记一次 .NET 某三甲医院HIS系统内存暴涨分析

一：背景

1. 讲故事

前几天有位朋友加wx说他的程序遭遇了内存暴涨，求助如何分析？

和这位朋友聊下来，这个dump也是取自一个HIS系统，如朋友所说我这真的是和医院杠上了，这样也好，给自己攒点资源，好了，不扯了，上windbg说话。

二： windbg 分析

1. 托管还是非托管？

既然是内存暴涨，那就看看当前进程的 commit 内存有多大？



0:000> !address -summary

--- State Summary ---------------- RgnCount ----------- Total Size -------- %ofBusy %ofTotal

MEM_FREE                                174     7ffe`baac0000 ( 127.995 TB)          100.00%

MEM_COMMIT                             1153        1`33bd3000 (   4.808 GB)  94.59%    0.00%

MEM_RESERVE                             221        0`1195d000 ( 281.363 MB)   5.41%    0.00%

可以看出大概占了 4.8G,接下来再看看托管堆内存。



0:000> !eeheap -gc

Number of GC Heaps: 1

generation 0 starts at 0x00000207a4fc48c8

generation 1 starts at 0x00000207a3dc3138

generation 2 starts at 0x0000020697fc1000

ephemeral segment allocation context: none

------------------------------

GC Heap Size:            Size: 0x1241b3858 (4900730968) bytes.

从最后一行可以看出托管堆占用 4900730968/1024/1024/1024=4.5G，两个指标一比对，原来是托管内存出问题了，这下好办了。。。

2. 查看托管堆

既然内存是被托管堆吃掉了，那就看看托管堆上到底都有些什么东西？？？



0:000> !dumpheap -stat

Statistics:

              MT    Count    TotalSize Class Name

...

00007ffd00397b98  1065873    102323808 System.Data.DataRow

00000206978b8250  1507805    223310768      Free

00007ffd20d216b8  4668930    364025578 System.String

00007ffd20d22aa8      797    403971664 System.String[]

00007ffd20d193d0   406282   3399800382 System.Byte[]

Total 9442152 objects

不看不知道，一看吓一跳，System.Byte[] 差不多占用了 3.3 G 内存，也就是说 gc 堆差不多都被它吃掉了，根据经验肯定是有个什么大对象，那接下来怎么分析呢？除了用脚本对 byte[] 进行暴力分组统计之外，纯人肉还有其他的技巧吗? 当然有，可以用 !heapstat 观察下这些对象在托管堆上的代信息。



0:000> !heapstat

Heap             Gen0         Gen1         Gen2          LOH

Heap0         2252000     18880400   3968704192    910894376

Free space:                                                 Percentage

Heap0           43128       770160    185203264     39849984SOH:  4% LOH:  4%

从图中可以看出，当前的大头在 Gen2 上，接下来可以用 eeheap -gc 去找 Gen2 的段地址区间，从而最小化的显示heap上内容。



0:000> !eeheap -gc

Number of GC Heaps: 1

generation 0 starts at 0x00000207a4fc48c8

generation 1 starts at 0x00000207a3dc3138

generation 2 starts at 0x0000020697fc1000

ephemeral segment allocation context: none

         segment             begin         allocated              size

0000020697fc0000  0000020697fc1000  00000206a7fbec48  0xfffdc48(268426312)

00000206bbeb0000  00000206bbeb1000  00000206cbeaef50  0xfffdf50(268427088)

00000206ccc40000  00000206ccc41000  00000206dcc3f668  0xfffe668(268428904)

00000206dcc40000  00000206dcc41000  00000206ecc3f098  0xfffe098(268427416)

0000020680000000  0000020680001000  000002068ffff8c0  0xfffe8c0(268429504)

00000206ff4d0000  00000206ff4d1000  000002070f4cf588  0xfffe588(268428680)

000002070f4d0000  000002070f4d1000  000002071f4cf9f0  0xfffe9f0(268429808)

000002071f4d0000  000002071f4d1000  000002072f4cfef0  0xfffeef0(268431088)

000002072f4d0000  000002072f4d1000  000002073f4cf748  0xfffe748(268429128)

000002073f4d0000  000002073f4d1000  000002074f4ce900  0xfffd900(268425472)

00000207574d0000  00000207574d1000  00000207674cfe70  0xfffee70(268430960)

00000207674d0000  00000207674d1000  00000207774ceaf8  0xfffdaf8(268425976)

00000207774d0000  00000207774d1000  00000207874cf270  0xfffe270(268427888)

00000207874d0000  00000207874d1000  00000207974cf7a8  0xfffe7a8(268429224)

00000207974d0000  00000207974d1000  00000207a51ea5a8  0xdd195a8(231839144)

一般来说，第一个 segment 是给 gen0 + gen1 的，后续的 segment 就是 gen2，接下来我就选 segment： 00000206dcc41000 - 00000206ecc3f098 ，然后使用 !dumpheap 导出该区间的所有对象。



0:000> !dumpheap -stat 00000206dcc41000 00000206ecc3f098

Statistics:

              MT    Count    TotalSize Class Name

00007ffd00397b98   191803     18413088 System.Data.DataRow

00007ffd20d216b8   662179     37834152 System.String

00007ffd20d193d0    23115    187896401 System.Byte[]

从这个内存段上看，Byte[] 有 2.3w 个，还不算多，全部dump出来看看有什么特征。



0:000> !dumpheap -mt 00007ffd20d193d0 00000206dcc41000 00000206ecc3f098

         Address               MT     Size

00000206dcc410e8 00007ffd20d193d0     8232

00000206dcc43588 00007ffd20d193d0     8232

00000206dcc45a48 00007ffd20d193d0     8232

00000206dcc47d78 00007ffd20d193d0     8232

00000206dcc4a028 00007ffd20d193d0     8232

00000206dcc4c4b0 00007ffd20d193d0     8232

00000206dcc4eb08 00007ffd20d193d0     8232

00000206dcc50e88 00007ffd20d193d0     8232

00000206dcc535b0 00007ffd20d193d0     8232

00000206dcc575d8 00007ffd20d193d0     8232

00000206dcc5a5a8 00007ffd20d193d0     8232

00000206dcc5cbf8 00007ffd20d193d0     8232

00000206dcc5eef8 00007ffd20d193d0     8232

00000206dcc611f8 00007ffd20d193d0     8232

00000206dcc634e8 00007ffd20d193d0     8232

00000206dcc657f0 00007ffd20d193d0     8232

00000206dcc67af8 00007ffd20d193d0     8232

00000206dcc69e00 00007ffd20d193d0     8232

...

我去，99% 都是 8232byte，原来都是些 8k 的byte数组，那到底谁在使用它，用 !gcroot 查一下引用根。



0:000> !gcroot 00000206dcc410e8

Thread 8c1c:

        rsi:

            ->  00000206983d5730 System.ServiceProcess.ServiceBase[]

                ...

            ->  000002069dcb6d38 OracleInternal.ConnectionPool.OraclePool

                ...

            ->  000002069dc949c0 OracleInternal.TTC.OraBufReader

            ->  000002069dc94a70 System.Collections.Generic.List`1[[OracleInternal.Network.OraBuf, Oracle.ManagedDataAccess]]

            ->  00000206ab8c2200 OracleInternal.Network.OraBuf[]

            ->  00000206dcc41018 OracleInternal.Network.OraBuf

            ->  00000206dcc410e8 System.Byte[]

从引用链来看，貌似是被 OracleInternal.Network.OraBuf[] 持有着，这就很疑惑了，难道是 Oracle Sdk 出的bug把内存给搞崩了？好奇心来了，看一下元素个数和size各是多少？



0:000> !do 00000206ab8c2200

Name:        OracleInternal.Network.OraBuf[]

MethodTable: 00007ffcc7833c68

EEClass:     00007ffd20757728

Size:        4194328(0x400018) bytes

Array:       Rank 1, Number of elements 524288, Type CLASS (Print Array)

Fields:

None

0:000> !objsize 00000206ab8c2200

sizeof(00000206ab8c2200) = -1086824024 (0xbf3861a8) bytes (OracleInternal.Network.OraBuf[])

当前数组有 52w ，totalsize直接负数了。

3. 寻找问题代码

知道现象之后，接下来用 ILSpy 把 Oracle SDK 反编译看看，最终一比对，如下图所示：

原来m_tempOBList是内存暴涨的罪魁祸首，这就很尴尬了，它为什么会暴涨？为什么不释放？由于我对 Oracle 也不熟悉，只能求助于神奇的 StackOverflow，我去，还真有天涯沦落人，Huge managed memory allocation when reading (iterating) data with DbDataReader

大概是说这种现象是 Oracle SDK 在读取 Clob 类型的字段有一个bug，解决办法也很简单，用完后就释放，详情参见如下图：

4. 寻找真相

既然帖子上是说读取 Clob 类型出的问题，那就把所有线程栈都调出来，看看此时的线程栈中是否有 Clob 的踪影？

从线程栈上看，代码是通过 ToDataTable 方法将 IDataReader 转成 DataTable，在转换过程中读取了大字段，自然就有了 GetCompleteClobData，也就是说完美命中帖子所说，为了让结论更准确，我就去挖一下当前的 DataReader 已经读了多少行了？



0:028> !clrstack -a

OS Thread Id: 0xbab0 (28)

000000e78ef7d520 00007ffd00724458 System.Data.DataTable.Load(System.Data.IDataReader, System.Data.LoadOption, System.Data.FillErrorEventHandler)

    PARAMETERS:

        this = <no data>

        reader (<CLR reg>) = 0x00000206a530ac20

        loadOption = <no data>

        errorHandler = <no data>

0:028> !do 0x00000206a530ac20

Name:        Oracle.ManagedDataAccess.Client.OracleDataReader

MethodTable: 00007ffcc7933b10

EEClass:     00007ffcc78efd30

Size:        256(0x100) bytes

File:        D:\xxx.dll

Fields:

00007ffd20d23e98  4000337       d0         System.Int32  1 instance          1061652 m_RowNumber

从 m_RowNumber 看，已经读取了 106w 行，一次性读取100w+的记录不常见，如果还有大字段的话，那也是了。

三：总结

综合来看这次事故是因为一次性读取含有大字段的百万级数据到DataTable引发，解决方案很简单，自己通过 for 读取 DataReader，在处理完 OracleClob 类型之后马上释放，参考帖子代码：



var item = oracleDataReader.GetOracleValue(columnIndex);

if (item is OracleClob clob)

{

    if (clob != null)

    {

        // use clob.Value ...

        clob.Close();

    }

}

更多高质量干货：参见我的 GitHub: dotnetfly