罗罗编程学习记录
本页内容 展开查看

04.6.3.5 诊断工具与线上排查

所属:全栈开发面试题库 / 04 后端语言与运行时 / 04.6 C# 与 .NET / 04.6.3 CLR 与 GC

04.6.3.5-001 .NET 诊断体系分哪几类?

一句话结论

诊断分四类:计数器指标(counters)、执行轨迹(trace)、内存/线程转储(dump/gcdump)、事件日志(event/metrics);按 CPU、内存、线程、GC 不同问题选择工具。

概念解释

计数器看汇总趋势,轨迹看时间序列采样,转储看某一时刻完整快照,事件记录异常与关键节点。工具链基于诊断事件(EventPipe/ETW 等)采集数据。

原理流程

  1. 确定问题类别:CPU/内存/线程/GC。
  2. 选对应采集方式。
  3. 结合快照与趋势定位根因。

代码或图示

指标趋势 → 轨迹采样 → 转储快照 → 事件日志

常见误区

  • 一个工具查所有问题:不同工具回答不同层面的问题,需组合使用。
  • 只看单点快照:趋势对比才能区分偶发与持续增长。

追问

  • 工具链安装方式?答:dotnet 全局工具(dotnet-counters/trace/dump 等),具体安装命令以 SDK 版本为准。
  • 采集需要附加进程吗?答:多数工具附加到运行中进程,不重启应用;具体能力以工具文档为准。

04.6.3.5-002 dotnet-counters 观察哪些指标?

一句话结论

dotnet-counters 周期采集运行时计数器:GC 堆大小、分配速率、各代回收次数、线程池线程/队列、异常数、CPU 与工作者线程等,用于趋势监控。

概念解释

计数器是轻量汇总采样,适合长期观察服务健康度。通过指标曲线判断内存增长、GC 频率、线程池饥饿与异常趋势,决定是否深入转储。

原理流程

  1. 附加到进程选择计数器开关。
  2. 按间隔采集汇总值。
  3. 观察曲线与阈值告警。

代码或图示

dotnet-counters monitor --process-id <pid>

常见误区

  • 用计数器定位具体对象:汇总数字看不到对象持有链,需 gcdump/dump。
  • 计数器采集间隔过短:增加 overhead,按监控需求设定。

追问

  • 关键计数器有哪些?答:GC Heap Size、Allocation Rate、Gen 0/1/2 Count、ThreadPool Queue Length、Exception Count;具体名以运行时为准。
  • 计数器能否远程采集?答:可通过诊断通道/集成监控系统上报,具体部署方式依环境。

04.6.3.5-003 dotnet-trace 采集什么?

一句话结论

dotnet-trace 采集时间序列诊断事件与采样数据,可分析 CPU 采样、JIT/GC/线程事件、异步/任务信息,生成 trace 文件供工具打开分析。

概念解释

轨迹记录一段时间内的事件流与采样栈,适合定位 CPU 热点、锁等待时序、GC 事件分布。与转储不同,trace 保留时间维度信息。

原理流程

  1. 指定提供者与采样率启动采集。
  2. 运行一段时间收集事件/栈采样。
  3. 导出 trace 文件,分析热点与时序。

代码或图示

dotnet-trace collect --process-id <pid>

常见误区

  • trace 当内存快照:trace 不保存完整堆对象,内存问题需 gcdump/dump。
  • 采集过长时间:文件体积与 overhead 增大,按问题窗口采集。

追问

  • trace 能看什么栈?答:CPU 采样栈、冲突/等待事件、任务调度记录;具体可见性以采集提供者为准。
  • 结果怎么打开?答:导出格式可配合诊断分析工具查看;格式与工具链以 SDK 版本为准。

04.6.3.5-004 dotnet-dump 抓什么快照?

一句话结论

dotnet-dump 采集进程完整内存转储(含托管堆、线程栈、对象引用、模块信息),用于离线分析内存泄漏、死锁、对象持有链与崩溃现场。

概念解释

dump 是某一时刻全量快照,离线分析不影响线上进程。体积较大,适合复现后抓取或崩溃现场保存。分析对象树、根引用与线程等待关系。

原理流程

  1. 附加进程触发 dump 生成。
  2. 转储写入本地文件。
  3. 离线打开分析堆、栈与引用链。

代码或图示

dotnet-dump collect --process-id <pid>

常见误区

  • 生产直接分析大 dump:先拷贝到分析环境,避免占用线上磁盘/CPU。
  • dump 包含敏感信息:转储含内存内容,分发与留存需遵守安全规范。

追问

  • dump 与 gcdump 区别?答:完整 dump 含线程栈/原生内存;gcdump 只含托管堆信息,体积小。
  • 如何分析 dump?答:调试/分析工具加载后查看对象统计、根路径、线程栈;具体工具链以环境为准。

04.6.3.5-005 dotnet-gcdump 托管堆快照?

一句话结论

dotnet-gcdump 采集托管堆对象与引用信息(不含完整线程栈/原生内存),体积远小于完整 dump,适合分析托管内存留存与泄漏对象分布。

概念解释

gcdump 基于 GC 堆遍历生成对象图快照,可按类型统计数量/大小,追溯对象到根的引用链。排查托管内存泄漏的首选轻量快照。

原理流程

  1. 触发 GC 堆遍历。
  2. 收集对象、大小与引用关系。
  3. 生成 gcdump 文件离线分析类型分布与根路径。

代码或图示

dotnet-gcdump collect --process-id <pid>

常见误区

  • gcdump 看线程死锁:无线程栈信息,死锁分析需完整 dump。
  • 只抓一份快照:需两次快照对比增长对象与新增持有链。

追问

  • gcdump 能看静态根吗?答:可追溯对象引用链到静态字段/事件等根来源。
  • 采集会触发 GC 吗?答:堆遍历可能伴随回收动作,时机选择在业务低峰。

04.6.3.5-006 dotnet-stack 查看线程栈?

一句话结论

dotnet-stack 打印运行中进程的线程调用栈,快速观察线程当前在做什么,识别阻塞栈、大量线程停在同一位置等问题。

概念解释

轻量栈快照适合线程池饥饿、卡死、高线程数排查。多次采样对比线程栈变化,区分阻塞等待与持续 CPU 计算。

原理流程

  1. 附加进程枚举线程。
  2. 采集各线程调用栈。
  3. 汇总分析阻塞点与热点栈。

代码或图示

dotnet-stack report --process-id <pid>

常见误区

  • 单次栈判断趋势:需多次采样对比,确认是否长期停留在同一栈。
  • 栈只看托管帧:原生/互操作帧需完整 dump 深入分析。

追问

  • 线程栈能看锁等待吗?答:栈与等待信息结合判断;详细锁关系需 dump/trace 分析。
  • 适用场景?答:请求卡死、线程数异常、怀疑同步阻塞时快速定位。

04.6.3.5-007 自定义指标与 EventCounter/Metrics?

一句话结论

应用可通过 EventCounter 或 Meter/Metrics 暴露业务与运行时指标,接入监控系统做趋势告警;自定义指标补充运行时计数器看不到的业务状态。

概念解释

运行时计数器覆盖 GC/线程池/异常;业务指标(订单量、队列积压、下游耗时)需自行埋点。标准化指标可被监控系统聚合展示。

原理流程

  1. 代码中创建 Meter/计数器/直方图。
  2. 采集通道上报指标值。
  3. 监控平台聚合、设阈值告警。

代码或图示

var meter = new Meter("App.Metrics");
var counter = meter.CreateCounter<int>("requests");

常见误区

  • 只埋点不上报:指标未进入监控平台等于未采集。
  • 指标粒度过细:高基数标签导致监控存储爆炸。

追问

  • Metrics 与日志区别?答:指标是聚合数值趋势,日志是离散事件明细;两者互补。
  • 自定义指标命名规范?答:按域/操作/单位命名,避免与运行时计数器冲突。

04.6.3.5-008 CPU 高占用怎么定位?

一句话结论

路径:计数器确认 CPU 持续高位 → trace CPU 采样找热点栈 → 定位热点方法与调用链 → 区分计算密集、循环失控、频繁 GC 还是下游轮询。

概念解释

CPU 高可能是业务计算、死循环、GC 频繁、锁自旋或过多线程切换。先看是哪个栈消耗 CPU,再判断代码路径与外部依赖。

原理流程

  1. 计数器/top 确认 CPU 利用率。
  2. trace 采样聚合热点方法与调用方。
  3. 对照代码定位循环/算法/GC 压力。

代码或图示

CPU 高 → trace 采样热点栈 → 热点方法 → 代码/GC/依赖归因

常见误区

  • 看到 CPU 高就加机器:根因可能是死循环或 GC 压力,扩容不解决问题。
  • 忽略 GC 占用:频繁回收本身消耗 CPU,需结合 GC 计数器判断。

追问

  • 热点方法怎么优化?答:减少循环内计算/分配、算法降复杂度、缓存重复结果;基准验证。
  • 多线程 CPU 都高?答:检查并行度过高、自旋等待或上下文切换,结合线程栈分析。

04.6.3.5-009 托管内存泄漏定位流程?

一句话结论

流程:两次 gcdump 对比增长类型 → 追溯到根引用链(静态字段/事件/缓存/闭包)→ 定位未取消订阅/未清理点 → 修复后复测堆曲线。

概念解释

泄漏是引用意外保持可达。先找数量/大小持续增长的类型,再沿引用链上溯到根来源,判断哪段代码持有了不应存活的对象。

原理流程

  1. 低峰与负载后各抓 gcdump。
  2. 对比类型数量/大小增量。
  3. 追溯增长对象到根,定位持有方并清理。

代码或图示

快照对比 → 增长对象 → 根引用链 → 持有方 → 清理引用/订阅

常见误区

  • 一次快照就下结论:无对比基准,无法区分常驻与泄漏。
  • 只追大对象:小对象海量累积同样抬高堆,需按数量与大小双维度看。

追问

  • 常见根来源?答:静态集合、事件订阅、缓存字典、闭包捕获、未释放 Timer/任务。
  • 修复后验证?答:压测多轮,堆应回落到基线,不随轮次持续增长。

04.6.3.5-010 线程等待与锁竞争怎么分析?

一句话结论

先看 dotnet-stack 线程栈分布,结合 trace 等待事件与 dump 持锁/等待链;区分锁竞争、IO 阻塞、线程池饥饿与死锁循环等待。

概念解释

线程卡住可能在等锁、等下游响应、等线程池调度。等待关系图需跨线程关联:谁持有锁、谁在等待、是否成环。

原理流程

  1. 栈快照看线程停在哪些方法。
  2. trace/dump 提取等待对象与持有者。
  3. 画等待链找循环或长期阻塞点。

代码或图示

线程栈 → 等待对象 → 持有者 → 等待链 → 循环/阻塞归因

常见误区

  • 单线程栈判断全局:锁竞争是多线程关系,必须跨线程关联。
  • 把 IO 等待当锁竞争:区分下游响应阻塞与临界区排队。

追问

  • 死锁排查要点?答:等待图出现循环边;对照代码锁顺序与同步等待点修复。
  • 锁竞争优化方向?答:缩小临界区、减少共享可变状态、评估并发集合/读写锁。

04.6.3.5-011 GC 停顿与频率如何分析?

一句话结论

计数器看 Gen0/1/2 频率与堆大小,trace 看 GC 事件时长分布;停顿长先区分 Gen2 全堆回收还是 LOH 碎片化,再查分配速率与长命堆积。

概念解释

GC 问题分两类:回收太频繁(分配速率高)与单次停顿长(堆大/碎片/大对象)。两类根因与治理手段不同。

原理流程

  1. 计数器观察各代回收频率与堆曲线。
  2. trace 提取 GC 事件时长与代际。
  3. 定位高频分配点或长命对象/大对象来源。

代码或图示

GC 频率/停顿 → 代际分布 → 分配速率 / 长命堆积 / LOH 碎片

常见误区

  • 一有停顿就调 GC 参数:先定位分配与持有根因。
  • 忽略 LOH 大字符串/数组:小对象治理后停顿仍由大对象引起。

追问

  • 如何看回收时长?答:GC 事件记录暂停/回收时长;trace 与计数器指标结合。
  • 优化手段?答:缓冲池化、减少临时字符串/装箱、清理静态缓存、限制缓存容量。

04.6.3.5-012 异常与错误率监控?

一句话结论

运行时异常计数器结合应用日志记录异常类型、消息与堆栈;错误率突增先按异常类型聚合,定位新增代码路径、下游故障与数据问题。

概念解释

异常监控补充功能指标:异常数趋势、类型分布、出现位置。未观察 Task 异常可能不在计数器中,需在代码路径兜底记录。

原理流程

  1. 采集异常计数与类型分布。
  2. 关联日志堆栈与请求上下文。
  3. 按类型归因:参数/下游/数据/并发。

代码或图示

异常计数 → 类型聚合 → 日志堆栈 → 归因修复

常见误区

  • 只记录异常消息不存堆栈:无法定位代码位置。
  • 吞异常只留空 catch:问题被掩盖,监控无感知。

追问

  • 异步任务异常怎么进监控?答:内部 try/catch 上报;未观察异常不保证出现在运行时计数器。
  • 异常率告警阈值?答:按业务基线设定,区分偶发可重试与持续故障。

04.6.3.5-013 日志、健康检查与指标如何配合?

一句话结论

指标回答「是否异常、趋势如何」,日志回答「发生了什么、堆栈是什么」,健康检查回答「进程是否可服务」;三者分层接入监控与告警。

概念解释

健康检查探活与就绪;指标聚合趋势告警;日志提供明细与排查上下文。线上排障先看指标定位现象,再取日志/转储深入根因。

原理流程

  1. 健康检查上报进程存活/就绪状态。
  2. 指标采集吞吐/延迟/错误/资源。
  3. 日志记录关键事件与异常明细。

代码或图示

健康检查 → 指标趋势告警 → 日志明细 → 转储深入分析

常见误区

  • 用日志做容量趋势:日志明细不适合聚合统计,趋势应由指标承担。
  • 健康检查只查进程存活:就绪检查应依赖下游/资源可用状态。

追问

  • 健康检查分类?答:存活检查(进程是否活着)与就绪检查(能否接流量),路由/发布分别使用。
  • 指标标签设计?答:低基数、稳定维度,避免请求 ID 等高基数标签。

04.6.3.5-014 BenchmarkDotNet 性能基准怎么用?

一句话结论

BenchmarkDotNet 隔离环境运行多次迭代,统计均值/标准差/分配与 CPU 指标,用于代码级性能对比,避免凭感觉判断优化收益。

概念解释

基准测量消除预热、抖动与单次偶然;对比两种实现的耗时与内存分配。适合热点方法优化前后对比,结论以可重复测量为准。

原理流程

  1. 编写基准方法与对比实现。
  2. 工具运行预热与多次迭代。
  3. 输出耗时、分配、调用统计对比。

代码或图示

[Benchmark]
public void ParseSpan() => int.Parse(text.AsSpan());

常见误区

  • 单次计时下结论:预热/JIT/抖动影响大,需基准多次采样。
  • 基准忽略分配:CPU 快但分配多可能抬高 GC,需看内存指标。

追问

  • 基准与线上性能关系?答:基准反映方法级成本,线上吞吐还受并发/外部依赖影响,需压测复核。
  • 如何隔离变量?答:每次基准独立运行,避免数据共享污染;参数化基准覆盖不同规模。

04.6.3.5-015 转储收集时机与方式?

一句话结论

在问题复现、CPU/内存异常窗口、崩溃现场收集;先确认磁盘空间与敏感信息规范,完整 dump 拷贝到分析环境,gcdump 用于托管堆轻量快照。

概念解释

采集时机影响快照代表性:泄漏要负载后抓,死锁在卡住时抓,崩溃在退出现场保存。dump 文件大,不能长期占用线上磁盘。

原理流程

  1. 明确问题类型选择 dump/gcdump。
  2. 在代表性时刻采集。
  3. 转存到分析环境离线查看。

代码或图示

复现/卡住/崩溃 → 采集快照 → 拷贝分析环境 → 离线分析

常见误区

  • 问题未复现就抓 dump:快照不反映异常状态,分析无针对性。
  • dump 留在线上目录:大文件占磁盘,应及时转存清理。

追问

  • 崩溃 dump 怎么配置?答:可配置崩溃转储收集;具体机制依宿主/系统,版本行为待确认。
  • 多次快照怎么存?答:按时间/问题轮次命名,对比分析后清理过期文件。

04.6.3.5-016 线上采集 overhead 怎么控制?

一句话结论

计数器轻量可常驻;trace/dump 按需在问题窗口短时间采集;避免长期全量采样,采集前评估对 CPU/磁盘/业务延迟的影响。

概念解释

诊断采集本身有开销:采样频率越高 overhead 越大。线上优先轻量指标,深入分析时短时附加工具,分析完即停止采集。

原理流程

  1. 常驻指标低开销监控。
  2. 问题窗口短时 trace/dump。
  3. 采集结束释放通道与文件句柄。

代码或图示

常驻:计数器指标
按需:trace 短时采样 / dump 瞬时快照

常见误区

  • 生产长期开详细 trace:文件与 CPU 开销累积,影响业务。
  • 高并发下频繁 dump:大文件生成阻塞磁盘 IO。

追问

  • 采样率怎么选?答:按问题严重性与 overhead 预算平衡;热点分析可短时提高采样。
  • 采集影响判断?答:基准对比采集前后业务指标,确认无明显延迟退化。

04.6.3.5-017 快照对比分析方法?

一句话结论

按问题取两个以上快照(负载前后、故障前后),对比类型数量/大小、线程栈与对象引用增量,新增持有链即泄漏/异常根线索。

概念解释

单快照只显示当前状态;对比才能识别增长方向与新增关系。快照需在可比条件下采集(相近负载、间隔明确)。

原理流程

  1. 基线快照与问题快照。
  2. 对比对象/线程/指标增量。
  3. 聚焦新增增长对象与对应引用链。

代码或图示

基线快照 → 负载运行 → 问题快照 → 对比增量 → 根线索

常见误区

  • 快照条件不一致:对比结论失真,需控制负载与时间窗口。
  • 只对比总大小:需下钻到类型与引用层级。

追问

  • 对比 gcdump 看什么?答:类型实例数、字节大小、新增根路径。
  • 对比栈快照看什么?答:线程分布变化、新增阻塞栈位置。

04.6.3.5-018 诊断排查常见陷阱?

一句话结论

陷阱:跳过指标直接猜根因、快照不可比、混淆托管内存与非托管句柄泄漏、只看单次采样、忽略 GC/线程池占用、转储敏感信息未管控。

概念解释

排查应遵循「现象 → 指标 → 采样/快照 → 根因 → 修复复测」闭环。跳过证据直接改代码容易误判,且修复后需验证问题不再复现。

原理流程

  1. 记录现象与影响范围。
  2. 采集指标/快照证据。
  3. 定位根因,修复后压测/复测确认。

代码或图示

现象 → 证据采集 → 根因定位 → 修复 → 复测闭环

常见误区

  • 把症状当根因:如延迟高先扩容,未查下游/GC/锁根因。
  • 修复后不复测:问题可能随负载再次出现。

追问

  • 如何沉淀排查经验?答:记录问题现象、工具命令、根因与修复,形成团队诊断手册。
  • 工具版本差异?答:命令与输出随 SDK 版本变化,以当前环境工具文档为准,不确定项标注待确认。