一次消息消费服务的内存泄漏排查小记

线上有一个消息消费服务xxx-consumer，使用spring-kafka框架，主线程批量从消费队列（kafka）拉取交易系统生产的消息，而后提交到子线程池中挨个处理消费。

public abstract class AbstractMessageDispatchListener implements
        BatchAcknowledgingMessageListener<String, Msg>, ApplicationListener<ApplicationReadyEvent> {
​
    private ThreadPoolExecutor executor;
​
    public abstract MessageWorker chooseWorker(ConsumerRecord<String, Msg> data);
​
    @Override
    public void onMessage(List<ConsumerRecord<String, Msg>> datas, Acknowledgment acknowledgment) {
        List<Future<?>> futureList = new ArrayList<>(datas.size());
        try {
            CountDownLatch countDownLatch = new CountDownLatch(datas.size());
            for (ConsumerRecord<String, Msg> data : datas) {
                Future<?> future = executor.submit(new Worker(data, countDownLatch));
                futureList.add(future);
            }
​
            countDownLatch.await(20000L - 2000, TimeUnit.MILLISECONDS);
            long countDownLatchCount = countDownLatch.getCount();
            if (countDownLatchCount > 0) {
                return;
            }
            acknowledgment.acknowledge();
        } catch (Exception e) {
            logger.error("onMessage error ", e);
        } finally {
            for (Future<?> future : futureList) {
                if (future.isDone() || future.isCancelled()) {
                    continue;
                }
                future.cancel(true);
            }
        }
    }
​
    @Override
    public void onApplicationEvent(ApplicationReadyEvent event) {
        ThreadFactoryBuilder builder = new ThreadFactoryBuilder();
        builder.setNameFormat(this.getClass().getSimpleName() + "-pool-%d");
        builder.setDaemon(false);
        executor = new ThreadPoolExecutor(12,
                12 * 2,
                60L,
                TimeUnit.SECONDS,
                new ArrayBlockingQueue<>(100),
                builder.build());
    }
​
    private class Worker implements Runnable {
        private ConsumerRecord<String, Msg> data;
        private CountDownLatch countDownLatch;
​
        Worker(ConsumerRecord<String, Msg> data, CountDownLatch countDownLatch) {
            this.data = data;
            this.countDownLatch = countDownLatch;
        }
​
        @Override
        public void run() {
            try {
                MessageWorker worker = chooseWorker(data);
                worker.work(data.value());
            } finally {
                countDownLatch.countDown();
            }
        }
    }
}

 

1. 问题背景

有一天早上xxx-consumer服务出现大量报警，人工排查发现30w+的消息未处理，业务日志正常，gc日志有大量Full gc，初步判断由于Full gc致使消息处理慢，大量的消息积压。

 

2. 堆栈分析

查看了近一个月的JVM内存信息，发现老年代内存没法被回收（9月22号的降低是由于服务有一次上线重启），初步判断发生了内存泄漏。

 经过<jmap -dump:format=b,file=/home/work/app/xxx-consumer/logs/jmap_dump.hprof -F>命令导出内存快照，使用Memory Analyzer解析内存快照文件jmap_dump.hprof，发现有很明显的内存泄漏提示：

 进一步查看线程细节，发现建立了大量的ThreadLocalScope对象且循环引用：

 

同时咱们也看到了分布式追踪（dd-trace-java）jar包中的FakeSpan类，初步判断是dd-trace-java中自研扩展的kafka插件存在内存泄漏bug。

 

3. 代码分析

继续查看dd-trace-java中kafka插件的代码，其处理流程以下：

第一批消息

1. （SpringKafkaConsumerInstrumentation:L22）BatchAcknowledgingMessageListener.onMessage进入时，主线程会建立一个scope00=ThreadLocalScope（Type_BatchMessageListener_Value，toRestore=null）

2. （ExecutorInstrumentation:L21L47）消息被submit到线程池中处理时，子线程会建立一个scope10=ThreadLocalScope（Type_BatchMessageListener_Value，toRestore=null）

3. （SpringKafkaConsumerInstrumentation:L68）子线程处理消息时（ConsumerRecord.value），会建立一个scope11=ThreadLocalScope（Type_ConsumberRecord_Value，toRestore=scope10）

4. （ExecutorInstrumentation:L54）子线程处理完消息后，执行scope10.close()，而scopeManager.tlsScope.get()=scope11，命中ThreadLocalScope:L19，scope10和scope11均没法被GC

5. （SpringKafkaConsumerInstrumentation:L42）BatchAcknowledgingMessageListener.onMessage退出时，主线程会执行scope00.close()，scope00会被GC

 第二批消息

1. （SpringKafkaConsumerInstrumentation:L22）BatchAcknowledgingMessageListener.onMessage进入时，主线程会建立一个scope01=ThreadLocalScope（Type_BatchMessageListener_Value，toRestore=null）

2. （ExecutorInstrumentation:L21L47）消息被submit到线程池中处理时，子线程会建立一个scope12=ThreadLocalScope（Type_BatchMessageListener_Value，toRestore=scope11）

3. （SpringKafkaConsumerInstrumentation:L68）子线程处理消息时（ConsumerRecord.value），会建立一个scope13=ThreadLocalScope（Type_ConsumberRecord_Value，toRestore=scope12）

4. （ExecutorInstrumentation:L54）子线程处理完消息后，执行scope12.close()，而scopeManager.tlsScope.get()=scope13，命中ThreadLocalScope:L19，scope12和scope13均没法被GC

5. （SpringKafkaConsumerInstrumentation:L42）BatchAcknowledgingMessageListener.onMessage退出时，主线程会执行scope01.close()，scope01会被GC

 从上能够看到，主线程建立的ThreadLocalScope能被正确GC，而线程池中建立的ThreadLocalScope被循环引用，没法被正确GC，从而形成内存泄漏。

 

End

RecoredValueAdvice没有销毁本身建立的对象，而是寄但愿于BatchMessageListenerAdvice去销毁。

但（SpringKafkaConsumerInstrumentation:L27）BatchAcknowledgingMessageListener.onMessage退出时，只会close主线程建立的ThreadLocalScope，不会close线程池中建立的ThreadLocalScope，致使子线程建立的ThreadLocalScope被循环引用，没法被正确GC，从而形成内存泄漏。