JVM 锁 bug 导致 G1 GC 挂起问题分析和解决【毕昇JDK技术剖析 · 第 2 期】
作者:互联网
编者按:笔者在 AArch64 中遇到一个 G1 GC 挂起,CPU 利用率高达 300%的案例。经过分析发现问题是由 JVM 的锁机制导致,该问题根因是并发编程中没有正确理解内存序导致。本文着重介绍 JVM 中 Monitor 的基本原理,同时演示了在什么情况下会触发该问题。希望通过本文的分析,读者能够了解到内存序对性能、正确性的影响,在并发编程时更加仔细。
现象
本案例是一个典型的弱内存模型案例,大致的现象就是 AArch64 平台上,业务挂死,而进程占用 CPU 持续维持在 300%。配合 top 和 gdb,可以看到是 3 个 GC 线程在 offer_termination 处陷入了死循环:
多个并行 GC 线程在 Minor GC 结束时调用 offer_termination,在 offer_termination 中自旋等待其他并行 GC 线程到达该位置,才说明 GC 任务完成,可以终止。(关于并行任务的中止协议问题,可以参考相关论文,这里不做着重介绍。
简单地说,在并行任务执行时,多个任务之间可能存在任务不均衡,所以 JVM 内部设计了任务均衡机制,同时必须设计任务终止的机制来保证多个任务都能完成,这里的 offer_termination 就是尝试终止任务)。
在该案例中,部分 GC 线程完成自己的任务,等待其他的 GC 线程。此时出现挂起,很有可能是因为发生了死锁。所以问题很可能是由于那些尚未完成任务的 GC 线程上错误地使用锁。所以使用 gdb 观察了一下其他 GC 线程,发现其他 GC 线程全都阻塞在一把 JVM 的锁上:
而这把 Monitor 中的情况如下:
-
cxq 上积累了大量 GC 线程
-
OnDeck 记录的 GC 线程已经消失
-
_owner 记录的锁持有者为 NULL
分析
在进一步分析前,首先普及一下 JVM 锁组件 Monitor 的基本原理,Monitor 类主要包含 4 个核心字段:
-
“Thread * volatile _owner” 字段指向这把锁的持有线程
-
“SplitWord_LockWord” 字段被设计为 1 个机器字长,目的是为了确保操作时天然的原子性,它的最低位被设计为上锁标记位,而高位区域用来存放 256 字节对齐的竞争队列(cxq)地址
-
“ParkEvent * volatile_EntryList” 字段指向一个等待队列,跟 cxq 差别不大,个人理解只是为了缓解 cxq 的竞争压力而设计
-
“ParkEvent * volatile_OnDeck” 字段指向这把锁的法定继承人,同时最低位还充当了内部锁的角色
接下来通过一组流程图来介绍加解锁的具体流程:
上图是加锁的一个整体流程,大致分为 3 步:
首先走快速上锁流程,主要对应锁本身无人持有的最理想情况
接着是自旋上锁流程,这是预期将在短时间内获取锁的情况
最后是慢速上锁流程,申请者将会加入等待队列(cxq),然后进入睡眠,直到被唤醒后发现自己变成了法定继承者,于是进入自旋,直到完成上锁。
而且,基于性能考虑,整个上锁流程中的每一步几乎都做了“插队”的尝试:
如上图代码中所示,“插队”的意思就是不经过排队(cxq),直接尝试置上锁标志位。
上图就是整个解锁流程了,显然真正的解锁操作在第二步中就已经完成了(意味着接下来时刻有“插队”现象发生),剩下的主要就是选出继承者的过程,大致分为以下几步:
-
解锁线程首先需要将内部锁(_OnDeck)标记上锁
-
从竞争队列(cxq)抽取所有等待者放入等待队列(_EntryList)
-
_ EntryList 取出头一个元素,写入_OnDeck 的同时解除内部锁标记,这代表选出了继承者
-
唤醒继承者
当然伴随着整个解锁流程每一步的,还有对“插队”行为的处理。
至此,JVM 锁组件 Monitor 的原理就介绍到这里,再回归到问题本身,一个疑问就是_OnDeck 上记录的继承者为何消失?作为继承者,既然已经消失在竞争队列和等待队列里,显然意味着它大概率已经持有锁、然后解锁走人了,所以问题很可能跟继承者选取过程有关。基于这种猜测,我们对相关代码着重进行了梳理,就发现了下图两处红框标记位置存在疑点,那就是在选继承者过程第 3 步中:
写EntryList 和写_OnDeck 之间没有 barrier 来保证执行顺序,这可能出现_OnDeck 先于EntryList 写入的情况,一旦继承人提前持有锁,后果就可能非常糟糕…
这里贴了一张可能的问题场景:
-
线程 A 处于解锁流程中,由于乱序,先写入了继承者同时解除内部锁
-
线程 B 处于上锁流程,发现自己就是法定继承者后,立刻完成上锁
-
线程 B 又迅速进入解锁流程,并从_EntryList 中取出头元素(也就是线程 B!)作为继承者写入_OnDeck,完成解锁走人
-
线程 A 此时才更新_EntryList,然后唤醒继承者(也就是线程 B!),完成解锁走人
-
_OnDeck 上的继承者线程 B,实际已经完成加解锁离开,后续等待线程再也无法被唤醒。
正巧在社区的高版本上找到了一个相关的修复记录,这里贴出 2 个关键的代码片段:
上面这段代码位于慢速上锁流程,被唤醒后检查继承者是否是自己,修复后的代码在读_OnDeck 时加了 Load-Acquire 的 barrier。
上面这段代码位于解锁时选继承者流程,从_ EntryList 取出头一个元素,写入_OnDeck 的同时解除内部锁标记,修复后的代码在写_OnDeck 时加了 Store-Release 的 barrier。
显然,围绕_OnDeck 添加的这对 One-way barrier 可以确保:当继承者线程被唤醒时,该线程可以“看”到_EntryList 已经被及时更新。
总结:
在 AArch64 这种弱内存模型的平台上(关于内存序更多的知识在接下来的分享中会详细介绍),一旦涉及多线程对公共内存的每一次访问,必须反复确认是否需要通过 barrier 来严格保序,而且除非存在有效的依赖关系,否则 barrier 需要在读写端成对使用。
后记
如果遇到相关技术问题(包括不限于毕昇 JDK),可以通过毕昇 JDK 社区求助(目前毕昇 JDK 最新的官网http://bishengjdk.openeuler.org已经上线,可以点击原文进入官网查找所有相关资源,包括二进制下载、代码仓库、使用教学、安装、学习资料等)。
毕昇JDK社区每双周周二举行技术例会,同时有一个技术交流群讨论GCC、LLVM、JDK和V8等相关编译技术,感兴趣的同学可以添加如下微信小助手,回复Compiler入群。
毕昇JDK技术剖析系列博文:
第1期:使用 perf 解决 JDK8 小版本升级后性能下降的问题
第2期:JVM 锁 bug 导致 G1 GC 挂起问题分析和解决
毕昇JDK资讯:
2021年毕昇 JDK 的第一个重要更新来了
毕昇 JDK 8u292、11.0.11 发布!
标签:OnDeck,JDK,G1,解锁,线程,继承者,GC,上锁 来源: https://www.cnblogs.com/0591jb/p/15018280.html