记一次 .NET某旅行社酒店管理系统 卡死分析
一：背景
1. 讲故事
年初有位朋友找到我，说他们的管理系统不响应了，让我帮忙看下到底咋回事? 手上也有dump，那就来分析吧。
二：为什么没有响应
1. 线程池队列有积压吗？
朋友的系统是一个web系统，那web系统的无响应我们首先要关注的就是 线程池，使用 !sos tpq 命令，参考输出如下：
0:000> !sos tpq
global work item queue________________________________
0x00000004010774C0 Microsoft.AspNetCore.Server.IIS.Core.IISHttpContextOfT<Microsoft.AspNetCore.Hosting.HostingApplication+Context>
0x0000000401077808 Microsoft.AspNetCore.Server.IIS.Core.IISHttpContextOfT<Microsoft.AspNetCore.Hosting.HostingApplication+Context>
....
0x000000030239DD78 Microsoft.AspNetCore.Server.IIS.Core.IISHttpContextOfT<Microsoft.AspNetCore.Hosting.HostingApplication+Context>
0x000000030239E0C0 Microsoft.AspNetCore.Server.IIS.Core.IISHttpContextOfT<Microsoft.AspNetCore.Hosting.HostingApplication+Context>local per thread work items_____________________________________
0x0000000100A46410 System.Threading.Tasks.Task<System.Threading.Tasks.Task>
...
0x000000010133F8C0 System.Threading.Tasks.Task<System.Threading.Tasks.Task>2 Work Microsoft.AspNetCore.Http.Connections.Internal.HttpConnectionContext+<>c.<WaitOnTasks>b__123_14 Work Microsoft.AspNetCore.Http.Connections.Internal.HttpConnectionContext+<>c.<WaitOnTasks>b__123_0266 Work Microsoft.AspNetCore.SignalR.HubConnectionContext.AbortConnection----272从卦中可以看到确实存在线程池积压的情况，那为什么会有积压呢？条件反射告诉我，是不是因为锁的原因，使用 !syncblk 观察。
0:000> !syncblk
Index SyncBlock MonitorHeld Recursion Owning Thread Info SyncBlock Owner
-----------------------------
Total 468
CCW 0
RCW 0
ComClassFactory 0
Free 120从卦中看和锁没半毛钱关系，那就只能深入各个消费线程，看看这些线程为什么这么不给力。。。。
2. 线程都在干什么
要想观察各个线程都在做什么，可以用 ~*e !clrstack 观察各个线程调用栈，输出的调用栈太长，但仔细观察之后，发现很多线程都停留在 TryGetConnnection 上，截图如下：
从卦中可以看到大概有143个线程卡在 TryGetConnection 上，不知道 Connection 为啥取不到了，接下来观察问题代码，简化后如下：
private bool TryGetConnection(DbConnection owningObject, uint waitForMultipleObjectsTimeout, bool allowCreate, bool onlyOneCheckConnection, DbConnectionOptions userOptions, out DbConnectionInternal connection){DbConnectionInternal dbConnectionInternal = null;Transaction transaction = null;if (HasTransactionAffinity){dbConnectionInternal = GetFromTransactedPool(out transaction);}if (dbConnectionInternal == null){Interlocked.Increment(ref _waitCount);do{num = WaitHandle.WaitAny(_waitHandles.GetHandles(allowCreate), (int)waitForMultipleObjectsTimeout);} while (dbConnectionInternal == null);}}private DbConnectionInternal GetFromTransactedPool(out Transaction transaction){transaction = ADP.GetCurrentTransaction();DbConnectionInternal dbConnectionInternal = null;if (null != transaction && _transactedConnectionPool != null){dbConnectionInternal = _transactedConnectionPool.GetTransactedObject(transaction);//....}return dbConnectionInternal;}internal DbConnectionInternal GetTransactedObject(Transaction transaction){lock (_transactedCxns){flag = _transactedCxns.TryGetValue(transaction, out value);}if (flag){lock (value){int num = value.Count - 1;if (0 <= num){dbConnectionInternal = value[num];value.RemoveAt(num);}}}return dbConnectionInternal;}从卦中源码看是 _transactedCxns 返回 null 所致，看样子是_transactedCxns中的Conenction耗尽，接下来使用 !dso 从 DbConnectionPool 字段中去挖，输出如下：
0:298> !dso
OS Thread Id: 0x42c0 (298)SP/REG Object Name0005c087d020 0003ffc79528 Microsoft.Data.ProviderBase.DbConnectionPool0:298> !do 0003ffc79528
Name: Microsoft.Data.ProviderBase.DbConnectionPool
MethodTable: 000007fe8dd714c8
EEClass: 000007fe8dd65438
Tracked Type: false
Size: 176(0xb0) bytes
File: D:\APP\EnergyDotNet\runtimes\win\lib\net6.0\Microsoft.Data.SqlClient.dll
Fields:MT Field Offset Type VT Attr Value Name
000007fe8dd71370 40001a7 8c System.Int32 1 instance 1 _state
...
000007fe8cd994b0 40001ad 94 System.Int32 1 instance 143 _waitCount
000007fe8e012c68 40001b4 78 ...tedConnectionPool 0 instance 00000003ffc7a3e8 _transactedConnectionPool
...
000007fe8cd994b0 40001b6 9c System.Int32 1 instance 100 _totalObjects
...0:298> !DumpObj /d 00000003ffc7a520
Name: System.Collections.Generic.Dictionary`2[[System.Transactions.Transaction, System.Transactions.Local],[Microsoft.Data.ProviderBase.DbConnectionPool+TransactedConnectionList, Microsoft.Data.SqlClient]]
MethodTable: 000007fe8e0146a0
EEClass: 000007fe8cd8af30
Tracked Type: false
Size: 80(0x50) bytes
File: C:\Program Files\dotnet\shared\Microsoft.NETCore.App\6.0.22\System.Private.CoreLib.dll
Fields:MT Field Offset Type VT Attr Value Name
000007fe8cda8480 4002065 8 System.Int32[] 0 instance 0000000000000000 _buckets
000007fe8e3255d8 4002066 10 ...ivate.CoreLib]][] 0 instance 0000000000000000 _entries
000007fe8cd9ca08 4002067 30 System.UInt64 1 instance 0 _fastModMultiplier
000007fe8cd994b0 4002068 38 System.Int32 1 instance 0 _count
000007fe8cd994b0 4002069 3c System.Int32 1 instance 0 _freeList
000007fe8cd994b0 400206a 40 System.Int32 1 instance 0 _freeCount
000007fe8cd994b0 400206b 44 System.Int32 1 instance 0 _version
000007fe8cdb7900 400206c 18 ...Private.CoreLib]] 0 instance 0000000000000000 _comparer
000007fe8da70c90 400206d 20 ...Private.CoreLib]] 0 instance 0000000000000000 _keys
000007fe8d2a1c60 400206e 28 ...Private.CoreLib]] 0 instance 0000000000000000 _values从上面的卦中数据可知三点信息：
100 _totalObjects当前的线程池存着100个Connection。0 _count当前100个Connection全部耗尽。143 _waitCount表示当前有 143 个线程在获取 Connection 上进行等待。
3. 池中之物都去了哪里
要想找到这个答案，继续观察线程栈，比如搜索TDS传输层方法 Microsoft.Data.SqlClient.TdsParserStateObject.TryReadByte ，可以看到刚好是 100 个，上层大多是 xxxx.GetRoomNosInDltParams 方法，截图如下：
挖掘各个线程栈，大概都是下面的sql，格式化如下：
SELECT [HotelId],[RoomId],[SubRoomId],[SupplierId],[RoomNo],[RoomCategory],[SellPrice],[RoomNoState],[CheckInDate]
FROM [xxx]
WHERE ((((((([RoomId] IN (673,674)) AND( [SellPrice] > @SellPrice1 ))AND ( [CheckInDate] >= @CheckInDate2 ))AND ( [CheckInDate] <= @CheckInDate3 ))AND ( [RoomCategory] <=@constant5))AND ( [RoomNoState] =@constant7))AND NOT ([RoomNo] LIKE @MethodConst8+'%') )反编译源码发现有一个 useCached 字段形同虚设，导致每次都是从 数据库 读取，截图如下：
到这里基本上就能推测出来的，程序的卡死主要是 Connection 耗尽，优化建议如下：
- SQL 加上 nolock，避免锁问题。
- GetRoomNosInDltParams 方法尽量使用缓存。
- 观察数据库层的锁和负载情况。
- 设置更大的数据库连接池。
三：总结
这次卡死的生产事故，是大量数据库的慢请求导致SDK侧的数据库连接池(100)耗尽所致，如果有数据库侧的监控工具，我想一眼就能找到答案。