服务启动慢分析小记

最新推荐文章于 2026-01-07 11:22:02 发布

原创最新推荐文章于 2026-01-07 11:22:02 发布 · 777 阅读

23 ·

CC 4.0 BY-SA版权

文章标签：

#服务器 #运维

文章目录

1. 写在最前面

不出意外，就是要出意外。还是忙忙碌碌木有学习 AI 知识的一个月，那只能浅浅的记录一下，这个月分析定位服务启动慢问题的方法，方便后续再遇到时候，还要从头分析。

背景： 笔者负责的业务是有多个服务组成的，即当客户请求的时候，会根据客户的请求的参数，动态判断需要拉起的服务组合。具体组成：

master : 负责拉起 sidecar ，及根据 sidecar 返回的需要拉起的服务说明拉起服务
sidecar ：识别参数，然后返回需要拉起的服务内容

注：master 与 sidecar 之间是通过 pipe 交互的

现象： 请求会返回超时，原因是在 master 拉起 sidecar 的时候卡主超过了 5s 。

2. 分析过程

2.1 初步分析

这个现象在业务上 HCI 的时候，任务启动超时的现象很像，原因是在 hci 的 docker 上 pipe 大小被修改。

查看出现启动超时的机器的 pipe 大小：

#  ulimit -a
core file size          (blocks, -c) unlimited
data seg size           (kbytes, -d) unlimited
scheduling priority             (-e) 0
file size               (blocks, -f) unlimited
pending signals                 (-i) 128105
max locked memory       (kbytes, -l) 65536
max memory size         (kbytes, -m) unlimited
open files                      (-n) 100000
pipe size            (512 bytes, -p) 8
POSIX message queues     (bytes, -q) 819200
real-time priority              (-r) 0
stack size              (kbytes, -s) 8192
cpu time               (seconds, -t) unlimited
max user processes              (-u) 65535
virtual memory          (kbytes, -v) unlimited
file locks                      (-x) unlimited

注：通过 ulimit -a 到 pipe size 一次原子写入为：512Bytes*8=4096 bytes，而 linux pipe 的默认大小为 16内存页，即 4096 * 16 = 65536bytes

当时排查的时候记录过程：记一次神奇的 pipe 错误_pipe中数据小于4096无法读出

2.2 深入分析

2.2.1 是否为 master 卡住

首先，将机器上会有多个 master ，数量缩减为 1

其次，使用 strace 命令跟踪 master 的系统调用，观察其是否有卡住

注：attached 到 PID 为 18551 的进程，开始跟踪其系统调用。

# strace -p 18551
strace: Process 18551 attached
epoll_wait(4, [], 32, 622)              = 0
epoll_wait(4, [], 32, 2)                = 0
epoll_wait(4, [], 32, 998)              = 0
epoll_wait(4, [], 32, 998)              = 0
epoll_wait(4, [], 32, 2)                = 0
epoll_wait(4, [], 32, 998)              = 0
epoll_wait(4, [], 32, 997)              = 0
epoll_wait(4, [], 32, 1)                = 0
epoll_wait(4, [], 32, 1)                = 0
epoll_wait(4, [], 32, 997)              = 0
epoll_wait(4, [], 32, 1)                = 0
epoll_wait(4, [], 32, 1)                = 0
epoll_wait(4, [], 32, 997)              = 0
epoll_wait(4, [], 32, 1)                = 0
epoll_wait(4, [], 32, 997)              = 0
epoll_wait(4, [], 32, 1)                = 0
epoll_wait(4, [], 32, 1)                = 0
epoll_wait(4, ^Cstrace: Process 18551 detached
 <detached ...>

结论：启动超时的卡顿不在 master 侧

2.2.2 分析 sidecar 侧

首先，sidecar 这个进程在上述启动超时的情况下，只会保留 5s ，后面就会被 master 主动 kill，防止业务层级的资源泄漏

其次，需要写一个捕获某个 pid 进程的脚本，防止抓不住卡顿的现场，捕获的具体代码如下：

#!/bin/bash

process_name="sidecar."

# 获取进程的 PID
pid=$(pgrep $process_name)

# 检查是否获取到 PID
if [ -n "$pid" ]; then
    echo "Attaching strace to process $process_name with PID $pid"
    strace -p $pid
else
    echo "Process $process_name not found."
fi

注：将 strace 命令换为 gdb ，可以换为 gdb 调试的脚步

最后，发现上述的脚步，无法分析更多的原因，只能上 log debug 大法。「最质朴的手段」

结论：确实是 sidecar 卡主了，卡住的原因是同步初始化了内部的某个系统 client 卡主了 5s 以上

注：以后写代码，再着急的需求，也得把强弱依赖搞好！

2.2.2.1 gdb 调试

golang 的程序不要尝试使用 gdb 调试了，笔者亲测了，断点有的时候，跑在不同的线程上，似乎没有办法有效的断住。

Go 的运行时和调试信息可能会让 gdb 的某些功能变得复杂。特别是 goroutine 的调试可能不如在其他语言中那样直观。
Go 生态系统中有一个专门为 Go 设计的调试器，叫做 Delve（dlv）。它提供了更好的 Go 支持，尤其是在处理 goroutine 和 Go 的特性时。使用 Delve 进行调试通常会更简单和有效。

2.2.2.2 dlv 调试

这部分网上已经有很多的具体介绍了，这里我就不冗余记录了，但是有一点要注意:

{
	// Use IntelliSense to learn about possible attributes.
	// Hover to view descriptions of existing attributes.
	// For more information, visit: https://go.microsoft.com/fwlink/?linkid=830387
	"version": "0.2.0",
	"configurations": [
	  {
	    "name": "Launch Remote",
	    "type": "go",
	    "request": "attach",
	    "mode": "remote",
	//  "remotePath": "xxx", //项目远程根路径
	    "port": 8669, //监听端口
	    "host": "101.64.234.xxx", //远程主机/IP
	    "cwd": "/xxxx",//vscode本地工作目录
	    "trace": "verbose" //输出详情
	   }
	]
      }