问题描述

2015-06-25，晚上21:33收到报警，截图如下：

此时，登陆服务器，用curl检查，发现服务报500错误，不能正常提供服务。

问题处理

tail各种日志，jstat看GC，不能很快定位问题，于是dump内存和线程stack后重启应用。

jps -v，找出Process ID

jstack -l PID > 22-31.log

jmap -dump:format=b,file=22-29.bin PID

TcpListenOverflows

应用处理网络请求的能力，由两个因素决定：

1、应用的OPS容量（本例中是 就是我们的jetty应用：controller和thrift的处理能力）

2、Socket等待队列的长度（这个是os级别的，cat /proc/sys/net/core/somaxconn 可以查看，默认是128，可以调优成了4192，有的公司会搞成32768）

当这两个容量都满了的时候，应用就不能正常提供服务了，TcpListenOverflows就开始计数，zabbix监控设定了>5发警报，于是就收到报警短信和邮件了。

这个场景下，如果我们到服务器上看看 listen情况，watch "netstat -s | grep listen"，会看到“xxx times the listen queue of a socket overflowed”，并且这个xxx在不断增加，这个xxx就是我们没有对网络请求正常处理的次数。

参考文章：

关于tcp listen queue的一点事

如何判断是否丢掉用户请求

linux里的backlog详解

linux下socket函数之listen的参数backlog

TCP SNMP counters

LINUX下解决netstat查看TIME_WAIT状态过多问题

理解了以上，我们已经可以大致认为，问题的根源，就是应用处理能力不足。以下的问题分析步骤，可以继续对此进行佐证。

问题分析

线程栈

首先看线程栈，大约12000多个线程，大量线程被TIME_WAIT/WAIT在不同的地址，偶有多个线程被同一个地址WAIT的情况，但是都找不到这个地址运行的是什么程序，貌似这个线程栈意义不大。

关于这点，还请高手进一步帮助分析，能否可以通过这个文件直接定位问题。

Eclipse Memory Analyzer

MAT分析工具，分析JVM内存dump文件，下载地址： http://www.eclipse.org/mat/downloads.php 。

通过分析，我们可以看到，内存中最多的类，是socket相关的，截图如下：

Shallow heap & Retained heap

Zabbix监控

问题解决

1、申请两台新虚拟机，挂上负载。

2、Jetty调优，增大线程数，maxThreads设置为500。

3、调用外部接口Timeout时间，统一调整为3秒，3秒前端就会超时，继续让用户走别的，所以我们的后端进程继续处理已经毫无意义。