记AELF区块链网络的一次内存持续增长问题排查

Posted 2021-02-14

记AELF区块链网络的一次内存持续增长问题排查

背景：测试同学运行AElf单节点过程中，发现节点突然不再出块，经查看日志发现 Worker（交易执行进程） 全部掉线，无法继续执行交易，从而导致节点挂掉。

aelf的GitHub链接：https://github.com/AElfProject/AElf

初步定位问题：出现这个问题很奇怪，因为节点和所有 Worker 在同一台服务器上，网络通信应该不会有问题，再者发现，主节点、所有 Woker 和 Lighthouse 几乎在同一时间全部掉线。然后继续排查，通过 zabbix监控找到了问题，服务器在一个时间点内存几乎被耗尽，通过观察时间，发现与节点出现异常时间吻合。

复现问题：我们重点对内存使用进行测试。测试发现，随着节点长时间运行，进程占用服务器内存在不断增加，尤其在持续发了大量交易后，内存使用增长明显，并且停止发交易后，内存也并不会下降。

下面是具体的复现步骤：
首先介绍服务环境，我们使用Ubuntu 16.04.5 LTS，dotnet core 版本为2.1.402

节点刚开始运行的情况：内存使用大约为90M

然后对节点持续发大量交易，我们可以通过监控看到节点交易池堆积大量交易并不断在执行

持续一段时间后，内存占用已经达到1G

此时停止发交易，等待交易执行，我们通过监控看到交易池中的交易已都被执行。

等待一段时间后，此时我们继续观察内存占用，发现内存使用还是不会减少，一直保持1G 的水平

分析问题：

接下来我们使用lldb分析我们的节点。

首先在服务器上安装 lldb

sudo apt-get install lldb

找到本机ibsosplugin.so位置

find /usr -name libsosplugin.so

启动 lldb并附加到进程

sudo lldb –p 13067

加载libsosplugin.so

plugin load /usr/share/dotnet/shared/Microsoft.NETCore.App/2.1.4/libsosplugin.so

setclrpath /usr/share/dotnet/shared/Microsoft.NETCore.App/2.1.4/

首先分析下对象

dumpheap -stat

我们可以看到有大量的以下对象

AElf.Kernel.TransactionHolder

System.String

AElf.Common.Address

System.Collections.Concurrent.ConcurrentDictionary`2+Node[[AElf.Common.Hash,AElf.Common],[AElf.Kernel.TransactionHolder,AElf.Kernel.TxHub]]

AElf.Kernel.Transaction

AElf.Common.Hash

Google.Protobuf.ByteString

System.Byte[]

我们再看下大于1024字节对象

可以看有4个对象同类型的对象比较大

System.Collections.Concurrent.ConcurrentDictionary`2+Node[[AElf.Common.Hash, AElf.Common],[AElf.Kernel.TransactionHolder, AElf.Kernel.TxHub]][]

再进一步查看MethodTable对应的对象

可以看到有8个对象，其中4个较大，挑选其中一个查看对象信息，发现里面存储了573437个值。

基于以上分析结果，排查对应源代码，定位到类：AElf.Kernel.TxHub。该类主要作用是存储交易池交易数据。该类包含8个ConcurrentDictionary<Hash, TransactionHolder>用于存储交易数据，而TransactionHolder类中有存储了Hash、Transaction 等类型，与上面内存分析的结果吻合。再继续看内部逻辑，发现所有交易进入交易池后一直存储在TxHub中，不再进行释放。到此为止基本上定位问题所在。

待问题修复后重复上面步骤进行验证，效果比较明显，待交易池交易执行完毕后，内存占用有明显下降，最终内存占用如下

继续看下内存中对象的情况，可以看到对象总数也有了明显的下降。

但是仍存在内存少量增长的现象，并且有大对象驻留内存的情况，此问题会进一步跟进分析。