记一次线程堵塞(挂起)导致消息队列积压

1 背景

A服务作为生产者，每天发送上千万的mq消息，每一个消息包含500个用户ids数据。B服务作为消费者，接受MQ消息并通过http调用第三方请求进行业务处理，消费组启用了rabbitmq的多线程消费组，一个实例并发40个mq消费者线程，每个线程一次获取10个消息进行消费。

Mq消费者配置如下：

# mq配置
  rabbitmq:
    connection-timeout: 15000
    cache:
      channel:
        size: 200
    # 消息发送到rabbitmq broker cluster需要回调
    publisher-confirms: true
    # 交换机将消息投递至队列失败时需要回调
    publisher-returns: true
    listener:
      # 手动确认消息已被消费
      simple:
        acknowledge-mode: manual
        # consumer的并发数
        concurrency: 40
        max-concurrency: 50
        # 每个消息者每次取10条
        prefetch: 10

Mq挤压消息如下

2 排查

2.1 复制rabbitmq挤压消息数据进行模拟复现

找出rabbitmq挤压的消息，在本地模拟消费，找出没有进行消息确认的原因，通过rabbitmq控制台的Get messages功能

复制payload的消息进行base64转码，转出来的消息是乱码不完整的，怀疑
是rabbitmq还结合了其他加密处理，放弃这种排查思路

2.2 检查报错日志

rabbitmq的unack消息挤压，那就是消费者没有进行ack确认，怀疑消费者代码有异常导致没能执行到ack的代码。
查询服务器日志，没发现有报错的日志，梳理业务代码，消费者使用了spring aop around机制进行消息确认，所以不管代码有没有报错，按理说都会手动进行mq消息ack确认

2.3 检查服务是否宕机

消费组实例数量符合服务器大小配置，因此服务器应用没有宕机

2.4 检查java线程

使用IBM的TMDA工具进行分析线程堆栈，工具下载地址
TMDA工具下载地址

TMDA工具简介

TMDA分析线程堆栈结果如下

通过分析图，看到大量park线程，确实是符合现状，应用的线程挂起了

3 分析和解决

通过stack深度高到底排序，业务代码存在线程等待情况，具体代码CountDownLatch.await

3.1 结合业务代码分析

通过上图stack提示，找到关联的业务代码

伪代码如下：

// new一个CompletableFuture
public CompletableFuture httpCall(String tokenData){
        CompletableFuture completableFuture = CompletableFuture.supplyAsync(() -> {
            long time = 3000L;
            try {
                Thread.sleep(time);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            return Integer.parseInt(tokenData);
        });
        return completableFuture;
    }
 
httpCall(tokenData).whenCompleteAsync((returnValue, ex)->{
		// do business
		// ex.getMessage()
		// 其中ex对象为空，使用ex.getMessage()报了空指针，导致没能执行如下的countDown
		countDownLatch.countDown();
	})

消费者服务通过http调用第三方服务，为了提高并发，使用了多线程，每一组(数十个为一组)http请求批量调用完成后再把请求响应结果异步存入数据库,
主线程使用了countDownLatch.await进行等待,
其中whenCompleteAsync方法存在空指针问题，导致没能执行如下的countDown方法。

这里有人会问, 上面错误日志检查步骤，不是说日志没有空指针异常吗？
对，子线程报了空指针，因为CompletableFuture执行每次都是new 一个新的CompletableFuture对象，并把结果作为下一个CompletableFuture执行的入参，
通过伪代码可以发现，执行whenCompleteAsync后，没有新的CompletableFuture方法执行，所以异常没有抛出来，使得排查变得困难

3.2 解决

因为存在whenCompleteAsync报错的情况，添加多一个新的异常捕获处理方法，捕获异常也进行countDown的操作。

代码如下：

    httpCall(tokenData).whenCompleteAsync((returnValue, ex)->{
        // do business
        // ex.getMessage()
        // 其中ex对象为空，使用ex.getMessage()报了空指针，导致没能执行如下的countDown
        countDownLatch.countDown();
    }).exceptionally(e ->{
        log.info("exceptionally捕获到异常，tokenData={}, e={}", tokenData, e.getMessage());
        countDownLatch.countDown();
        return null;
    });

4 结论

• 熟练CompletableFuture的使用，要看源码的实现（实现原理cas + 多个future采用入stack，每次把前一个future的结果作为参数传入下一个future去执行）

• 使用多线程需要考虑异常、超时等情况

• 熟练使用jvm stack分析工具

5 文章参考

CompletableFuture流程图

CompletableFuture参考文章如下

CompletableFuture 原理浅析