bug|太极限了,JDK的这个BUG都能被我踩到

hello,大家好呀,我是小楼。
之前遇到个文件监听变更的问题,刚好这周末有空研究了一番,整理出来分享给大家。
从一次故障说起
我们还是从故障说起,这样更加贴近实际,也能让大家更快速理解背景。
有一个下发配置的服务,这个配置服务的实现有点特殊,服务端下发配置到各个服务的本地文件,当然中间经过了一个agent,如果没有agent也就无法写本地文件,然后由client端的程序监听这个配置文件,一旦文件有变更,就重新加载配置,画个架构图大概是这样:
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

今天的重点是文件的变更该如何监听(watch),我们当时的实现非常简单:

  • 单独起个线程,定时去获取文件的最后更新时间戳(毫秒级)
  • 记录每个文件的最后更新时间戳,根据这个时间戳是否变化来判断文件是否有变更
从上述简单的描述,我们能看出这样实现有一些缺点:
  • 无法实时感知文件的变更,感知误差在于轮询文件最后更新时间的间隔
  • 精确到毫秒级,如果同一毫秒内发生2次变更,且轮询时刚好落在这2次变更的中间时,后一次变更将无法感知,但这概率很小
还好,上述两个缺点几乎没有什么大的影响。
但后来还是发生了一次比较严重的线上故障,这是为什么呢?因为一个JDK的BUG,这里直接贴出罪魁祸首:
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

BUG详见:https://bugs.java.com/bugdatabase/view_bug.do?bug_id=8177809
在某些JDK版本下,获取文件的最后更新时间戳会丢失毫秒精度,总是返回整秒的时间戳,为了直观感受,写了个demo分别在jdk1.8.0_261jdk_11.0.6测试(均为MacOs):
  • jdk_1.8.0_261
    bug|太极限了,JDK的这个BUG都能被我踩到
    文章图片
  • jdk_11.0.6
    bug|太极限了,JDK的这个BUG都能被我踩到
    文章图片
如果是在这个BUG的影响下,只要同一秒内有2次变更,且读取文件最后时间戳位于这2次变更之间的时间,第2次变更就无法被程序感知了,同1秒这个概率比同一毫秒大的多的多,所以当然就被触发了,导致了一次线上故障。
这就好比之前是沧海一粟,现在变成了大海里摸到某条鱼的概率。这也能被我们碰到,真是有点极限~
WatchService—JDK内置的文件变更监听
当了解到之前的实现存在BUG后,我就去搜了一下Java下如何监听文件变更,果然被我找到了WatchService
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

说是WatchService可以监听一个目录,对目录下的文件新增、变更、删除进行监听。于是我很快就写了个demo进行测试:
public static void watchDir(String dir) { Path path = Paths.get(dir); try (WatchService watchService = FileSystems.getDefault().newWatchService()) { path.register(watchService, StandardWatchEventKinds.ENTRY_CREATE, StandardWatchEventKinds.ENTRY_MODIFY, StandardWatchEventKinds.ENTRY_DELETE, StandardWatchEventKinds.OVERFLOW); while (true) { WatchKey key = watchService.take(); for (WatchEvent watchEvent : key.pollEvents()) { if (watchEvent.kind() == StandardWatchEventKinds.ENTRY_CREATE) { System.out.println("create..." + System.currentTimeMillis()); } else if (watchEvent.kind() == StandardWatchEventKinds.ENTRY_MODIFY) { System.out.println("modify..." + System.currentTimeMillis()); } else if (watchEvent.kind() == StandardWatchEventKinds.ENTRY_DELETE) { System.out.println("delete..." + System.currentTimeMillis()); } else if (watchEvent.kind() == StandardWatchEventKinds.OVERFLOW) { System.out.println("overflow..." + System.currentTimeMillis()); } } if (!key.reset()) { System.out.println("reset false"); return; } } } catch (Exception e) { e.printStackTrace(); } }

bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

先对/tmp/file_test目录进行监听,然后每隔5毫秒往文件写数据,理论上来说,应该能收到3次事件,但实际上很奇怪,仔细看接收到modify事件的时间大概是第一次文件修改后的9.5s左右,很奇怪,先记着,我们读一下WatchService源码
>>> 1652076266609 - 1652076257097 9512

WatchService原理
WatchService watchService = FileSystems.getDefault().newWatchService()

通过debug发现,这里的watchService实际上是PollingWatchService的实例,直接看PollingWatchService的实现:
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

PollingWatchService上来就起了个线程,这让我隐隐不安。再找一下这个scheduledExecutor在哪里用到:
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

每隔一段时间(默认为10s)去poll下,这个poll干了什么?代码太长,我截出关键部分:
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

果然,和我们的实现类似,也是去读文件的最后更新时间,根据时间的变化来发出变更事件。
换句话说,在某些JDK版本下,他也是有BUG的!
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

这也就解释了上文提到的事件监听为什么是在第一个9.5s之后才发出,因为监听注册后,sleep了500ms后修改文件,10s轮询,刚好9.5s后拿到第一轮事件。
inotify—Linux内核提供的文件监听机制
至此,我想起了linux上的tail命令,tail 是在文件有变更的情况下输出文件的末尾,理论上也是监听了文件变更,这块刚好在很久之前听过一个技术大佬分享如何自己实现tail命令,用到的底层技术就是inotify
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

简单来说,inotify是linux内核提供的一种监控文件变更事件的系统调用。如果基于此来实现,不就可以规避JDK的BUG了吗?
但奇怪的是为什么Java没有用这个来实现呢?于是我又搜了搜,发现谷歌似乎有一个库,但被删了,看不到代码:
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

github上又搜到一个:https://github.com/sunmingshi/Jinotify
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

看起来是一个native的实现,需要自己编译.so文件,这样就比较蛋疼了。
记得上次这么蛋疼还是在折腾Java的unix domain socket,也是找到了一个google的库,测试没问题,放到线上就崩了不得不说google还是厉害,JDK提供不了的库,我们来提供
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

于是我带着这个疑问去问了一个搞JVM开发的朋友,结果他告诉我,Java也可以使用inotify!
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

瞬间斗志来了,难道是我测试的姿势不对?
我又去翻了一遍Java文档,发现在角落隐藏了这么一段话:
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

也就是说,不同的平台下会使用不同的实现,PollingWatchService是在系统不支持inotify的情况下使用的兜底策略。
于是将watchService的类型打印出来,在Mac上打印为:
class sun.nio.fs.PollingWatchService

在Linux上是:
class sun.nio.fs.LinuxWatchService

LinuxWatchService在Mac上是找不到这个类,我猜测应该是Mac版的JDK压根没把这块代码打包进来。
原来我本地测试都走了兜底策略,看来是测了个寂寞。
bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

于是我写了个demo再测试一把:
public static void main(String[] args) throws Exception { Thread thread = new Thread(() -> watchDir("/tmp/file_test")); thread.setDaemon(false); thread.start(); Thread.sleep(500L); for (int i = 0; i < 3; i++) { String path = "/tmp/file_test/test"; FileWriter fileWriter = new FileWriter(path); fileWriter.write(i); fileWriter.close(); File file = new File(path); System.out.println(file.lastModified()); Thread.sleep(5); } }

  • 本地Mac
    bug|太极限了,JDK的这个BUG都能被我踩到
    文章图片

  • Linux
    bug|太极限了,JDK的这个BUG都能被我踩到
    文章图片

可以看出,Linux上能收到的事件比本地多的多,而且接收事件的时间明显实时多了。
为了更加准确的验证是inotify,用strace抓一下系统调用,由于JVM fork出的子进程较多,所以要加-f命令,输出太多可以存入文件再分析:
strace -f -o s.txt java FileTime

bug|太极限了,JDK的这个BUG都能被我踩到
文章图片

果然是用到了inotify系统调用的,再次验证了我们的猜想。
故障是如何修复的?
再次回到开头的故障,我们是如何修复的呢?由于下发的文件和读取文件的程序都是我们可控的,所以我们绕过了这个BUG,给每个文件写一个version,可以用文件内容md5值作为version,写入一个特殊文件,读取时先读version,当version变化时再重新载入文件。
可能你要问了,为什么不用WatchService呢?
我也问了负责人,据说inotify在docker上运行的不是很好,经常会丢失事件,不是Java的问题,所有语言都存在这个问题,所以一直没有使用。不过这块找不到相关的资料,也无法证明,所以暂时搁置。
最后说几句
有些BUG,不踩过就很难避免,代码只要存在BUG的可能性,就一定会暴露出来,只是时间问题。
我们要在技术上深入探究,小心求证,但产品上不必执着,可另辟蹊径。
另外解决不了的问题时可以找这个领域的资深人士,所以平时没事认识几个大牛很有必要。我们今天的分析到此结束,我是小楼,下期再见~
【bug|太极限了,JDK的这个BUG都能被我踩到】搜索关注微信公众号"捉虫大师",后端技术分享,架构设计、性能优化、源码阅读、问题排查、踩坑实践。

    推荐阅读