI模型对接每个工具都需要定制集成,形成了N×M的碎片化问题。

MCP用单一接口解决了这一困境:MCP Server只需构建一次,就能被任何MCP客户端调用。

MCP架构图:

其中MCP Host 是运行AI的应用(如Claude Desktop、Cursor),MCP Client 负责与Server通信,MCP Server 则提供诊断能力。

整个通信基于JSON-RPC 2.0,支持stdio和HTTP两种传输模式。

截至2026年初,已有超过10,000个活跃的MCP Server在生产环境运行,月SDK下载量达到9700万次。

三、Arthas + MCP

AI开始帮我们排查线上故障。

这是最激动人心的部分。

Arthas MCP Server是Arthas的一个实验性模块,通过HTTP/Netty提供统一的JSON-RPC 2.0接口,将Arthas的诊断命令封装成了AI可调用的工具。

官网地址:https://arthas.aliyun.com/doc/mcp-server.html

Arthas MCP Server架构图:

AI能直接执行这些命令并解读结果。目前已集成了26个核心诊断工具,覆盖JVM监控、类加载、方法追踪等全链路诊断需求。

这些工具被分为三大类:

类别

工具

功能

JVM相关(12个)

dashboard, heapdump, jvm, memory, thread, sysprop, sysenv, vmoption, perfcounter, vmtool, getstatic, ognl

实时面板、堆转储、JVM信息、内存分析、线程诊断、系统属性、环境变量、VM参数、性能计数器、强制GC、静态字段读取、动态表达式执行

类加载相关(8个)

sc, sm, jad, classloader, mc, redefine, retransform, dump

类信息查询、方法签名、反编译源码、类加载器分析、内存编译、类重定义、类重转换、字节码导出

监控诊断(6个)

monitor, stack, trace, watch, tt, profiler

方法监控、调用栈输出、耗时追踪、入参返回值监控、时空隧道、火焰图生成

Arthas MCP Server支持两种协议模式:

STREAMABLE模式 基于SSE推送流式响应,适合实时监控;

STATELESS模式 是传统请求-响应,适合简单集成。

四、实战案例

下面给大家分享几个线上故障场景,看AI是如何通过Arthas MCP帮我们一步步排查问题的。

4.1 场景描述

你负责的一个订单系统,在晚上8点高峰期突然报警:CPU使用率飙升到98% ,接口响应变慢,用户开始投诉。

你打开电脑,登录服务器,但看着黑压压的命令行,一时不知道从何查起。

这时候,你打开支持MCP的AI客户端(比如Cursor或Claude Desktop),输入一句话:

“我的订单服务CPU飙到98%,帮我排查一下是哪个线程导致的高CPU,它卡在哪里了?”

4.2 AI的“大脑”如何思考

AI接收到你的问题后,不会瞎猜,而是会按照一套内置的“故障排查剧本”来执行。

这套剧本是Arthas团队根据多年排障经验总结出来的,目前已经在Arthas Agent中实现。

AI的排查步骤(自动执行,无需你敲命令):

4.3 详细步骤拆解(小白也能看懂)

第一步:AI调用dashboard命令,查看整体情况

AI自动执行:call_tool("dashboard")

Arthas返回的数据类似这样(AI会自动解析):

ID     NAME                   CPU%    STATE
29     http-nio-8080-exec-8   89.2    RUNNABLE
12     DubboServerHandler-...  3.1     RUNNABLE
...(省略其他线程)

AI发现:线程ID 29,CPU占用89.2% ,名字是http-nio-8080-exec-8,这是一个处理HTTP请求的线程。

第二步:AI调用thread命令,查看这个线程在干什么

AI自动执行:call_tool("thread", {id: 29})

Arthas返回这个线程的完整堆栈(AI会自动分析):

"http-nio-8080-exec-8" #29 prio=5 os_prio=0 tid=0x00007f8e2c001800 nid=0x4f runnable
    java.lang.Thread.State: RUNNABLE
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4238)
    at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
    ...(省略中间调用)
    at com.example.logging.LogAspect.logAround(LogAspect.java:47)
    at com.example.order.service.OrderService.getOrder(OrderService.java:123)

第三步:AI分析堆栈,定位问题根源

AI会这样分析(你可以直接看到):

分析结果:

  • 线程卡在 java.util.regex.Pattern 的正则匹配方法中。

  • 调用链显示,问题发生在 LogAspect.java:47 的日志切面里。

  • 这个切面在处理某个超长字符串时,触发了一个性能极差的正则表达式(比如用了 .* 贪婪匹配 + 回溯)。

  • 根本原因 :日志切面中有一段用于脱敏的正则代码,在处理超过10KB的JSON请求体时,发生了“灾难性回溯”,导致CPU占满。

第四步:AI给出修复建议

AI会根据分析结果,给出具体的修复建议:

建议修复方案:

  1. 临时措施:关闭该日志切面(通过配置动态关闭)。

  2. 根本修复:重写正则表达式,将 .* 改为 [^"]* 避免回溯;或者改用String的indexOf方法替代正则。

  3. 增加日志切面的长度限制,超过2000字符不进行脱敏处理。

4.4 对比:没有AI时你要做什么?

如果没有AI,你需要:

  1. 登录服务器 → 2. 启动Arthas → 3. 敲dashboard找高CPU线程 → 4. 记住线程ID → 5. 敲thread 29 → 6. 看到堆栈后,手动分析是哪个类哪一行 → 7. 如果是正则问题,还要去查代码 → 8. 定位到切面 → 9. 修改代码 → 10. 重新发布。

每一步都可能因为不熟悉命令而卡住。现在有了Arthas MCP,你只需要说一句话,AI就帮你把前面9步全做了,而且还会给你解释原因和建议。

4.5 更复杂的场景:AI还能做更多

除了CPU飙高,Arthas MCP还能帮你排查:

  • 接口变慢 :AI可以调用trace命令,自动追踪整个调用链,找出最慢的那个方法。

  • 内存泄漏 :AI可以调用heapdump生成堆转储,然后配合其他MCP Server分析大对象。

  • 死锁 :AI可以调用thread -b检测死锁,并告诉你哪些线程互相等待。

  • 参数异常 :AI可以调用watch命令,监控方法入参和返回值,帮你找到非法数据。

五、Arthas MCP的优缺点与适用场景

优点:

  • 无需学习Arthas命令语法,用自然语言即可排查问题

  • 通过MCP协议统一集成到Claude Desktop、Cursor、Cherry Studio等主流AI客户端

  • 安全可控:通过Bear Token认证机制保障访问安全

  • 内置26个核心诊断工具,覆盖JVM监控、类加载、方法追踪全链路

  • 基于HTTP协议,可与IDE、监控系统无缝集成

缺点:

  • 当前为实验性模块,功能仍在快速迭代中

  • 需自行配置MCP客户端连接

  • 复杂场景可能需要人工干预验证AI推断

适用场景:

  • 日常线上故障快速排查

  • 新人培训期辅助诊断

  • 配合IDE进行代码级问题定位

  • 构建企业内部AI运维助手

总结

Arthas接入MCP,标志着线上故障排查进入了“AI辅助诊断”的新阶段。

从此,你不需要再记住Arthas的命令、参数和排障路径,只需要把现象描述给AI,AI就能自动执行诊断、分析数据、输出报告。

无论是CPU飙高、接口变慢、内存泄漏还是死锁检测,Arthas MCP都能帮你用自然语言完成全链路诊断。

最重要的是 :AI的“排障剧本”内置了阿里巴巴多年积累的百万级诊断经验,它知道第一步该看什么,第二步该查什么,第三步该怎么收敛。

这对于刚入行的新人来说,简直就是“随身带了一位10年经验的架构师”。

未来已来,你准备好用AI排查线上问题了吗?


欢迎加入我的知识星球,全面提升技术能力。

👉 加入方式,“长按”或“扫描”下方二维码噢:

星球的内容包括:项目实战、面试招聘、源码解析、学习路线。

文章有帮助的话,在看,转发吧。
谢谢支持哟 (*^__^*)
Arthas:Java 运行时诊断的深度剖析与应用研究 Arthas 是阿里巴巴开源的 Java 运行时诊断工具,凭借"无侵入、动态增强、功能全面"的核心特性,已成为 Java 生产环境问题排查的行业标准。本文从底层原理出发,系统阐述 Arthas 基于 Java Instrumentation API 与 ASM 字节码框架的技术架构,分析其从单机诊断工具向智能化诊断平台演进的技术路径,并结合实战案例探讨其在复杂分布式系统中的落地实践与未来发展方向。关键词:Arthas;Java 诊断;字节码增强;可观测性;AI 辅助诊断底层原理。 阅读详情

相关推荐

Arthas使用教程(8大分类)

1、基础命令。2、JVM相关。3、类与类加载器。4、option全局选项。5、项目中使用案例。

lydms的博客 11万+

一文解析Arthas

服务端是以任务的形式在后台跑任务,植入的代码随着任务的中止而被不会被执行,所以任务关闭后,不会对原有性能产生太大影响,而且原则上,任何 Arthas 的命令也不会引起任何原有业务逻辑的改变。非常重要,请注意,这些命令,都通过字节码增强技术来实现的,会在指定类的方法中插入一些切面来实现数据统计和观测,因此在线上、预发使用时,请尽量明确需要观测的类、方法以及条件,诊断结束要执行 shutdown 或将增强过的类执行 reset 命令。当然,一个好的习惯是,不管表达式中有没有引号,都使用引号括起来。

qq_35462834的博客 1万+

保姆级教程:用Docker快速部署mpromonet/webrtc-streamer实现WebRTC直播(附常见问题解决)

本文提供了一份详细的Docker部署mpromonet/webrtc-streamer的实战指南,帮助用户快速搭建WebRTC直播服务。内容涵盖从环境准备、基础部署到进阶配置与性能调优的全过程,并针对容器网络、视频流配置、跨网访问等常见问题提供了解决方案,旨在实现低延迟的流媒体传输。

dell8的博客 177

Java诊断工具Arthas入门教程

下载与安装 Linux安装 下载arthas-boot(推荐) 下载arthas-boot.jar,然后用java -jar的方式启动: wget https://alibaba.github.io/arthas/arthas-boot.jar java -jar arthas-boot.jar 打印帮助信息: java -jar arthas-boot.jar -h ...

淡淡的说非 2万+

使用Anaconda和conda快速搭建YOLO开发环境

本文详细介绍了如何使用Anaconda和conda为YOLO目标检测项目快速搭建独立、纯净的开发环境。通过创建虚拟环境,有效解决了Python包版本冲突和CUDA兼容性问题,并指导安装GPU版PyTorch等核心依赖,最后通过验证脚本确保环境配置成功,为YOLO开发提供了稳定可靠的基础。

weixin_28829629的博客 164

麒麟银河操作系统V10下ffmpeg的完整部署指南(兼容Linux系统)

本文提供在麒麟银河操作系统V10上从源码编译部署FFmpeg的完整指南,涵盖环境准备、核心依赖库(如x264)编译、FFmpeg本体配置安装、系统集成及常见问题排查。步骤详细,同样适用于Ubuntu、CentOS等主流Linux发行版,帮助用户打造功能强大的多媒体处理工具链。

weixin_29205061的博客 256

JVM工具之Arthas使用

写在前面 源码 。 Arthas是淘宝开源的JVM问题定位工具,本文一起来看下。 1:准备 arthas是一个可执行的jar包,可以从这里 下载,运行jar包后会列出所有的java进程,用户可以选择附加到哪个java进程,进而就可以使用arthas提供的各种命令来定位问题和辅助性能优化了。如下开始使用操作步骤: 在arthas的交互命令行中就可以执行其提供的命令来进行操作了,下面一起来看下。 2:命令的使用 2.1:thread thread命令用来查看线程信息,如线程的名称,所属组,优先级,占用CPU,

wang0907的博客 8417

FPGA和USB3.0通信-USB3.0 PHY介绍

可以和FPGA搭配使用的USB3.0 PHY芯片通过之前的介绍<FPGA和USB3.0通信-USB3.0协议介绍USB3.0 PHY简介首先我们需要了解PHY具体完成哪些工作以及我利...

OpenFPGA的博客 4941

Arthas Agent诊断利器来袭,从命令行到自然语言的跨越。

这款由阿里巴巴开源的Java诊断神器,在GitHub上斩获了37,000+Star,是无数Java程序员的线上排障必备工具。Arthas Agent将AI的自然语言理解能力与Arthas强大的诊断能力相结合,让Java应用诊断变得前所未有的简单。Agent 自动执行 thread -n 3,获取 CPU Top 3 线程,分析堆栈,给出诊断结论。截至2025年底,Arthas已迭代至4.x版本,最新版本带来了多项重磅更新:。理解自然语言:将你的诊断需求翻译成安全、精确的 Arthas 命令。

微信搜:import_bigdata,大数据领域硬核原创作者 518

PCL 模型滤波器【2025最新版】

根据给定的模型系数在点云中提取对应于模型的点云数据。博客长期更新,本文最新更新时间为:2025年6月17日。

点云侠的博客 4385

【数据分析】宏基因组alpha和beta多样性分析和差异物种筛选案例

本教程为读者呈现了宏基因组α和β多样性分析的完整案例。通过实际数据和详细步骤,读者可以深入理解这两种分析方法及其在R语言中的实现过程。教程中不仅提供了清晰的代码示例,还对每一步骤进行了详细解释,使读者能够轻松跟随并掌握分析技巧。无论是初学者还是有一定基础的研究者,都能通过本教程快速上手宏基因组多样性分析,为微生物组学研究提供有力支持。

专注生信领域 2223

Arthas

1、Arthas是什么Arthas 是一款开源的 Java 诊断工具,由阿里巴巴开源,主要面向在线上应用的实时监控和故障定位。它提供了一系列强大的功能,可以帮助开发者在不重启应用的情况下诊断应用中的问题。

qq_43012298的博客 6455

数据结构课程设计C/C++版--美团餐馆预定信息的管理与分析 1 2

本关任务:从文件user.txt中读取用户信息,包括账号、密码、联系方式等,创建一个用户信息的顺序表,根据账号判断顺序表中是否存在当前用户。如果存在,则添加失败。否则,判断输入的用户信息中是否有非法输入,若有则添加失败,否则将该用户作为新结点,按顺序插入到顺序表的相应位置,并将用户顺序表写入user.txt中。本关任务:从文件user.txt中读取用户信息,存入顺序表中。输入待查找的用户账号,调用折半查找算法判断用户顺序表中是否存在该用户的账号信息。如果存在,则返回其在顺序表中的位置,说明查找成功;

m0_62222486的博客 4964

都2024年了,线上部署你不会只会log 调试吧,Arthas了解下!

Arthas:告别低效日志调试

wanghuichen的博客 5231

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

Arthas入门到精通

Arthas是Alibaba开源的一款Java诊断工具,方便开发者在线排查问题,无需重启,同时可以跟踪Java代码,实时监控JVM状态,目前Arthas仅支持JDK6+,支持Linux/Mac/Windows,采用命令行交互模式,具有 Tab 自动补全功能,便于开发者进行快速定位和诊断问题。 https://arthas.aliyun.com/arthas-boot.jar 离线全量下载(如果服务器没有外网可以采用这种情况) https://arthas.aliyun.com/download/late

qq_40357769的博客 4793

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

Arthas(阿尔萨斯)使用

Arthas(阿尔萨斯)使用 1、背景 2、Arthas 介绍 3、Arthas 使用场景 4、 Arthas 如何使用 4.1 安装 4.2 demo 4.3 启动Arthas 4.4 用arthas解决常见问题 4.4.1 cpu占用过高 4.4.2 死锁 4.4.3 内存泄漏 4.5其他命令 4.5.1 help命令 4.5.2 dashboard命令 4.5.3 t

S_X007的博客 2万+

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

阿里问题定位神器 Arthas 的骚操作,定位线上BUG,超给力!

点击上方“芋道源码”,选择“设为星标”做积极的人,而不是积极废人!源码精品专栏原创 | Java 2020 超神之路,很肝~中文详细注释的开源项目RP...

芋艿V 1236
上一篇: 2小时5万Star!敲10句话去睡觉,AI连夜干出51万行代码霸榜GitHub
下一篇: 指挥多个 AI 编程助手同时干活的工具
公众号-芋道源码
博客等级 码龄10年 1637粉丝 377原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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