业务背景

业务中某个应用在消费MQ的时候，出现部分机器消息堆积，随着时间推移，堆积的机器数量越来越多，消息的堆积总量越来越多。

问题现象

系统监控

CPU、Load、内存、网络、磁盘监控指标正常；JVM 内存、GC正常。

MQ监控

图1 消费者状态

分析过程

MQ消息堆积最常见的情况是：应用侧处理MQ消息比较慢，触发了MQ的流控机制（MQ在统计到应用消费慢的时候，会逐步减少给应用侧的消息，最糟糕的情况是MQ一条消息也不会发给应用来消费）。

接下来的思路是慢在了哪？

在业务监控完备的情况下，通过分析业务监控指标，可以粗略定位异常点

明确运行的程序在忙些什么，分析线程堆栈信息

堆栈信息

图2 堆栈信息

上面图片中，TID=562的线程正在read Oracle返回的信息。经过观测，TID=562的线程一直处于上面图片中的状态。由于上面图片中的堆栈信息不完整，所以使用jstack抓取后分析出一个关键信息：

locked oracle.jdbc.driver.T4CConnection@31c02e79T4CConnection分析

【oracle.jdbc.driver.T4CConnection@31c02e79】是与Oracle交互的数据库连接对象，需要分析出

该连接对象对应的socket信息

该连接对象正在执行的SQL

该连接对象关联的statements对象信息

T4CConnection信息

图3 T4CConnection

Socket信息

图4 与数据连接的Socket信息

获取到Socket信息进行了如下几个方面的分析：该Socket与Oracle服务端交互情况:

图5 与数据连接的TCP连接信息

//通过tcpdump分析与Oracle服务端交互的报文，发现该连接上没有任何报文交互

tcpdump -i any tcp and port 45556 -A -nn

问：与Oracle DBA确认该Socket在服务端正在执行什么SQL？答：没找到任何关于该Socket的信息

SQL信息

通过分析oracle.jdbc.driver.T4CConnection类代码及【oracle.jdbc.driver.T4CConnection@31c02e79】属性信息找到了正在执行的SQL及与该连接关联的statements信息：SQL:

图6 SQL

statements:

图7 SQL参数值

到此，我们分析出了引起线程阻塞的SQL详情。

解决办法

对参数是null的情况进行过滤，不再向Oracle发送这样的SQL语句；同时日志里对这种异常情况进行记录，以便更细致地分析数据为null的产生场景。

加强应用可观测性之线程执行耗时监控○ 在业务逻辑开始的前面，添加一个filter○ 当请求到达filter的时候，将当前线程及此时的时间记录到一个Map中○ 当请求结束回到filter的时候，将当前线程从Map中删除○ 单独起一个定时任务来遍历Map，当发现Map中某个线程执行时间超过阈值，就打印出线程的堆栈○ 当开发人员收到异常堆栈的报警，人工介入进行系统恢复及问题快速定位​。