node故障定位顶级技巧动态追踪Dynamic Trace详解

背景和行文目的

在做 node 或者其他语言的软件开发时，是否有以下经历：

• 测试环境一切正常，发到生产环境后，出现诡异问题且难以定位
• 不同机器、不同容器上，某些逻辑呈现不同的结果，如时区、 host
• 对于时好时坏的玄学问题，束手无策，没有完整的解决思路，无头苍蝇般的各种尝试，效率低下
• 遇到坑，习惯搜网友解决方案,然后试很多方案，都不能解决问题，此时就会感觉头皮发麻😂

我相信，上述我说的经历，大多数人都会有所共鸣。本文，我将尽可能的把我所学的动态追踪技术分享给大家。

文章内容如下所示：

• 介绍 Dynamic Trace 的概念、优势、原理和用法(我们需要掌握的那部分)
• 通过 demo ， 展示 Dynamic Trace 技术的强大
• 实战演示： 搭建 node 性能监控 easy-monitor 和构建 node 应用，构造诡异故障，并阐述如何用 Dynamic Trace 去精确快速定位
• 分享代码： 会把实战演示的代码放到 github 上，大家可以 clone 自行去体验
• 动态追踪技术的未来： 介绍下目前最领先的 Dynamic Trace 方案

总结： 做一个精简的总结

附： 其他内容

话不多说，直接开整。

动态追踪技术

是什么

这里我把章亦春大佬的原话引用过来：

动态追踪技术其实是一种后现代的高级调试技术。它可以帮助软件工程师以非常低的成本，在非常短的时间内，回答一些很难的关于软件系统方面的问题，从而更快速地排查和解决问题。

优势

优势如下：

• 随时随地，按需采集
• 基于操作系统内核实现，性能损耗极小

原理

动态追踪的事件源根据事件类型不同，主要分为静态探针、动态探针以及硬件事件，其原理如下图所示：

看不懂也正常，我也看不懂，不过会用进行，就跟你不会造车，但你可以把车开的很溜。

简单点说，就是在 linux 中，进程不能直接访问硬件设备，当进程需要访问硬件设备时，如 IO 操作，必须由用户态切换至内核态，然后通过操作系统调用硬件设备。 所以可以通过跟踪进程产生的系统调用，来获得参数、返回值、执行时间，从而完成动态追踪。

我们用的多的是动态探针，它可以让我们实时分析线上运行的程序。

用法

动态追踪工具有 strace 、 dtruss 、 systemtap 、 perf 、 dtrace 、 eBPF 等，我这边使用的是 strace 和 dtruss 。

也就是 linux 环境使用 strace ， macos 系统使用 dtruss 。

strace 的主要参数说明如下表所示：

以上参数用的最多的就是 -v 、 -s 、 -p 、 -c 。

比如我现在想看部署在 linux 上的 node 应用运行时的信息，那我就可以执行以下命令

strace -p 8000 -v -s 2048

参照参数说明表解读上述命令： 跟踪 pid 为 8000 的进程（ node 应用），输出所有的运行时系统调用，同时指定字符串最大长度为 2048 。

同理， dtruss 的主要参数说明如下表所示：

以上参数用的最多的就是 -p 、 -c 、 e 、 f 。

注意： 在 macos 系统上使用 dtruss ， 要先执行 csrutil disable

命令行例子就不举了，和 strace 是一样的道理。

demo 演示

场景： 大家在做开发的时候，有的会遇到时区问题，比如说在我的机器上，时间是对的，但是在其他机器或者容器上，时间是不对的。然后你就很疑惑，开始搜，找到了所谓的执行下某个命令就好了。

思考： 你有没有想过两台机器的时间为什么不一样，是哪个环节出了问题，比如下面代码在两台机器上的输出结果为什么不同。

console.log(new Date().toLocaleString())

如果你知道动态追踪技术，那你就可以开启 **透视眼 ** ， 看看在系统内核层面，上面代码究竟做了什么事情。

动态追踪：

参照 dtruss 参数表，我们执行如下命令

sudo dtruss -of node time.js

控制台如下图：

输出了非常多的东西，没关系，我们直接搜 toLocaleString 关键词，结果如下：

会发现图中绿色框中 read(0x14, "console.log(new Date().toLocaleString())\0", 0x28) 出现了搜索的关键词， 这句表达式的字面含义是： 系统在读取 time.js 中的内容。

我们顺着上面语句往下阅读，会发现如下图所示重要语句：

看到上面三个绿色框内容后，已经基本确定， new Date().toLocaleString() 返回值， 是系统层面读取 /etc/localtime 的内容。也就是说，这个问题的原因是不同机器的 /etc/localtime 不一样

看到这你会明白：

• 为什么不同机器的返回值会不一样
• 为什么网上给的时区解决方案是和 /etc/localtime 有关的

上面这个小 demo ，可以让我们更好的感知用 Dynamic Trace 所带来的巨大好处，所有的代码在内核层面都是裸奔的，它可以帮你更好的定位稀奇古怪的问题。

实战演示

为了更方便的演示，我这边所有操作都是在 mac 电脑进行的。 我将做以下操作

• 搭建 easy-monitor 环境
• 启动一个 egg 应用
• 制造制造问题
• 结合 easy-monitor 用 Dynamic trace 进行有序精准定位
• 实战总结

搭建 easy-monitor 环境

花了 20 分钟左右，搭建好一个本地 easy-monitor 环境，项目结构如下图所示：

在官网文档的情况下做了一点点优化，优化如下：

• 将监控模块整合成 monorepo 形式，使用 pnpm 管理，上 workspace
• 采用 turbo ，快速拉起所有包的开发模式

搭建好，一键启动开发环境，终端如下图所示：

web 控制台如下图所示：

启动一个 egg 应用

这个按照官网文档创建一个 egg 应用， 然后按照下图所示进行配置即可

过程非常简单，在上一个过程，我已经用 turbo 一起启动 egg 应用了。

制造问题

简单化， 我们写一个 node 服务， 加一个 bug 代码。代码如下：

const Controller = require('egg').Controller;
const fs = require('fs');
async function read() {
  const data = await fs.readFileSync(__dirname + '/home.js', 'utf-8');
  if (data) read();
}
class CpuController extends Controller {
  async index() {
    const { ctx } = this;
    ctx.body = 'cpu will be 90%';
    read();
  }
}
module.exports = CpuController;

访问路由 /cpu 的时候， node 服务进行读取 home.js 文件死循环状态。 此时 观察 easy-monitor cpu 状态。如下图所示：

会发现， cpu 在逐渐升高，然后开始报警，遇到这种问题，如何快速精准定位呢？

Dynamic trace 精准定位

在 easy-monitor 上发现 cpu 持续升高，居高不下时。心里有一个基调，那就是线上可能出问题了，此时，先冷静，然后进行问题定位，步骤如下

• 确定使 cpu 居高不下的进程，这个通过 easy-monitor 或者 top 命令都可以。
• 拿到进程 pid 后，通过下面命令，来动态追踪，该进程运行时信息和热点函数。

sudo dtruss -c -p 26514

执行 10 秒后，退出，查看输出内容，如下图所示：

会发现，当前服务，其 open 、 read 和 fstat64 调用次数非常多，心里大概确定该问题和文件操作有关，然后再细致的看下输出内容，如下图所示：

会发现，存在大量的读取路径 /Users/godkun/monitor/apps/egg-app/app/controller/home.js 的操作，分析到这，基本可以确定问题的原因之一了，那么后面的事情就非常简单。

快速查阅该部分代码，发现存在隐藏的循序读取逻辑，遂进行优化，优化后， easy-monitor 的性能监控显示， cpu 立刻下降，且运行平稳。

实战总结

我们构造了一个循环读取文件导致 node 服务 cpu 居高不下的线上问题，然后结合 easy-monitor 做性能监控， 同时使用动态追踪技术进行外科手术式精准定位线上问题，最后快速给出解决方案，整个过程有序高效。

可以这么说， 动态追踪 + easy-monitor 基本可以解决 node 服务遇到的所有疑难杂症。

分享代码

实战代码链接： github.com/godkun/dyna…

代码仓库主要是将 easy-monitor 和 dynamic-trace 结合，在本地模拟各种问题场景，来学习、理解和掌握。

写的比较急，目前还没做 mysql 、 redis 的 docker 化，后面有空会更新上这个功能。

动态追踪技术的未来

传统工具

目前的动态追踪工具，如 dtruss strace perf 等，都是诞生时间很久的工具了，在用的过程中，会发现有大量的无用输出，会影响定位效率，这算是一个小小的缺点。

潜力工具

在动态追踪工具中，有一个叫 eBPF ， 它可以只输出某一行代码活某一段代码和系统交互的信息，可以让我们迅速定位哪里出了问题，而不是面对一大堆输出信息，去阅读、查找、判断和定位。

未来 + 顶尖

目前动态追踪领域，最厉害的工具应该是章亦春大佬开发的 xray ，但目前没有开源，未来期待春哥开源 xray ，将动态追踪能力拉满，造福广大程序员们。

总结

到此，本文即将完成，我们可以把动态追踪技术想象成核磁共振。当你的应用出现问题的时候，无需停机、即刻对其做一个扫描，它可以让你看到应用代码在内核层面实时裸奔的画面。

动态追踪是 一种不限于 node 服务，可以定位所有服务线上故障的顶级技术。

这里补一个内容，就是可能会有读者问， easy-monitor 和 Dynamic Trace 有什么区别，为什么不能都用 easy-monitor ？

原因很简单： easy-monitor 只能到 JavaScript 的级别，而 Dynamic Trace 是直接到最底层，也就是操作系统的层面。所以，我们既需要 easy-monitor ，也更需要 Dynamic Trace 。

以上就是node故障定位顶级技巧动态追踪Dynamic Trace详解的详细内容，更多关于node Dynamic Trace故障定位的资料请关注阿兔在线工具其它相关文章！