11.2.1.2 CPU 内存类故障
所属:全栈开发面试题库 / 11 跨领域综合场景题 / 11.2 故障排查与稳定性 / 11.2.1 故障排查与稳定性
11.2.1.2-001 CPU 高负载怎么整体定位?
一句话结论
先看是用户态计算高、内核态高还是等待导致的 load 高;用 top 按 CPU 排序找高占用进程,再下钻到线程与代码;区分真计算饱和与 IO 等待/上下文切换造成的 load 虚高。
概念解释
- 用户态:应用代码计算。
- 内核态:系统调用、中断、锁。
- load:可运行与不可中断(IO 等待)线程数,不等于 CPU 使用率。
原理流程
- top 看整体 CPU 占比(us/sy)与 load。
- 按 CPU 排序定位高占用进程。
- 下钻线程与调用栈。
- 判断计算、锁、IO 等待还是中断问题。
代码或图示
top → 进程按 %CPU 排序
us 高:应用计算(循环/序列化/正则)
sy 高:内核态(锁竞争/系统调用/中断)
load 高但 CPU 不高:IO 等待或不可中断状态
常见误区
- 把 load 高等同于 CPU 饱和:load 含 IO 等待线程。
- 只看进程不看线程:多线程应用需定位到具体线程。
追问
- load 多少算高?答:与 CPU 核数对比,持续长期超过核数需关注,具体阈值结合业务基线。
- CPU 突然打满先做什么?答:确认是否流量突增,先限流止血,再抓栈/火焰图定位代码。
11.2.1.2-002 top/ps 怎么看进程与线程?
一句话结论
top 按进程排序看 PID、%CPU、%MEM、状态;top -H -p <pid> 查看进程内线程;ps -eLf 或线程视图查看线程数与状态;结合进程启动时间与命令行确认对象。
概念解释
- PID:进程标识。
- TID:线程标识。
- 状态:R 运行、S 睡眠、D 不可中断、Z 僵尸。
原理流程
- top 定位高占用进程 PID。
- 切到线程视图找高占用 TID。
- 线程 ID 转十六进制匹配线程栈。
- 核对进程命令行与版本。
代码或图示
top
top -H -p <pid> # 查看该进程线程
ps -eLf | grep <pid> # 线程列表与状态
TID 转十六进制:printf '%x\n' <tid>
常见误区
- 线程 ID 直接匹配栈:栈中线程标识常为十六进制,需转换。
- 忽视进程状态:D 状态多为 IO 等待,不是计算问题。
追问
- 线程数异常多怎么看?答:ps 统计线程数,看线程池是否未回收、是否有线程泄漏。
- 僵尸进程怎么处理?答:定位父进程,修复父进程回收逻辑,僵尸本身不能直接 kill。
11.2.1.2-003 高 CPU 线程怎么定位到代码?
一句话结论
先在线程视图找到高占用 TID,转十六进制后在线程栈(jstack 类 dump 或 perf 记录)中匹配,定位到占用 CPU 的方法;反复采样确认是持续热点而非瞬时抖动。
概念解释
- 热点线程:持续占用 CPU 的执行单元。
- 调用栈:线程当前执行位置。
- 采样:多次抓取排除瞬时现象。
原理流程
top -H -p <pid>找高 TID。- TID 转十六进制。
- 抓线程栈匹配十六进制标识。
- 多次采样确认热点方法。
代码或图示
top -H -p 1234 → TID 5678
printf '%x\n' 5678 → 162e
jstack 1234 | grep -A 20 162e
# 查看栈顶方法是否为热点
常见误区
- 只抓一次栈:偶发调度被误判为持续热点。
- 匹配错线程:ID 进制未转换导致对应不上。
追问
- 线程栈显示在 native 方法怎么办?答:结合 perf/native 栈与本地库符号,确认是 JNI/驱动还是运行时开销。
- 热点方法在框架内部怎么办?答:区分是业务调用参数导致(如大对象序列化)还是框架缺陷,按版本确认已知问题。
11.2.1.2-004 火焰图怎么分析 CPU 热点?
一句话结论
用 perf 采样生成火焰图,横轴为采样占比(越宽占用越高),纵轴为调用栈;定位最宽的栈顶/栈段是否为业务热点,区分自身占用与子调用占用;多次采样叠加提升可信度。
概念解释
- 采样:定时记录指令位置,统计占比。
- 火焰图宽度:采样样本比例。
- 自占比:函数自身耗时,不含子调用。
原理流程
- 低开销采样采集调用栈。
- 生成火焰图。
- 找最宽栈段与栈顶。
- 下钻业务代码确认热点。
代码或图示
perf record -F 99 -g -p <pid> -- sleep 30
perf script | 生成火焰图(工具链按项目环境确认)
读图:宽 = 样本多;上层 = 调用方,下层 = 被调用方
常见误区
- 采样时间过短:热点不明显。
- 把调用方宽度当自身耗时:需看自占比区分。
追问
- 火焰图有哪些类型?答:CPU 火焰图看计算,内存/IO 火焰图对应不同事件源,按问题类型选择。
- 线上采样要注意什么?答:控制采样频率与时长,perf 开销有限但仍需避开高峰,确认环境允许使用。
11.2.1.2-005 死循环、正则、序列化类 CPU 高怎么识别?
一句话结论
死循环表现为固定线程持续高 CPU、栈停留在循环方法;正则回溯表现为复杂正则匹配长字符串时 CPU 飙升;大对象序列化/加密/压缩表现为热点在对应工具方法;结合输入数据与代码路径确认。
概念解释
- 死循环:循环退出条件不满足。
- 正则回溯:嵌套量词导致指数级匹配。
- 计算密集:序列化、加密、压缩、编解码。
原理流程
- 火焰图/栈定位热点方法。
- 对照代码判断循环/正则/计算。
- 构造输入复现验证。
- 修复后观察 CPU 回落。
代码或图示
栈顶在 while/for 业务方法 → 检查退出条件
栈顶在正则引擎/Pattern 相关 → 检查回溯风险
栈顶在序列化/加密/压缩 → 检查对象大小与调用频率
常见误区
- 正则只在测试短串通过:长串/特殊字符触发回溯。
- 大对象频繁全量序列化:单次不大但调用频率高累积 CPU。
追问
- 正则回溯怎么缓解?答:简化表达式、限制输入长度、使用惰性匹配或替代解析方式,按场景验证。
- 序列化热点怎么优化?答:减少冗余字段、复用对象、批量处理,评估序列化框架开销。
11.2.1.2-006 上下文切换与 load 高怎么判断?
一句话结论
用 pidstat 类工具看上下文切换速率与运行队列;切换数高对应线程过多、锁竞争或频繁阻塞唤醒;load 高而 CPU 不高时查 D 状态(IO 等待)与线程阻塞情况。
概念解释
- 上下文切换:寄存器/栈现场保存恢复。
- 运行队列:等待 CPU 的线程。
- 不可中断 D:等待 IO/硬件。
原理流程
- 看 CPU 使用率与 load 是否匹配。
- 统计上下文切换速率。
- 查看线程状态分布。
- 定位锁竞争、线程过多或 IO 等待。
代码或图示
pidstat -w 1 # 上下文切换(字段含义按工具手册核对)
pidstat -u 1 # CPU 使用
ps -eLo pid,stat | 统计 R/D 状态线程
常见误区
- 切换次数高就优化线程数:需先判断是线程过多还是锁竞争唤醒。
- D 状态当成 CPU 问题:D 是 IO/内核等待,应查 IO 与存储。
追问
- 线程数过多为什么切换高?答:可运行线程超过核数,调度频繁切换,上下文开销上升。
- 锁竞争怎么从 CPU 角度看?答:内核态占比高、线程频繁阻塞唤醒,结合锁等待日志与线程栈。
11.2.1.2-007 内存占用高怎么整体定位?
一句话结论
先区分是堆内存、堆外/直接内存、线程栈、本地库泄漏还是缓存膨胀;看进程 RSS、堆使用率与 GC 趋势;堆内问题抓堆 dump 分析,堆外问题查直接内存、线程数与本地分配。
概念解释
- RSS:进程实际驻留物理内存。
- 堆:运行时自动管理对象内存。
- 堆外:直接内存、线程栈、本地库。
原理流程
- 看 RSS 与堆使用率趋势。
- 区分堆内/堆外增长。
- 堆内抓 dump 分析对象占用。
- 堆外查直接内存、线程与本地库。
代码或图示
top 看 %MEM / RSS
堆:GC 日志、堆使用率、dump 留存对象
堆外:直接内存统计、线程数、本地库占用
常见误区
- RSS 高直接判泄漏:可能是缓存 intentionally 占用且可回收。
- 不区分堆内外:堆外问题抓堆 dump 找不到原因。
追问
- 内存高但 GC 正常说明什么?答:可能是堆外/直接内存、线程栈或本地泄漏,也可能是大缓存未释放。
- RSS 不下降正常吗?答:运行时内存归还操作系统存在延迟与策略,需结合趋势与 GC 判断。
11.2.1.2-008 OOM 怎么分类排查?
一句话结论
OOM 分堆内溢出(对象放不下)、堆外/直接内存耗尽、线程/句柄耗尽与容器被 OOM 终止;按错误类型与现场快照区分:堆内看 dump 支配对象,堆外看直接内存与本地分配,容器看 cgroup 限制与 RSS。
概念解释
- 堆内 OOM:堆无法分配新对象。
- 堆外 OOM:直接内存/本地分配超限。
- 容器 OOMKilled:超 cgroup 内存限制被内核终止。
原理流程
- 记录错误类型与现场快照。
- 堆内:dump 分析大对象与引用链。
- 堆外:查直接内存、线程、本地库。
- 容器:核对内存限制与 RSS 曲线。
代码或图示
堆内:OutOfMemoryError 堆相关 → 堆 dump 支配对象
堆外:直接内存/本地分配异常 → 直接内存统计、本地库
容器:退出状态 OOMKilled → cgroup 限制 vs RSS
常见误区
- 所有 OOM 都抓堆 dump:堆外/容器问题堆内无线索。
- 提高堆参数就解决:未找到泄漏对象,只是推迟崩溃。
追问
- OOMKilled 怎么确认?答:查容器退出状态与事件记录,对比 RSS 是否达到内存上限。
- 直接内存为什么会超?答:NIO/本地缓冲未释放、Netty 类堆外分配未回收,需结合实现版本确认。
11.2.1.2-009 GC 频繁或停顿长怎么排查?
一句话结论
看 GC 日志:回收频率、停顿时长、各代占用与回收后剩余;频繁 Young GC 查短生命周期对象创建速率,Full GC 频繁查老年代增长与大对象;停顿长看回收阶段与堆大小、晋升速率。
概念解释
- 年轻代回收:清理短生命周期对象。
- 老年代回收:长期存活对象。
- 停顿:GC 暂停应用线程的时间。
原理流程
- 采集 GC 日志与堆趋势。
- 判断频繁回收的代与类型。
- 分析对象晋升与大对象来源。
- 结合 dump 找持有引用的对象。
代码或图示
GC 日志:次数、停顿时长、回收前后各代大小
Young GC 频繁:对象创建速率高
Full GC 频繁:老年代增长 / 大对象 / 内存泄漏
停顿长:堆过大、回收阶段耗时,按运行时版本确认
常见误区
- GC 频繁就调大堆:对象泄漏被掩盖,Full GC 仍会发生。
- 只看总停顿:需看是哪一代、哪个阶段造成。
追问
- 老年代持续增长不回收说明什么?答:存在长期持有的引用(集合/缓存/静态引用),需 dump 查支配树。
- GC 停顿对 RT 影响怎么看?答:对比停顿时间与慢请求时间分布,GC 期间线程暂停会表现为偶发长尾。
11.2.1.2-010 内存泄漏怎么定位?
一句话结论
泄漏表现为内存持续上涨、GC 后不回落、最终 OOM;对比两次堆 dump 的对象直方图与留存引用链,找只增不减的集合/缓存/静态持有;区分真实泄漏与有界缓存占用过高。
概念解释
- 泄漏:对象已无用但引用仍被持有,无法回收。
- 支配树:对象被谁引用支配。
- 有界缓存:容量受控的缓存,超设计值才算问题。
原理流程
- 确认内存趋势单调上涨。
- 采集两次堆 dump 对比。
- 分析直方图与引用链。
- 修复引用释放并验证回落。
代码或图示
趋势:RSS/老年代持续 ↑,GC 后不回落
两次 dump 对比:对象数只增不减
引用链:静态集合 / 未清理缓存 / 监听器 / ThreadLocal 未清理
常见误区
- 缓存占用高就判泄漏:先确认是否超容量上限、是否有淘汰策略。
- 只看大对象:泄漏可能是大量小对象累积。
追问
- ThreadLocal 泄漏怎么发生?答:线程复用下 ThreadLocal 未 remove,值随线程长期存活。
- 修复后怎么验证?答:压测观察 GC 后老年代回落,连续运行无单调增长。
11.2.1.2-011 堆 dump 怎么分析?
一句话结论
在低影响时机导出堆 dump,用分析工具看对象直方图、支配树与最大留存对象;沿引用链找到持有方,区分大对象本身与被集合持有的小对象累积;dump 占用磁盘需预留空间。
概念解释
- 直方图:各类对象数量与大小。
- 支配树:对象间持有支配关系。
- 留存集:被该对象持有的总内存。
原理流程
- 预留磁盘空间,低影响导出 dump。
- 打开直方图按大小排序。
- 看支配树与引用链。
- 定位持有集合与业务代码。
代码或图示
导出:按运行时版本使用对应 dump 命令/参数(具体选项待确认版本)
分析:类直方图 → 最大留存对象 → GC Root 引用链
关注:集合 size、缓存命中/容量、静态引用
常见误区
- dump 不预留空间:导出失败或写满磁盘。
- 在高峰导出:大堆停顿与磁盘 IO 影响线上。
追问
- dump 里对象很多怎么收敛?答:按留存大小排序,对比活跃对象与不可回收对象,从最大支配对象入手。
- 现场 dump 保留多久?答:按复盘需要归档,注意 dump 含数据隐私需受控存储。
11.2.1.2-012 直接内存/本地内存泄漏怎么查?
一句话结论
堆 dump 无线索但 RSS 持续涨,查直接内存(NIO/堆外缓冲)分配、线程栈数量与本地库分配;看运行时堆外内存统计与本地工具,确认是否有未释放的堆外缓冲或本地泄漏。
概念解释
- 直接内存:堆外分配,不受堆 GC 直接管理。
- 本地库:JNI/原生代码分配。
- 堆外统计:运行时提供的堆外内存指标。
原理流程
- 确认堆内无显著占用而 RSS 上涨。
- 查直接内存指标与缓冲区数量。
- 统计线程数与栈内存。
- 必要时用本地内存工具排查本地库。
代码或图示
堆 dump 正常,RSS 持续 ↑
直接内存指标:缓冲对象数 / 分配量
线程数:线程栈累计内存
本地库:按环境使用本地内存分析工具(能力待确认)
常见误区
- 反复抓堆 dump:堆外问题堆内不可见。
- 忽视线程数:大量线程栈同样占用堆外内存。
追问
- 堆外内存怎么释放?答:依赖缓冲对象回收与显式释放机制,具体 API 按框架与运行时版本确认。
- 容器内存限制怎么配?答:堆、堆外、栈与预留之和不超 cgroup 限制,避免 OOMKilled。
11.2.1.2-013 线程数过多怎么排查?
一句话结论
线程数异常增长时,按线程池/来源分组统计线程名与状态;定位未回收的线程池、重复创建的线程、阻塞等待未退出的任务;结合线程创建日志与线程池配置判断是否泄漏。
概念解释
- 线程池:复用线程的资源池。
- 线程泄漏:任务结束线程未回收。
- 状态分组:运行、等待、阻塞。
原理流程
- 列出线程并按名称/池分组统计。
- 查看线程状态与阻塞点。
- 对照线程池配置与创建路径。
- 修复未关闭池/任务阻塞问题。
代码或图示
ps -eLf | wc -l
线程 dump:按线程名前缀分组计数
等待线程:看阻塞在哪个队列/锁
线程池:核心/最大线程数、队列、回收策略
常见误区
- 线程多但都在等待就忽略:线程栈与内存仍有占用,创建过快会耗尽资源。
- 只看总数不分组:无法判断哪个池泄漏。
追问
- 线程池为什么不回收空闲线程?答:看空闲存活时间与回收配置,未配置回收会保留核心线程。
- 线程创建过快怎么止血?答:限制线程池大小与拒绝策略,定位无界提交任务的来源。
11.2.1.2-014 句柄/文件描述符耗尽怎么排查?
一句话结论
进程报打开文件/连接数超限,用文件描述符视图统计各类占用(普通文件、socket、管道);定位未关闭的文件、连接或流,区分泄漏与达到系统/进程上限;修复后释放句柄并调高合理上限。
概念解释
- 文件描述符:打开文件/连接的句柄。
- 泄漏:使用后未关闭。
- 上限:系统与进程级限制。
原理流程
- 确认报错类型与上限值。
- 统计进程描述符分类占用。
- 定位未关闭资源类型。
- 修复关闭逻辑,调整上限。
代码或图示
查看上限:ulimit -n / 进程限制配置(按系统确认)
统计:进程 fd 列表按类型/路径分组
socket:连接未关闭;文件:流未 close
常见误区
- 直接调高上限:泄漏仍在,只是推迟耗尽。
- 只看总数不分类:无法判断是文件还是连接泄漏。
追问
- 连接句柄泄漏常见原因?答:连接未归还池、流未关闭、超时未释放,结合连接池状态确认。
- 句柄上限设多少?答:按业务峰值打开数评估,预留余量,不盲目设无限大。
11.2.1.2-015 缓存导致内存膨胀怎么识别?
一句话结论
内存被无界集合/本地缓存占用:dump 中大集合对象占比高,数据只增不减;识别缓存容量上限、淘汰策略与持有引用,区分业务缓存需求与失控增长;必要时改为有界缓存或外置。
概念解释
- 无界缓存:无容量上限与淘汰。
- 大集合:Map/List 持有大量条目。
- 外置:热点数据放分布式缓存,本地只留小容量。
原理流程
- dump 定位大集合与条目类型。
- 核对缓存设计容量与淘汰策略。
- 判断条目是否过期未清理。
- 改为有界缓存/外置缓存。
代码或图示
dump:Map/List 占堆比例最高
条目:Key 只增不减,无淘汰
核对:容量配置、TTL、清理任务
修复:容量上限 + 淘汰 + 过期清理
常见误区
- 把业务必须保留的数据当泄漏:先确认数据生命周期与容量设计。
- 本地缓存放全量数据:应外置到分布式缓存并控制本地大小。
追问
- 缓存 Key 怎么清理过期条目?答:TTL 过期 + 容量淘汰,定时扫描惰性清理,避免只在写入时检查。
- 缓存膨胀怎么临时止血?答:重启释放或缩短 TTL,根治需补淘汰策略与容量监控。
11.2.1.2-016 容器内内存/CPU 限制问题怎么判断?
一句话结论
容器问题需在 cgroup 限制视角下判断:进程看到的 CPU 核数与内存限制可能与宿主机不同;CPU throttling 看周期内限流统计,内存超限制表现为 OOMKilled;结合容器指标而非宿主机整体资源。
概念解释
- cgroup:容器资源限制与统计。
- CPU throttling:配额用尽被限流。
- OOMKilled:超内存限制被终止。
原理流程
- 核对容器 CPU/内存限制配置。
- 看容器内指标与宿主机统计差异。
- CPU 查 throttling 计数,内存查 RSS 与 OOM 事件。
- 调整配额或优化应用占用。
代码或图示
限制:CPU 配额 / 内存上限
CPU:容器内核数可能小于宿主机;throttling 统计按 cgroup 接口确认
内存:RSS 逼近上限 → OOMKilled
常见误区
- 用宿主机空闲判断容器资源:容器受配额限制,宿主机空闲不代表容器没被限流。
- 应用读核数假设等于宿主机:容器内需按限制值配置线程池。
追问
- CPU throttling 有什么表现?答:RT 周期性抖动、CPU 使用率到配额上限但未打满宿主机。
- 内存配额怎么留余量?答:堆 + 堆外 + 栈 + 系统预留低于限制,避免临界 OOM。
11.2.1.2-017 CPU/内存故障有哪些共性处置与预防?
一句话结论
共性处置:先止血限流/扩容,保留现场快照,定位热点与持有引用后修复;预防靠容量规划、线程池/缓存有界、资源水位监控、GC/内存趋势告警与压测验证上限,避免线上首次暴露。
概念解释
- 止血:限流、扩容、重启兜底。
- 预防:容量、边界、监控、压测。
- 水位:资源使用留余量并告警。
原理流程
- 故障时止血并保留现场。
- 定位代码/配置根因。
- 修复并压测验证。
- 补监控告警与容量边界。
代码或图示
处置:限流/扩容 → 现场快照 → 定位热点/泄漏 → 修复验证
预防:线程池有界、缓存有界、内存水位告警
压测:验证 CPU/内存拐点与恢复行为
常见误区
- 重启解决后不定位:泄漏/热点反复出现。
- 无水位告警:资源耗尽才被用户发现。
追问
- 容量上线前怎么验证?答:压测到 CPU/内存拐点,记录极限与余量,作为扩容与告警依据。
- 资源告警阈值怎么设?答:基于基线与拐点留余量,趋势上涨提前告警,而非耗尽才报。
11.2.1.2-018 一个内存缓慢上涨最终 OOM 的案例怎么排查?
一句话结论
按趋势确认单调上涨,GC 后不回落;先排除缓存容量问题,再抓两次堆 dump 对比对象直方图与引用链,定位长期持有的集合/静态引用;堆内无线索则查直接内存、线程数与本地库;修复后压测观察回落。
概念解释
- 趋势判断:排除波动与短期缓存占用。
- 对比 dump:找只增不减的对象。
- 引用链:从对象回溯到持有方。
原理流程
- 核对内存曲线:上涨是否单调、GC 后是否回落。
- 检查缓存/集合容量与淘汰配置。
- 两次 dump 对比,分析支配树与引用链。
- 堆外线索补齐:直接内存、线程、本地库。
- 修复后压测验证内存稳定。
代码或图示
现象:老年代/RSS 每日上涨,Full GC 后不回落
步骤:
1. 排除流量增长与缓存设计容量
2. dump #1 → dump #2 对比直方图
3. 定位只增不减集合 → 引用链到业务代码
4. 堆外:直接内存 / 线程栈 / 本地库
5. 修复 → 压测观察 GC 后回落
常见误区
- 看到大缓存就直接删:未确认是否超设计容量。
- 单次 dump 下结论:需对比增长趋势确认泄漏。
追问
- 引用链上的静态集合怎么修复?答:明确生命周期,改为有界缓存或在业务节点清理,避免静态持有长生命周期对象。
- 修复后回归怎么测?答:长时间压测模拟业务量级,观察内存稳态与 GC 行为,确认无单调增长。