Arthas安装及基本使用

柔光的暖阳◎ 2022-10-14 05:43 311阅读 0赞

### Arthas安装及基本使用 ###

*  Arthas安装
 *  常用命令
 *   *  dashboard
     *  thread
     *  jvm
     *  sc
     *  sm
     *  jad
     *  classloader
     *  monitor
     *  watch
     *  trace
     *  stack
     *  tt
     *  reset
     *  quit
     *  shutdown

Arthas 是基于 Greys 进行二次开发的全新在线诊断工具，利用Java6的Instrumentation特性，动态增强你所指定的类，获取你想要到的信息，采用命令行交互模式，同时提供丰富的 Tab 自动补全功能，可以方便定位、分析诊断问题。

# Arthas安装 #

[官网][Link 1]

下载安装脚本

curl -L https://arthas.aliyun.com/install.sh | sh

启动

./as.sh

输入诊断应用序号，然后回车  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70]

**注意**：如果出现

Error: telnet is not installed. Try to use java -jar arthas-boot.jar

提示我们的系统没有安装telnet  
执行下面命令安装之后再重新执行即可

yum install -y telnet-server.x86_64
    yum install -y telnet.x86_64

# 常用命令 #

help 
    help dashboard

可以查看帮助以及某个帮助的详细信息  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 1]

\*\* 返回信息说明\*\*  
**ID**: Java级别的线程ID，注意这个ID不能跟jstack中的nativeID一一对应  
**NAME**: 线程名  
**GROUP**: 线程组名  
**PRIORITY**: 线程优先级, 1~10之间的数字，越大表示优先级越高  
**STATE**: 线程的状态  
**CPU%**: 线程消耗的cpu占比，采样100ms，将所有线程在这100ms内的cpu使用量求和，再算出每个线程的cpu使用占比。  
**TIME**: 线程运行总时间  
**INTERRUPTE**: 线程当前的中断位状态  
**DAEMON**: 是否是daemon线程

## dashboard ##

当前系统的实时数据面板  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 2]

## thread ##

查看当前 JVM 的线程堆栈信息

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 3]

**可用参数**  
**id**: 线程id  
**-n** 指定最忙的前N个线程并打印堆栈  
**b** 找出当前阻塞其他线程的线程  
**-i** 指定cpu占比统计的采样间隔，单位为毫秒  
注:这里的cpu统计的是，一段采样间隔内，当前JVM里各个线程所占用的cpu时间占总cpu时间的百分比。其计算方法为： 首先进行一次采样，获得所有线程的cpu的使用时间(调用的是java.lang.management.ThreadMXBean\#getThreadCpuTime这个接口)，然后睡眠一段时间，默认100ms，可以通过-i参数指定，然后再采样一次，最后得出这段时间内各个线程消耗的cpu时间情况，最后算出百分比。注意： 这个统计也会产生一定的开销（JDK这个接口本身开销比较大），因此会看到as的线程占用一定的百分比，为了降低统计自身的开销带来的影响，可以把采样间隔拉长一些，比如5000毫秒  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 4]

## jvm ##

查看当前 JVM 的信息，无参数  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 5]

## sc ##

查看JVM已加载的类信息  
**可用参数**  
**class-pattern** 类名表达式(必填)  
**-d** 输出当前类的详细信息，包括这个类所加载的原始文件来源、类的声明、加载的ClassLoader等详细信息。如果一个类被多个ClassLoader所加载，则会出现多次  
**-E** 开启正则表达式匹配，默认为通配符匹配  
**-f** 输出当前类的成员变量信息（需要配合参数-d一起使用）  
**-x** 指定输出静态变量时属性的遍历深度，默认为 0，即直接使用 toString 输出

**注意**：class-pattern支持全限定名，如com.test.AAA，也支持com/test/AAA这样的格式，这样，我们从异常堆栈里面把类名拷贝过来的时候，不需要在手动把/替换为  
注意：sc 默认开启了子类匹配功能，也就是说所有当前类的子类也会被搜索出来，想要精确的匹配，请打开options disable-sub-class true开关

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 6]

## sm ##

查看已加载类的方法信息

**可用参数**  
**class-pattern** 类名表达式(必填)  
**method-pattern** 方法名表达式匹配  
**-d** 输出当前类的详细信息，包括这个类所加载的原始文件来源、类的声明、加载的ClassLoader等详细信息。如果一个类被多个ClassLoader所加载，则会出现多次  
**-E** 开启正则表达式匹配，默认为通配符匹配

![在这里插入图片描述][20210521005319825.png]

## jad ##

反编译指定已加载类的源码

## classloader ##

查看classloader的继承树，urls，类加载信息，使用classloader去getResource

## monitor ##

方法执行监控  
monitor 命令是一个非实时返回命令，实时返回命令是输入之后立即返回，而非实时返回的命令，则是不断的等待目标 Java 进程返回信息，直到用户输入 Ctrl+C 为止。服务端是以任务的形式在后台跑任务，植入的代码随着任务的中止而被不会被执行，所以任务关闭后，不会对原有性能产生太大影响，而且原则上，任何 Arthas 的命令也不会引起任何原有业务逻辑的改变  
**可用参数**  
**class-pattern** 类名表达式(必填)  
**method-pattern** 方法名表达式匹配(必填)  
**-c** 统计周期，默认值为120秒  
**返回结果**  
**timestam**p 时间戳  
**class** java类  
**method** 方法（构造方法、普通方法）  
**total** 调用次数  
**success** 成功次数  
**fail** 失败次数  
\*\*rt \*\*平均rt  
**fail-rate** 失败率

monitor -c 5 com.gugu.controller.UserController testUrlPathParam

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 7]

## watch ##

方法执行数据观测，让你能方便的观察到指定方法的调用情况。能观察到的范围为：返回值、抛出异常、入参，通过编写 groovy 表达式进行对应变量的查看。

**可用参数**  
**class-pattern** 类名表达式(必填)  
**method-pattern** 方法名表达式匹配(必填)  
**express**观察表达式  
**condition-express**条件表达式  
**-b** 在方法调用之前观察(默认关闭)  
**-e** 在方法异常之后观察(默认关闭)  
**-s** 在方法返回之后观察(默认关闭)  
**-f** 在方法结束之后(正常返回和异常返回)观察 (默认开启)  
**-x** 指定输出结果的属性遍历深度，默认为0

**注意**：观察表达式的构成主要由 groovy 表达式组成，只要是一个合法的 groovy 表达式，都能被正常支持。  
观察的维度也比较多，主要体现在参数 advice 的数据结构上。Advice 参数最主要是封装了通知节点的所有信息。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 8]  
![在这里插入图片描述][20210521005418491.png]

## trace ##

方法内部调用路径，并输出方法路径上的每个节点上耗时, trace 命令能主动搜索 class-pattern／method-pattern 对应的方法调用路径，渲染和统计整个调用链路上的所有性能开销和追踪调用链路。  
trace 能方便的帮助你定位和发现因 RT 高而导致的性能问题缺陷，但其每次只能跟踪一级方法的调用链路  
trace 在执行的过程中本身是会有一定的性能开销，在统计的报告中并未像 JProfiler 一样预先减去其自身的统计开销。所以这统计出来有些许的不准，渲染路径上调用的类、方法越多，性能偏差越大。但还是能让你看清一些事情的。  
**可用参数**  
**class-pattern** 类名表达式(必填)  
**method-pattern** 方法名表达式匹配(必填)  
**condition-express** 条件表达式  
**-n** 命令执行次数  
\#cost 方法执行耗时

**注意**：很多时候我们只想看到某个方法的rt大于某个时间之后的trace结果，例如trace \*UserController testUrlPathParam '\#cost>100’表示当执行时间超过100ms的时候，才会输出trace的结果。

trace com.gugu.controller.UserController testUrlPathParam

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 9]

## stack ##

输出当前方法被调用的调用路径, 很多时候我们都知道一个方法被执行，但这个方法被执行的路径非常多，或者你根本就不知道这个方法是从那里被执行了，此时你需要的是 stack 命令。

**可用参数**  
**class-pattern** 类名表达式(必填)  
**method-pattern** 方法名表达式匹配(必填)  
**condition-express** 条件表达式  
**-n** 命令执行次数

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 10]

## tt ##

方法执行数据的时空隧道，记录下指定方法每次调用的入参和返回信息，并能对这些不同的时间下调用进行观测

## reset ##

重置增强类，将被 Arthas 增强过的类全部还原，Arthas 服务端关闭时会重置所有增强过的类

## quit ##

退出当前 Arthas 客户端，其他 Arthas 客户端不受影响

## shutdown ##

关闭 Arthas 服务端，所有 Arthas 客户端全部退出

[Link 1]: https://arthas.aliyun.com/doc/install-detail.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70]: /images/20221014/636194e4cb054bbebf0311941715a330.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 1]: /images/20221014/7efb6a6af41b448ba63df4e394818d87.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 2]: /images/20221014/0e59cf4ef0b940f5ba3a73cbe10cff2d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 3]: /images/20221014/57a201f891cf41e5a02e3b976d3d6424.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 4]: /images/20221014/6721f018ec3f4b158f790a9a5099a950.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 5]: /images/20221014/87b0026458ef4df9b8fcb4ce3fbda554.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 6]: /images/20221014/da56c1080fc943bba68858a49c599d7e.png
[20210521005319825.png]: /images/20221014/12a0b03236e64f5a8b0d8a1bde2506b7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 7]: /images/20221014/2828f49677b24478a35aa307b02e2851.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 8]: /images/20221014/f4e0321d2e544b6b8f5ef575961fea13.png
[20210521005418491.png]: /images/20221014/2d5c9d414237410c8594a4cbe603f4ba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 9]: /images/20221014/9b24055b7d074920b00093546c38073a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYXpoYWd1_size_16_color_FFFFFF_t_70 10]: /images/20221014/dedf648874ae46d0a1608f7c4d062701.png