记一次 .NET 某医院HIS系统 CPU爆高分析

一：背景

1. 讲故事

前几天有位朋友加 wx 抱怨他的程序在高峰期总是莫名其妙的cpu爆高，求助如何分析？

和这位朋友沟通下来，据说这问题困扰了他们几年，还请了微软的工程师过来解决，无疾而终，应该还是没找对微软的大佬。。。

关于程序CPU爆高的问题，老读者应该知道我都写了好几篇了，基本上归为两类：

GC 触发
大量 lock 锁

少部分就是各种莫名其妙的问题了，无法一一列举，既然朋友找到我了，我得想办法给他解决，话不多聊，上 windbg。

二： windbg 分析

1. 查看同步块表

遇到这种问题，首查 同步块表 已经是我的惯性思维了，命令很简单 !syncblk 。



0:000> !syncblk

Index SyncBlock MonitorHeld Recursion Owning Thread Info  SyncBlock Owner

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

Total           20779

CCW             16

RCW             21

ComClassFactory 0

Free            16490

我去，扑了一个空，同步块表中啥也没有。。。既然和锁没关系，那就看看线程吧，毕竟线程就是靠 CPU 养着的。

2. 查看线程

要想查看系统中的 托管线程 ，可以使用 !t 命令, 线程比较多，稍微简化一下。



0:000> !t

ThreadCount:      135

UnstartedThread:  0

BackgroundThread: 132

PendingThread:    0

DeadThread:       1

Hosted Runtime:   no

                                                                                                        Lock

       ID OSID ThreadOBJ           State GC Mode     GC Alloc Context                  Domain           Count Apt Exception

  34    1 25d4 000001ea28702130    28220 Preemptive  0000000000000000:0000000000000000 000001ea286ee080 0     Ukn

  74    2 3ed0 000001ea286fa940    2b220 Preemptive  0000000000000000:0000000000000000 000001ea286ee080 0     MTA (Finalizer)

  76    3 4a70 000001f4447d7810  102a220 Preemptive  0000000000000000:0000000000000000 000001ea286ee080 0     MTA (Threadpool Worker)

  77    4 326c 000001f4447dbe60    21220 Preemptive  0000000000000000:0000000000000000 000001ea286ee080 0     Ukn

  78    6 2dac 000001f4447d9750  1020220 Preemptive  0000000000000000:0000000000000000 000001ea286ee080 0     Ukn (Threadpool Worker)

  79    7 1468 000001f444a2d6f0    21220 Preemptive  0000000000000000:0000000000000000 000001ea286ee080 1     Ukn (GC)

  80    8   f0 000001f444a2cf20    21220 Preemptive  0000000000000000:0000000000000000 000001ea286ee080 0     Ukn

  81    9 3118 000001f444a2f630    21220 Preemptive  0000000000000000:0000000000000000 000001ea286ee080 0     Ukn

先卖个关子，可有朋友看出这些线程有什么异样？？？对，线程 79 的最后一列有一个 Ukn (GC) 标记，我想你肯定好奇，这说明什么？由于底层GC的模式有些变更，但不管怎么说，它在一定程度上告诉你，你的程序触发了GC，为了进一步验证，可以用 !t -special 看下 79 号线程到底属于什么类别以及更加详细的信息。



0:000> !t -special

ThreadCount:      135

UnstartedThread:  0

BackgroundThread: 132

PendingThread:    0

DeadThread:       1

Hosted Runtime:   no

                                                                                                        Lock

       ID OSID ThreadOBJ           State GC Mode     GC Alloc Context                  Domain           Count Apt Exception

  34    1 25d4 000001ea28702130    28220 Preemptive  0000000000000000:0000000000000000 000001ea286ee080 0     Ukn

  79    7 1468 000001f444a2d6f0    21220 Preemptive  0000000000000000:0000000000000000 000001ea286ee080 1     Ukn (GC) 

OSID Special thread type

41 38d8 DbgHelper

42 1c88 GC

74 3ed0 Finalizer

75 402c ProfilingAPIAttach

76 4a70 Timer

79 1468 GC SuspendEE

从最后一行输出中可以看到， 79就是GC线程，后面还有一个奇怪的 SuspendEE 标记，你又好奇了，这又啥意思？

SuspendEE = Suspend CLR Execution Engine (EE)

也就是说，79号线程把 CLR执行引擎 给冻结了，目的很简单，就是为了方便其他31个GC线程打理当前的 托管堆，不过这老哥机器真，32core，也不知道哪家医院这么给力，补充一下，用 !cpuid 验证。



0:000> !cpuid

CP  F/M/S  Manufacturer     MHz

 0  6,62,4  <unavailable>   2600

 1  6,62,4  <unavailable>   2600

 2  6,62,4  <unavailable>   2600

 3  6,62,4  <unavailable>   2600

 xxx

31  6,62,4  <unavailable>   2600

既然预判到了是 GC 触发，下一步就可以把所有线程的托管和非托管堆栈全部调出来。

3. 查看各个线程栈

要想查看各个线程的托管和非托管栈很简单, 使用 !eestack 即可，然后可以检索关键词 WaitUntilGCComplete 来判断有多少线程在等待GC处理完毕。

从图中可以看出，当前有 40 个线程被阻塞了，真好，问题越来越清晰了，接下来再分析到底是哪个线程做了什么不该做的事，导致 GC 触发，同样也可以搜 try_allocate_more_space 来判断哪些线程正在分配空间。

我去，可以很明显的看出当前 170 和 187 号线程正在分配大对象 gc_heap::allocate_large_object 触发了 GC，本身大对象堆是一个令人生畏的东西，对它的回收清扫都是非常耗CPU资源的，这也和朋友说到的 1分钟左右CPU就下降了 的情况比较吻合。

4. 寻找祸首

现在关注点就在这两个线程上了，我看了下这两个线程栈都是同一处方法，所以这里就挑一个 187 线程来分析吧，可以用 !clrstack 看下它的托管栈。



0:187> !clrstack

OS Thread Id: 0x1ef0 (187)

        Child SP               IP Call Site

00000054ce631e30 00007ffc4021bde2 System.String.FillStringChecked(System.String, Int32, System.String)

00000054ce631e70 00007ffc402222a8 System.String.ConcatArray(System.String[], Int32)

00000054ce631ed0 00007ffc40223528 System.String.Concat(System.String[])

00000054ce631f40 00007ffbe6dbdafb BLL.xxx.xxx.GetRowString(System.String, Boolean, Boolean, System.String, System.String, System.String, System.String, System.String, System.String, Int32, System.String, System.String, System.String, System.String, System.String, System.String, Int32, Int32, System.String, System.Nullable`1, System.Nullable`1, System.String, System.Nullable`1, System.Nullable`1, System.Nullable`1, System.Nullable`1, System.String, System.String, System.String, System.String, System.String ByRef)

00000054ce65cf40 00007ffbe6ab3187 BLL.xxx.xxx.ExpZB(System.String, Boolean, Boolean, System.String, System.String, System.String, System.String, Int32, System.String, System.String, System.String, Int32, System.String, System.String, System.String, System.String, System.String, System.String, Int32, Int32, System.String, System.Nullable`1, System.Nullable`1, System.String, System.Nullable`1, System.Nullable`1, System.Nullable`1, System.Nullable`1, System.String, System.String, System.String, System.String)

从堆栈上看，貌似是使用了 System.String.Concat 拼接 string 所致，好家伙，string 拼接这么多年不知道被人抨击了多少次，还是有很多的人踩坑，为了进一步验证，可以使用 !clrstack -p + !da -details xxx 看看这个 System.String[] 到底是什么，简化如下：



0:187> !clrstack -p

OS Thread Id: 0x1ef0 (187)

00000054ce631e70 00007ffc402222a8 System.String.ConcatArray(System.String[], Int32)

    PARAMETERS:

        values (<CLR reg>) = 0x000001ea69e8d2f8

        totalLength = <no data>

0:187> !da -details 0x000001ea69e8d2f8

Name:        System.String[]

Size:        128(0x80) bytes

Array:       Rank 1, Number of elements 13, Type CLASS

Element Methodtable: 00007ffc403d6948

[0] 000001f2391a83f0

    Name:        System.String

    MethodTable: 00007ffc403d6948

    EEClass:     00007ffc3fcd50e0

    Size:        445950(0x6cdfe) bytes

    File:        C:\Windows\Microsoft.Net\assembly\GAC_64\mscorlib\v4.0_4.0.0.0__b77a5c561934e089\mscorlib.dll

    String:      xxxxx

从输出信息中可以看到，String[] 里面有 13 个元素，其中最大的一个 string 是 445950 bytes = 445k，大于大对象的85k界定，所以这里的 Concat 就是症结所在，同样 170 线程也是如此，接下来我还得要解决的一个问题是：为什么会有如此大的字符串产生，代码里面到底做了什么？？？要想寻找答案，还得从dump中导出源码一探究竟。

5. 查看问题代码

要想分析问题代码，可以通过 !ip2md + !savemodule 导出 BLL.xxx.xxx.GetRowString 方法。



0:187> !ip2md 00007ffbe6dbdafb

MethodDesc:   00007ffbe5342118

Method Name:  BLL.xxx.xxx.GetRowString(System.String, Boolean, Boolean, System.String, System.String, System.String, System.String, System.String, System.String, Int32, System.String, System.String, System.String, System.String, System.String, System.String, Int32, Int32, System.String, System.Nullable`1<Int32>, System.Nullable`1<Int32>, System.String, System.Nullable`1<Single>, System.Nullable`1<Single>, System.Nullable`1<Single>, System.Nullable`1<Single>, System.String, System.String, System.String, System.String, System.String ByRef)

Class:        00007ffbe52fe328

MethodTable:  00007ffbe53421d8

mdToken:      0000000006000096

Module:       00007ffbe471a890

0:187> !savemodule  00007ffbe471a890 E:\dumps\RowString.dll

3 sections in file

section 0 - VA=2000, VASize=f7fcc, FileAddr=200, FileSize=f8000

section 1 - VA=fa000, VASize=3bc, FileAddr=f8200, FileSize=400

section 2 - VA=fc000, VASize=c, FileAddr=f8600, FileSize=200

然后祭出 ILSpy 反编译这段代码。

好家伙，这写法真，无数的字符串拼接，我都感觉 gen 和 LOH 都来不及分配内存段了，真的是害死 GC 了。。。

三：总结

其实这是一个教科书式的问题，也有教科书式的解决方法，而且我看了下这个方法有 600 多行的代码，基本上都是做string拼接的事，最后说一下解决方案。

重构该方法，尽量用 StringBuilder 替代 String，将因这种 GC 触发的次数降到最低。

最后的小彩蛋，貌似这个分析结果和朋友的深度怀疑不约而同。。。

更多高质量干货：参见我的 GitHub: dotnetfly