没想到，错误的单例写法，让 RabbitMQ 大量超时导致程序挂死！

一、背景

1. 讲故事

10月份星球里的一位老朋友找到我，说他们公司的程序在一个网红直播带货下给弄得无响应了，无响应期间有大量的 RabbitMQ 超时，寻求如何找到根源，聊天截图我就不发了。

既然无响应了，那必然是程序的大量线程被主动或者被动的挂起，朋友也很及时的从程序上抽了一管血下来，接下来就上 windbg 一起探究下到底发生了什么?

二、Windbg 分析

1. 线程们都怎么了

要想看所有线程，还是老命令 !t 。

1. 0:000> !t
2. ThreadCount: 5221
3. UnstartedThread: 0
4. BackgroundThread: 5199
5. PendingThread: 0
6. DeadThread: 21
7. Hosted Runtime: no
8. Lock
9. DBG ID OSID ThreadOBJ State GC Mode GC Alloc Context Domain Count Apt Exception
10. 20 1 74e4 00000276CB778180 202a020 Preemptive 0000000000000000:0000000000000000 00000276cb77c9d0 -00001 MTA
11. 31 2 42cc 00000276CB6CA830 2b220 Preemptive 0000000000000000:0000000000000000 00000276cb77c9d0 -00001 MTA (Finalizer)
12. 32 3 2b40 00000276CB85D1B0 102a220 Preemptive 0000000000000000:0000000000000000 00000276cb77c9d0 -00001 MTA (Threadpool Worker)
13. 2 6 bccc 00000276CBA5D2F0 20220 Preemptive 0000000000000000:0000000000000000 00000276cb77c9d0 -00001 Ukn
14. 33 9 7224 00000276CBA5C0C0 3029220 Preemptive 0000000000000000:0000000000000000 00000276cb77c9d0 -00001 MTA (Threadpool Worker) System.IO.IOException 00000279ccc56cd0
15. 9 23 29e0 0000027BD86FD180 20220 Preemptive 0000000000000000:0000000000000000 00000276cb77c9d0 -00001 Ukn
16. ...

从简要信息看，当前有 5000+ 的线程，太牛了，一般一台机器的所有进程的线程加起来也没这么多。。。不过我目前看到最多的是 1w + 的线程 ??????， 就是那种不用线程池，直接用 Thread 造成的一种线程垃圾。

可以看到线程列表中的 9号线程 抛了托管异常，接下来看看是个啥错误, 使用 !wpe 00000279ccc56cd0 命令。

1. 0:000> !wpe 00000279ccc56cd0
2. Address: 00000279ccc56cd0
3. Exception Type: System.IO.IOException
4. Message: Unable to read data from the transport connection: 远程主机强迫关闭了一个现有的连接。.
5. Inner Exception: 00000279ccc56b20 System.Net.Sockets.SocketException 远程主机强迫关闭了一个现有的连接。
6. Stack:
7. SP IP Function
8. 000000791b88c970 00007ffd844a1b31 System.Net.Sockets.NetworkStream.Read(Byte[], Int32, Int32)
9. 000000791b88ee80 00007ffd849e6f8a System.IO.BufferedStream.ReadByteSlow()
10. 000000791b88eeb0 00007ffd8312950a RabbitMQ.Client.Impl.InboundFrame.ReadFrom(System.IO.Stream, Byte[])
11. 000000791b88ef40 00007ffd849e6d7d RabbitMQ.Client.Framing.Impl.Connection.MainLoopIteration()
12. 000000791b88efa0 00007ffd8312832f RabbitMQ.Client.Framing.Impl.Connection.MainLoop()
14. HResult: 80131620

从堆栈信息来看，程序做了一个远程访问 RabbitMQ，结果 tcp 连接被对方关闭了，貌似和朋友说的有大量 RabbitMQ 超时有关。

接下来就是查看各个线程栈，研究下此时这些线程都在干什么，使用 ~*e !clrstack 命令，通过仔细研读线程栈，我发现有大量的方法卡在 xxx.RabbitMq.RabbitMqConnection.GetInstance 方法处。

1. Child SP IP Call Site
2. 0000008B8A9ED6A8 00007ffdf5246594 [HelperMethodFrame_1OBJ: 0000008b8a9ed6a8] System.Threading.Monitor.ReliableEnter(System.Object, Boolean ByRef)
3. 0000008B8A9ED800 00007ffd84a6a4a9 xxx.RabbitMq.RabbitMqConnection.GetInstance(Microsoft.Extensions.Options.IOptions`1, Microsoft.Extensions.Logging.ILogger`1)
4. 0000008B8A9ED860 00007ffd84a6a317 xxx.RabbitMq.RabbitMqProducer..ctor(Microsoft.Extensions.Options.IOptionsSnapshot`1, Microsoft.Extensions.Logging.ILogger`1)
5. 0000008B8A9ED8A0 00007ffd8334817b DynamicClass.ResolveService(ILEmitResolverBuilderRuntimeContext, Microsoft.Extensions.DependencyInjection.ServiceLookup.ServiceProviderEngineScope)
6. 0000008B8A9ED930 00007ffd83347d76 DynamicClass.ResolveService(ILEmitResolverBuilderRuntimeContext, Microsoft.Extensions.DependencyInjection.ServiceLookup.ServiceProviderEngineScope)
7. 0000008B8A9EDE90 00007ffd844f3cb3 Microsoft.Extensions.DependencyInjection.ActivatorUtilities.GetService(System.IServiceProvider, System.Type, System.Type, Boolean) [/_/src/libraries/Common/src/Extensions/ActivatorUtilities/ActivatorUtilities.cs @ 173]
8. DynamicClass.lambda_method196(System.Runtime.CompilerServices.Closure, System.IServiceProvider, System.Object[])
9. 0000008B8A9EDF20 00007ffd84a0fc9c Microsoft.AspNetCore.Mvc.Controllers.ControllerFactoryProvider+c__DisplayClass5_0.g__CreateController|0(Microsoft.AspNetCore.Mvc.ControllerContext)
10. 0000008B8A9EDF70 00007ffd8452ce7f Microsoft.AspNetCore.Mvc.Infrastructure.ControllerActionInvoker.Next(State ByRef, Scope ByRef, System.Object ByRef, Boolean ByRef) [/_/src/Mvc/Mvc.Core/src/Infrastructure/ControllerActionInvoker.cs @ 285]
11. 0000008B8A9EE030 00007ffd84a0fac8 Microsoft.AspNetCore.Mvc.Infrastructure.ControllerActionInvoker.InvokeInnerFilterAsync() [/_/src/Mvc/Mvc.Core/src/Infrastructure/ControllerActionInvoker.cs @ 490]
12. 0000008B8A9EE0B0 00007ffd845346cd Microsoft.AspNetCore.Mvc.Infrastructure.ResourceInvoker.Next(State ByRef, Scope ByRef, System.Object ByRef, Boolean ByRef) [/_/src/Mvc/Mvc.Core/src/Infrastructure/ResourceInvoker.cs @ 883]
13. 0000008B8A9EE240 00007ffd84a0f9ad Microsoft.AspNetCore.Mvc.Infrastructure.ResourceInvoker.InvokeNextExceptionFilterAsync() [/_/src/Mvc/Mvc.Core/src/Infrastructure/ResourceInvoker.cs @ 1024]
14. 0000008B8A9EE2C0 00007ffd84534272 Microsoft.AspNetCore.Mvc.Infrastructure.ResourceInvoker.Next(State ByRef, Scope ByRef, System.Object ByRef, Boolean ByRef) [/_/src/Mvc/Mvc.Core/src/Infrastructure/ResourceInvoker.cs @ 883]
15. 0000008B8A9EE450 00007ffd84a0f850 Microsoft.AspNetCore.Mvc.Infrastructure.ResourceInvoker.InvokeNextResourceFilter() [/_/src/Mvc/Mvc.Core/src/Infrastructure/ResourceInvoker.cs @ 976]
16. ...

从调用栈信息看，源头是一个http请求，然后在 GetInstance 下的 lock 处被冻结，这就激发了我很大的好奇心，接下来根据 IP 导出源码看看。

1. public sealed class RabbitMqConnection
2. {
3. public static RabbitMqConnection GetInstance(IOptions options, ILogger<dynamic> logger)
4. {
5. if (_uniqueInstance == null || _uniqueInstance.Connection == null || !_uniqueInstance.Connection.IsOpen)
6. {
7. lock (_objLock)
8. {
9. if (_uniqueInstance == null || _uniqueInstance.Connection == null || !_uniqueInstance.Connection.IsOpen)
10. {
11. _uniqueInstance = new RabbitMqConnection(options.Value, logger);
12. }
13. }
14. }
15. return _uniqueInstance;
16. }
18. private RabbitMqConnection(RabbitMqConfig config, ILogger<dynamic> logger)
19. {
20. Policy.Handle().Or().WaitAndRetry(6, (int retryAttempt) => TimeSpan.FromSeconds(1.0), delegate (Exception ex, TimeSpan time, int retryCount, Context content)
21. {
22. if (6 == retryCount)
23. {
24. throw ex;
25. }
26. _logger.LogError(ex, $"{retryCount}:{ex.Message}");
27. })
28. .Execute(delegate
29. {
30. Connection = factory.CreateConnection();
31. });
32. }
33. }

从代码逻辑看，朋友用了 双检锁 来给 RabbitMQ 实例做单例化，如果实例创建失败还会有 6 次 1s 的尝试，这种写法乍一看没什么问题。

2. 单例写法真的没问题吗

如果单例写法没问题的话，为什么有大量的线程卡在 lock 处呢?既然是 单例 那肯定是 rabbitmq 第一次被实例化后，后人直接乘凉就好了哈，带着这个疑问再次检查 双检索 写法，尼玛，在判断单例的时候居然做了 _uniqueInstance.Connection.IsOpen 判断，大家知道这意味着什么吗?

这意味着，一旦 rabbitmq 在某个时刻挂掉了，单例条件就被破防了，无数的线程排队来做 RabbimtMQ 的实例化，要知道这都是些不实例出来不罢休的勇士，继而导致程序挂死...??????

3. 验证我的想法

既然从源码中推出了这个代码缺陷，但口说无凭，我得拿出证据，要想验证很简单，到托管堆寻找 RabbitMqConnection 实例，看下此时它的 IsOpen 是不是 false 即可, 通过 ILSpy 查看源码发现它是用 CloseReason==null 来判断的。

接下来看看 CloseReason 不为空即可。

1. 0:000> !dumpheap -type RabbitMqConnection
2. Address MT Size
3. 00000277cbd7aa68 00007ffd831f1570 32
4. 00000277ccb13068 00007ffd831f1570 32
6. 0:000> !DumpObj /d 00000277cbd7b858
7. Name: RabbitMQ.Client.Framing.Impl.AutorecoveringConnection
8. MethodTable: 00007ffd83235db0
9. EEClass: 00007ffd83242898
10. Size: 200(0xc8) bytes
11. File: G:\xxx\RabbitMQ.Client.dll
12. Fields:
13. MT Field Offset Type VT Attr Value Name
14. 00007ffd82397238 4000180 bc System.Boolean 1 instance 0 _disposed
15. 00007ffd82390c68 4000181 8 System.Object 0 instance 00000277cbd7b920 _eventLock
16. 00007ffd831fc230 4000182 10 ...g.Impl.Connection 0 instance 00000277cbd7d5f8 _delegate
18. 0:000> !DumpObj /d 00000277cbd7d5f8
19. Name: RabbitMQ.Client.Framing.Impl.Connection
20. MethodTable: 00007ffd831fc230
21. EEClass: 00007ffd8322cd70
22. Size: 232(0xe8) bytes
23. File: G:\xxx\RabbitMQ.Client.dll
24. Fields:
25. MT Field Offset Type VT Attr Value Name
26. 00007ffd82397238 4000198 b8 System.Boolean 1 instance 0 _disposed
27. 00007ffd82390c68 4000199 8 System.Object 0 instance 00000277cbd7d6e0 _eventLock
28. 00007ffd82d93d00 400019a 10 ...ualResetEventSlim 0 instance 00000277cbd7d6f8 _appContinuation
29. 00007ffd83276028 400019b 18 ...ShutdownEventArgs 0 instance 00000279ccc56e28 _closeReason
31. 0:000> !do 00000277ccb13068
32. Name: xxx.RabbitMq.RabbitMqConnection
33. MethodTable: 00007ffd831f1570
34. EEClass: 00007ffd831eb920
35. Size: 32(0x20) bytes
36. File: G:\xxx\xxx.dll
37. Fields:
38. MT Field Offset Type VT Attr Value Name
39. 00007ffd831f13f8 400001f 8 ...Private.CoreLib]] 0 instance 00000278cbe4c2a0 _logger
40. 00007ffd831f2ab0 4000020 10 ...lient.IConnection 0 instance 0000000000000000 <Connection>k__BackingField
41. 00007ffd831f1570 400001d 8 ...abbitMqConnection 0 static 00000277cbd7aa68 _uniqueInstance
42. 00007ffd82390c68 400001e 10 System.Object 0 static 00000277cbd7aa50 _objLock

从输出信息中可以很清楚的看到当前托管堆有两个 RabbitMqConnection 对象，其中一个果然是失败了(_closeReason=00000279ccc56e28)，还有一个正在努力的new k__BackingField=0000000000000000， 这也就验证了假设。

4. 后续

有了这些信息，和朋友做了下沟通，建议再优化一下 IsOpen=false 时的异常处理逻辑，比如 return 或者 throw new，或者干脆不要用懒检测， 千万不要硬着来。

至于造成 RabbitMQ 不响应的一系列诱因，朋友通过参考的开源项目，发现将别人的 AddSingleton 改成了 AddScoped。

这也就造成了每一次Http请求都要试探性的判断单例逻辑, 别人的解法是一旦上层单例化了，下层就不会再次处理了，也就不会走 IsOpen 逻辑。

三、总结

造成本次程序卡死的事故，主要有两点：

• RabbitMQ 生成单例化中的 IsOpen 判断问题，建议改用自动重连属性 AutomaticRecoveryEnabled 和 TopologyRecoveryEnabled，或者用静态构造函数替代双检锁。
• 过多的 http 请求对单例逻辑的试探，按照朋友的改发将 Scoped 改成 Singleton 来规避。

原文链接：https://mp.weixin.qq.com/s/C4zQ_HVd-JSyEvIv8xSy7w