记一次.NET 某安全生产系统 CPU爆高分析

Posted 2022-12-23 dotNET跨平台

一：背景

1.讲故事

今天是🐏的第四天，头终于不巨疼了，写文章已经没什么问题，赶紧爬起来写。

这个月初有位朋友找到我，说他的程序出现了CPU爆高，让我帮忙看下怎么回事，简单分析了下有两点比较有意思。

1. 这是一个安全生产的信息管理平台，第一次听说，我的格局小了。

2. 这是一个经典的 CPU 爆高问题，过往虽有分析，但没有刨根问底，刚好这一篇就来问一下底吧。

话不多说，我们上 WinDbg 说话。

二：WinDbg 分析

1. 真的 CPU 爆高吗？

别人说爆高不算，我们得拿数据说话不是，验证命令就是 !tp。

0:085> !tp
CPU utilization: 100%
Worker Thread: Total: 40 Running: 26 Idle: 6 MaxLimit: 32767 MinLimit: 8
Work Request in Queue: 0
--------------------------------------
Number of Timers: 0
--------------------------------------
Completion Port Thread:Total: 1 Free: 1 MaxFree: 16 CurrentLimit: 1 MaxLimit: 1000 MinLimit: 8

从卦中看果然是被打满了，接下来可以用 ~*e !clrstack 观察各个线程都在做什么，稍微一观察就会发现有很多的线程卡在 FindEntry() 方法上，截图如下：

从图中可以看到，有 25 个线程都停在 FindEntry() 之上，如果你的经验比较丰富的话，我相信你马上就知道这是多线程环境下使用了非线程安全集合 Dictionary 造成的死循环，把 CPU 直接打爆。

按以往套路到这里就结束了，今天我们一定要刨到底。

2. 为什么会出现死循环

要知道死循环的成因，那就一定要从 FindEntry 上入手。

private int FindEntry(TKey key)

    if (key == null)
    
        ThrowHelper.ThrowArgumentNullException(ExceptionArgument.key);
    
    if (buckets != null)
    
        int num = comparer.GetHashCode(key) & 0x7FFFFFFF;
        for (int num2 = buckets[num % buckets.Length]; num2 >= 0; num2 = entries[num2].next)
        
            if (entries[num2].hashCode == num && comparer.Equals(entries[num2].key, key))
            
                return num2;
            
        
    
    return -1;

仔细观察上面的代码，如果真有死循环肯定是在 for 中出不来，如果是真的出在 for 上，那问题自然在 next 指针上。

关于 Dictionary 的内部布局和解析 可以参见我的 高级调试训练营，这里我们就不细说了。

那是不是出在 next 指针上呢？我们来剖析下方法上下文。

3. 观察 next 指针布局

为了方便观察，先切到 85 号线程。

0:085> ~85s
mscorlib_ni!System.Collections.Generic.Dictionary<string,F2.xxx.ORM.SqlEntity>.FindEntry+0x8f:
00007ff8`5f128ccf 488b4e10        mov     rcx,qword ptr [rsi+10h] ds:0000017f`39c07d00=0000017eb9ee00c0
0:085> !clrstack
OS Thread Id: 0x4124 (85)
        Child SP               IP Call Site
0000007354ebcc70 00007ff85f128ccf System.Collections.Generic.Dictionary`2[[System.__Canon, mscorlib],[System.__Canon, mscorlib]].FindEntry(System.__Canon) [f:\\dd\\ndp\\clr\\src\\BCL\\system\\collections\\generic\\dictionary.cs @ 305]

接下来把 Dictionary 中的 Entry[] 中的 next 给展示出来，可以用 !mdso 命令。

0:085> !mdso
Thread 85:
Location          Object            Type
------------------------------------------------------------
RCX:              0000017eb9ee00c0  System.Collections.Generic.Dictionary`2+Entry[[System.String, mscorlib],[xx]][]
RSI:              0000017f39c07cf0  System.Collections.Generic.Dictionary`2[[System.String, mscorlib],[xxx.xxx]]

0:085> !mdt -e:2 0000017eb9ee00c0
0000017eb9ee00c0 (System.Collections.Generic.Dictionary`2+Entry[[System.String, mscorlib],[xxx.xxx]][], Elements: 3, ElementMT=00007ff816cedc18)
[0] (System.Collections.Generic.Dictionary`2+Entry[[System.String, mscorlib],[F2.xxx]]) VALTYPE (MT=00007ff816cedc18, ADDR=0000017eb9ee00d0)
    hashCode:0x0 (System.Int32)
    next:0x0 (System.Int32)
    key:NULL (System.__Canon)
    value:NULL (System.__Canon)
[1] (System.Collections.Generic.Dictionary`2+Entry[[System.String, mscorlib],[F2.xxx]]) VALTYPE (MT=00007ff816cedc18, ADDR=0000017eb9ee00e8)
    hashCode:0x5aba4760 (System.Int32)
    next:0xffffffff (System.Int32)
    key:0000017f39c0ab50 (System.String) Length=20, String="xxxMessage_Select"
    value:0000017f39c0b5d0 (xxx.xxx.ORM.SqlEntity)
[2] (System.Collections.Generic.Dictionary`2+Entry[[System.String, mscorlib],[F2.xxx]]) VALTYPE (MT=00007ff816cedc18, ADDR=0000017eb9ee0100)
    hashCode:0x65b6e27b (System.Int32)
    next:0x1 (System.Int32)
    key:0000017f39c09d58 (System.String) Length=20, String="xxxMessage_Insert"
    value:0000017f39c0ba50 (xxx.xxx.ORM.SqlEntity)

从卦中看也蛮奇葩的，只有三个元素的 Dictionary 还能死循环。。。如果你仔细观察会发现 [0] 项是一种有损状态，value 没值不说， next:0x0 可是有大问题的，它会永远指向自己，因为 next 是指向 hash 挂链中的下一个节点的数组下标，画个图大概是这样。

接下来我们验证下是不是入口参数不幸进入了 [0] 号坑，然后在这个坑中永远指向自己呢？要想寻找答案，只需要在 FindEntry 的汇编代码中找到 int num = comparer.GetHashCode(key) & 0x7FFFFFFF; 中的 num 值，看它是不是 0 即可。

0:085> !U /d 00007ff85f128ccf
preJIT generated code
System.Collections.Generic.Dictionary`2[[System.__Canon, mscorlib],[System.__Canon, mscorlib]].FindEntry(System.__Canon)
Begin 00007ff85f128c40, size 130. Cold region begin 00007ff85ff07ff0, size 11
...
f:\\dd\\ndp\\clr\\src\\BCL\\system\\collections\\generic\\dictionary.cs @ 303:
00007ff8`5f128c6f 488b5e18        mov     rbx,qword ptr [rsi+18h]
00007ff8`5f128c73 488b0e          mov     rcx,qword ptr [rsi]
00007ff8`5f128c76 488b5130        mov     rdx,qword ptr [rcx+30h]
00007ff8`5f128c7a 488b2a          mov     rbp,qword ptr [rdx]
00007ff8`5f128c7d 4c8b5d18        mov     r11,qword ptr [rbp+18h]
00007ff8`5f128c81 4d85db          test    r11,r11
00007ff8`5f128c84 750f            jne     mscorlib_ni!System.Collections.Generic.Dictionary<string,xxx.SqlEntity>.FindEntry+0x55 (00007ff8`5f128c95)
00007ff8`5f128c86 488d154d2f1800  lea     rdx,[mscorlib_ni+0x68bbda (00007ff8`5f2abbda)]
00007ff8`5f128c8d e8ce44f3ff      call    mscorlib_ni+0x43d160 (00007ff8`5f05d160) (mscorlib_ni)
00007ff8`5f128c92 4c8bd8          mov     r11,rax
00007ff8`5f128c95 488bcb          mov     rcx,rbx
00007ff8`5f128c98 488bd7          mov     rdx,rdi
00007ff8`5f128c9b 3909            cmp     dword ptr [rcx],ecx
00007ff8`5f128c9d 41ff13          call    qword ptr [r11]
00007ff8`5f128ca0 8bd8            mov     ebx,eax
00007ff8`5f128ca2 81e3ffffff7f    and     ebx,7FFFFFFFh
...

0:085> ? ebx
Evaluate expression: 957083499 = 00000000`390bef6b

0:085> ? 0n957083499 % 0n3
Evaluate expression: 0 = 00000000`00000000

从汇编代码中分析得出，num 是放在 ebx 寄存器上，此时 num=957083499，再 %3 之后就是 0 号坑，大家再结合源代码，你会发现这里永远都不会退出，永远都是指向自己，自然就是死循环了。

3. .NET6 下的补充

前段时间在整理课件时发现在 .NET6 中不再傻傻的死循环，而是在尝试 entries.Length 次之后还得不到结束的话，强制抛出异常，代码如下：

internal ref TValue FindValue(TKey key)

    uint hashCode2 = (uint)comparer.GetHashCode(key);
    int bucket2 = GetBucket(hashCode2);
    Entry[] entries2 = _entries;
    uint num2 = 0u;
    bucket2--;
    while ((uint)bucket2 < (uint)entries2.Length)
    
        reference = ref entries2[bucket2];
        if (reference.hashCode != hashCode2 || !comparer.Equals(reference.key, key))
        
            bucket2 = reference.next;
            num2++;
            if (num2 <= (uint)entries2.Length)
            
                continue;
            
            goto IL_0171;
        
        goto IL_0176;
    

    return ref Unsafe.NullRef<TValue>();
IL_0176:
    return ref reference.value;
IL_0171:
    ThrowHelper.ThrowInvalidOperationException_ConcurrentOperationsNotSupported();
    goto IL_0176;

可能是 .NET团队 被这样的问题咨询烦了，干脆抛一个异常得了。。。

三：总结

多线程环境下使用线程不安全集合，问题虽然很小白，但还是有很多朋友栽在这上面，值得反思哈，借这一次机会进一步解释下死循环形成的内部机理。