Dubbo 2.7.12 bug导致线上故障-码上建站

Dubbo 2.7.12 bug导致线上故障

发布时间：2025-11-04 17:52:59 来源：码上建站作者：应用开发

本文转载自微信公众号「捉虫大师」，线上作者捉虫大师。故障转载本文请联系捉虫大师公众号。线上

最近某天的故障深夜，刚洗完澡就接到业务方打来电话，线上说他们的故障 dubbo 服务出故障了，要我协助排查一下。线上

电话里，故障询问了他们几点

于是我打开电脑，连上网络看问题。故障为了便于理解，线上架构简化如下

只需要关注 A、故障B、线上C 三个服务，故障他们之间调用都是线上 dubbo 调用。

发生故障时 B 服务有几台机器完全夯死，处理不了请求，剩余正常机器请求量激增，耗时增加，如下图(图一请求量、图二耗时)

由于现场已被破坏，只能先看监控和日志

除了上述监控外，翻看了 B 服务 CPU 和内存等基础监控，发现故障的几台机器内存上涨比较多，都达到了 80% 的水平线，且 CPU 消耗也变多

这时比较怀疑内存问题，亿华云于是看了下 JVM 的 fullGC 监控

果然 fullGC 时间上涨很多，基本可以断定是内存泄漏导致服务不可用了。但为什么会内存泄漏，还无法看出端倪。

申请机器权限，查看日志，发现了一条很奇怪的 WARN 日志

可以看出业务方使用的是2.7.12版本的 dubbo

拿这个日志去 dubbo 的 github 仓库搜了一下，找到了如下这个 issue：

https://github.com/apache/dubbo/issues/6820

但很快排除了该问题，因为在 2.7.12 版本中已经是修复过的代码了。

继续又找到了这两个 issue：

https://github.com/apache/dubbo/issues/8172

https://github.com/apache/dubbo/pull/8188

从报错和版本上来看，完全符合，但没有提及内存问题，先不管内存问题，看看是否可以按照 #8188 这个 issue 复现

issue 中也说的比较清楚如何复现，于是我搭了这样三个服务来复现，刚开始还没有复现。通过修复代码来反推

删除代码部分是有问题，但我们复现却难以进入这块，怎么才能进入呢?

这里一个 feature 代表一个请求，免费源码下载只有当请求没有完成时才会进入，这就好办了，让 provider 一直不返回，肯定可以实现，于是在 provider 端测试代码加入

经过测试果然复现了，如 issue 所说，当 kill -9 掉第一个 provider 时，消费者全局 ExecutorService 被关闭，当 kill -9 第二个 provider 时，SHARED_EXECUTOR 也被关闭。

那么这个线程池是用来干什么的呢?

它在 HashedWheelTimer 中被用来检测 consumer 发出的请求是否超时。

HashedWheelTimer 是 dubbo 实现的一种时间轮检测请求是否超时的算法，具体这里不再展开，改天可以详细写一篇 dubbo 中时间轮算法。

当请求发出后，如果可以正常返回还好，但如果超过设定的超时时间还未返回，则需要这个线程池的任务来检测，对已经超时的任务进行打断。

如下代码为提交任务，当这个线程池被关闭后，源码库提交任务就会抛出异常，超时也就无法检测。

到这里恍然大悟：如果请求一直发送，不超时，那是不是有可能撑爆内存?于是我又模拟了一下，并且开了 3 个线程一直请求 provider，果然复现出内存被撑爆的场景，而当不触发这个问题时，内存是一直稳定在一个低水平上。

这里我用的 arthas 来看的内存变化，非常方便

在本地复现后，于是跟业务方求证一下，这个问题复现还是比较苛刻的，首先得是异步调用，其次 provider 需要非正常下线，最后 provider 需要有阻塞，即请求一直不返回。

异步调用得到业务方的确认，provider 非正常下线，这个比较常见，物理机的故障导致的容器漂移就会出现这个情况，最后 provider 有阻塞这点也得到业务方的确认，确实 C 服务有一台机器在那个时间点附近僵死，无法处理请求，但进程又是存活的。

所以这个问题是 dubbo 2.7.12 的 bug 导致。翻看了下这个 bug 是 2.7.10 引入， 2.7.13 修复。

差不多花了1天的时间来定位和复现，还算顺利，运气也比较好，没怎么走弯路，但这中间也需要有些地方需要引起重视。

【责任编辑：武晓燕 TEL：（010）68476606】

随便看看