线上的zookeeper捉虫实战经验，值得读！！！

一、问题现象

最后发现线上的zookeeper的日志zookeeper.out文件居然有6G，后来设置下日志为滚动输出「见参考」。但是改了之后，发现一天的日志量就是100多M，滚动日志一天就被冲掉了，这个不科学。

再仔细查看下日志里的内容，发现有很多连接建立好，马上又断开：

从日志输出的时间来看，秒连秒断，非常诡异。

二、排查问题

用netstat查看网络连接状态，到client的服务器上查看连接的状态：

netstat -antp | grep 2181

发现有很多TIME_WAIT状态的连接：

但是TIME_WAIT状态的连接是看不到进程号的。搜索研究了下netstat的参数，发现没有办法输出TIME_WAIT状态的连接的pid，只好尝试其它的办法。再用 jstack -l pid 来查看进程的线程栈，也没有发现什么异常的东东。查看到有几个zookeeper连接的线程，但也是正常状态。

再检查了机器的IO，CPU，内存，也没有异常的情况。没找到什么有用的信息，只好再研究下netstat的参数，发现用 netstat -ae 输出了一些信息：

发现user是root。便以为是非Java应用，在不断地连接zookeeper。于是停止java程序，发现没有TIME_WAIT连接了。但是确认是Java应用的问题，于是再重启Java应用，但没有再发现TIME_WAIT情况。很诡异。问题不能重现了，相当的蛋疼。忽然想到线上的应用也许也有这个问题，于是到线下zookeeper服务器上查看了下，果然发现有同样的问题。

三、用tcpdump抓包和wireshark分析

先用tcpdump来查看下具体的网络连接，发现的确是连接连上再断开。于是先保存成cap文件，再用wireshark来分析：

tcpdump -vv host 192.168.66.27 and port 2181 -w 2181.cap

但是也没有发现什么有用信息，的确是TCP连接连上，再FIN，ACK连接断开。查看应用日志，发现Tomcat webcontext没有正常启动

没办法了，有两种考虑，一个是用strace，二是用btrace。但是btrace好久没用过了，不太想再去看例子文档。还好，去下btrace之后，先去看了下应用的日志，发现应用报了一些ClassLoader的错误：

因为有经验了，马上知道这个Tomcat因为其它原因webcontext实始化失败退出，然后后面的一些线程继续跑时，会抛出ClassLoader，或者Class not found的异常。

于是，猜想到原因了：tomcat webcontext初始化失败，zookeeper的重连线程自动不断重连。但是，为什么重启Tomcat之后，没有重现TIME_WAIT的情况？

再折腾了下，发现只有当zookeeper重启后，应用才会出现大量的TIME_WAIT连接。报的是下面这个异常：

这个异常的原因，是某些zookeeper的类没有加载到。

四、总结

梳理下整个流程：Tomcat启动，初始化webcontext；初始化spring, spring初始某些些bean，这些bean包括了zookeeper的连接相关的bean；这时zkClient（独立线程）已经连接上服务器了，但是classloader没有加载到org/apache/zookeeper/proto/SetWatches类；spring初始化失败，导致Tomcat webcontext初始化也失败，应用在挂起状态，但zkClient线程还是正常的；zookeeper服务器重启，zkClient开始重连，连接上zookeeper服务器；zkClient触发watch的一些代码，ClassLoader尝试加载org/apache/zookeeper/proto/SetWatches类，但是发现找不到类，于是抛出异常；zkClient捕获到异常，认为重连失败，close掉connection，休眠几秒之后，再次重连；于是出现了zkClient反复重试连接zookeeper服务器，而且都是秒连秒断的情况。

这次排查花了不少时间，有个原因是开始没有去查看应用的日志，以为应用的是正常的，而且zookeeper.out的输出日志很多，也有一段时间了。还有线上的应用比较坑爹，活动已经过期很久了，但是程序还是线上跑，也没有人管是否出问题了。所以，主要精力放在各种网络连接状态的获取上。对去查看应用日志比较排斥。还有一个原因是，问题比较诡异，有点难重现，当发现可以重现时，基本已经发现问题所在了。排查问题还是要耐心收集信息，再分析判断。

五、参考

http://blog.csdn.net/hengyunabc/article/details/19006911

原文链接：https://m.aliyun.com/yunqi/articles/6071

推荐阅读：

—————END—————

看更多技术好文

请长按下方图片扫码关注