阿里面试，一个对你而言很陌生的线上系统启动慢，你会如何排查问题？

[linxiaoziruo]

前提是这个系统在测试环境和预发环境都没问题，就线上出问题了。因为已经上线了，所以没有办法加日志，也不能使用调试工具远程连上线上环境测试（比如 jvm 远程断点调试）。你只能远程连上容器操作命令行，并且排查操作不能影响线上系统的性能（比如导致吞吐量明显下降，API 反应明显变慢等）。

[yulgang]

主机虚拟内存使用情况； netstat 看看 Recv-Q Send-Q 情况，有时候 DNS 反向解析也可能会导致慢或者一部分功能不可用。

[wenjian881314]

无脑 arthas

[gadsavesme]

ng 查看下回复时间，排查是否网络原因；是否 io 密集型任务排查下系统 io 情况； cpu 是否高占用，如果高占用具体排查线程，是 gc 线程还是用户线程。数据库是否有慢查询，缓存连接情况，mq 消费是否正常，是否有三方接口响应过慢。大方向具体就想到那么多。

[fishofcat]

简单呀，找熟悉系统的人排查

[TomVista]

所以到底出了什么问题,表现是什么? 先问清楚呗,

[TomVista]

@TomVista 天帝玩家

[ChanKc]

想到个很有趣的说法，说服务端程序的优化是启动慢没关系，要的是运行时的速度提高。而客户端的优化是启动要快，运行时稍微慢一些也没关系。
面试问这种问题我觉得挺没意思的。在短时间内思考，自然是做过的能答出来，没做过的就答不出来。如果面试被问这个我会觉得对方在“要经验”和“要能力”之间，更倾向于前者

[xsirfly]

是启动慢还是系统慢，如果只是启动慢，那说明线上没问题呀，加点日志，下次上线时看看启动到底哪里慢；如果是接口慢，那就看看系统负载瓶颈呗，是 cpu 满了，内存不够了还是网卡爆了

[swulling]

启动慢又不是运行慢，模拟线上环境在线下尝试复现呗。

线上即然已经上线，启动慢就不是问题，先封禁变更放着，没必要在线上 debug 。

如果线下无法复现，就在线上找个实例，从 LB 上把流量摘了，随便打点加日志折腾

[pmispig]

启动慢再多加一个节点不注册服务不就行了，慢慢调试啊

[tusj]

先看看启动的日志呗，大致能看到哪里慢，还能怎么着

[atonku]

重启啊

[laike9m]

@ChanKc #7 其实我也想问为啥启动慢是个很大的问题。。

[est]

> 不能使用调试工具远程连上线上环境测试（比如 jvm 远程断点调试）

> 只能远程连上容器操作命令行

只有我一个人觉得这两个设定是矛盾的么。都能 ssh 了。为啥不能上调试工具啊。。

[tcfenix]

@laike9m
阿里一个应用可能上千台容器,分批估计要分 6 到 8 批,每批又有几个小时的灰度观察时间,真的大型应用发布起来可以说是个体力活,超 1000 台容器的话每次启动总有几个容器会出问题,然后导致不断的重启,重启,启动速度慢能让一个系统发布发的崩溃的

说实话,如果预发环境(这年头谁用测试环境?根本没数据没有依赖服务,有什么东西能测的?)没有问题,那肯定就是线上依赖的上下游系统出问题了,直接在代码里面看依赖了哪些上下游服务,然后点进去看他们有没有发布,基本上就破案了,如果没找到系统发布,那么就查他们配置有没有发布
基本上到这里就没有什么问题了

[tcfenix]

@est
因为那边就是这样,能 ssh 上机器,但是其他的工具不能用
实际上 arthas 是可以用的,不过看出题人愿不愿意让你用了

[p2pCoder]

新开一个服务，启动不注册服务，可以做线上 trace，定位是不是单机的问题
除了服务本身的问题，线上 预发 测试的容器规格需要考虑
不同环境下的实例数目需要考虑
同时启动的服务实例数目需要考虑
启动时候依赖的中间件 db 的负载情况 需要了解

[lazyfighter]

一般经验网络不稳导致连接注册中心等很慢，不过这种情况因为内网可以忽略， 另外都是因为在启动的时候执行了过多的预加载导致的

[qiyuey]

Arthas

[laminux29]

先查看各物理设备情况。比如 CPU 、MEM 、CACHE 、DISK 、NET 等等。

如果物理设备没问题，多半就是代码的问题了。

这种题目很坑且无解，因为无论被面试者有多牛逼，这种题目，从不同角度回答，会得到完全相反且极端的评价，一般这种问题，HR 会拿来无脑选人或踢人。