为什么在容器中 1 号进程挂不上 arthas？-阿里云开发者社区

作者：卜比

本文是《容器中的 Java》系列文章之 4/n ，欢迎关注后续连载 :) 。

系列1：JVM 如何获取当前容器的资源限制？

系列2：Java Agent 踩坑之

appendToSystemClassLoaderSearch 问题

系列3：让 Java Agent 在 Dragonwell 上更好用

最近在容器环境中，发现在 Java 进程是 1 号进程的情况下，无法使用 arthas。

提示 AttachNotSupportedException: Unable to get pid of LinuxThreads manager thread。具体操作和报错如下：

# java -jar arthas-boot.jar
[INFO] arthas-boot version: 3.5.6
[INFO] Found existing java process, please choose one and input the serial number of the process, eg : 1. Then hit ENTER.
* [1]: 1 com.alibabacloud.mse.demo.ZuulApplication
1
[INFO] arthas home: /home/admin/.opt/ArmsAgent/arthas
[INFO] Try to attach process 1
[ERROR] Start arthas failed, exception stack trace:
com.sun.tools.attach.AttachNotSupportedException: Unable to get pid of LinuxThreads manager thread
    at sun.tools.attach.LinuxVirtualMachine.<init>(LinuxVirtualMachine.java:86)
    at sun.tools.attach.LinuxAttachProvider.attachVirtualMachine(LinuxAttachProvider.java:78)
    at com.sun.tools.attach.VirtualMachine.attach(VirtualMachine.java:250)
    at com.taobao.arthas.core.Arthas.attachAgent(Arthas.java:117)
    at com.taobao.arthas.core.Arthas.<init>(Arthas.java:27)
    at com.taobao.arthas.core.Arthas.main(Arthas.java:166)
[INFO] Attach process 1 success.

之前也遇到过，总是调整了下镜像，让 Java 进程不是 1 号进程就可以了。但这个不是长久之计，还是要抽时间看下这个问题。

复现问题

我们创建如下项目，来复现这个问题：

public class Main {
  public static void main(String args[]) throws Exception {
    while (true) {
      System.out.println("hello!");
      Thread.sleep(30 * 1000);
    }
  }
}

FROM openjdk:8u212-jdk-alpine
COPY ./ /app
WORKDIR /app/src/main/java/
RUN javac Main.java
CMD ["java", "Main"]

然后正常启动应用，并尝试用 arthas，或者 jstack：

$ # 构建镜像
$ docker build . -t example-attach
$ # 启动容器
$ docker run --name example-attach --rm example-attach
$ # 在另一个终端进入容器，执行jstack
$ docker exec -it example-attach sh
/app/src/main/java # jstack 1
1: Unable to get pid of LinuxThreads manager thread

成功复现问题！接下来开始分析。

正常的 attach 流程是什么样子的？

如下是在排查问题中，梳理出来的 jvm Attach 流程：

查找 /tmp/.java_pid${pid} 这个 unix socket，如果存在则检查权限，然后建立连接。
如果不存在则先创建 /proc/${pid}/cwd/.attach_pid${pid}，开始通知 jvm 线程。
首先判断是不是 LinuxThread如果是 LinuxThread则找到 LinuxThreadsManager，然后给其所有子进程发送 SIGQUIT.
如果不是 LinuxThread，则直接给目标进程发送 SIGQUIT。
目标进程收到信号后，创建 Attach Listener，监听 /tmp/.java_pid${pid}。
开始正常的 socket 通信，根据通信的具体内容，可以是 dumpThread（jstack），也可以是加载 JavaAgent，比如上面提到的 arthas。

Java Attach 机制之 Native 篇^[^1]也是一个不错的 attach API 解析。

为什么对1号进程 attach 会报错？

首先，/tmp/.java_pid${pid} 当时是肯定不存在的，如果存在就是直接通信加载 Arthas 了。也可以通过查看文件来确认这一点。

其次，.attach_pid${pid} 文件也是能够创建成功的，

我们也可以通过 strace 输出来确认：

open("/proc/424/cwd/.attach_pid424", O_RDWR|O_CREAT|O_EXCL|O_LARGEFILE, 0666 <unfinished ...>。

最有可能的原因就是线程判断、发送信号这一步了，我们以 jstack 为例查找为什么 attach 会失败。

本来类似上一次的查找过程，想着通过调试符号来查，但是在 alpine 上的调试符号无法显示源码内容，编译环境又很麻烦。所以还是优先用 strace 来查，值得注意的是， jstack 的逻辑中有 fork，所以记得使用 strace -f jstack 1 来查。

查了下 strace 的输出，没有 kill 请求。看来问题是处在线程模型判定的。

刚刚提到 jvm 会判断是不是 LinuxThread，那么什么是 LinuxThread 呢？首先看下判断的源码：

通俗的讲，Linux 内核刚开始是不支持“线程”的，LinuxThread 机制就是通过 fork 机制+共享内存空间的方式来实现线程。但 LinuxThread 在内核看来就是一些独立的父子进程，在信号处理、同步原语上有很多缺陷，要通过 manager thread 来处理这些逻辑。后来 Red Hat 发起 NPTL，内核开始支持线程能力，也能够通过更加标准的方式来处理信号、同步等逻辑。

可以用 getconf GNU_LIBPTHREAD_VERSION 来查看是哪种线程模型，比如我的机器上输出是 NPTL 2.34。

当然，如上面代码所写。可以用 confstr(_CS_GNU_LIBPTHREAD_VERSION,) 来获取当前的线程模型，详情参考手册^[^2]。

如果 confstr(_CS_GNU_LIBPTHREAD_VERSION,) 返回 0，则表示是 glibc 旧版本，认为是 LinuxThread：先找到 manager thread（通过查找父进程），然后给各个子进程发送 SIGQUIT 信号（这个过程需要遍历系统内所有进程）。
如果 confstr(_CS_GNU_LIBPTHREAD_VERSION,) 结果包含 NPTL，则认为不是 LinuxThread，按照 NPTL 来处理：直接发送 SIGQUIT。

但很可惜的是，LinuxThread/confstr(_CS_GNU_LIBPTHREAD_VERSION,) 不是 POSIX 标准，所以 Alpine 自带的 musl 对这个调用返回 0。

按照上面逻辑，jvm 会认为是 LinuxThread，尝试找到父进程，如果 pid 是 1 的话，自然找不到父进程，所以报错 Unable to get pid of LinuxThreads manager thread，导致文章最开始说的 arthas 无法使用。

关于两种线程模型的详细比较，可以参考 Linux 线程模型比较：LinuxThreads 和 NPTL^[3^]。

为什么非1号进程就能 attach？

模拟了下先手动进入 shell（这时 sh 就是 1 号进程），然后再手动执行 java Main（pid为 8 ），然后我们看下 getLinuxThreadsManager 是怎么表现的：

可以看到，在这种情况下，jvm 认为 manager thread 是 1 号进程。此时会后执行 sendQuitToChildrenOf(mpid)：

即遍历所有的子进程，都发送 SIGQUIT，这个逻辑其实是有点奇怪的。“超凡的主张，需要有超凡的证据”^[^4]。我们重新跑一遍，用 strace -f 验证一下。

进程树（其中绿色的是线程）：

jstack 发送的 kill 信号，可以看到 jstack 给 1 号进程的所有子进程发送了 SIGQUIT：

这个行为和刚刚分析是一致的。不过非常巧合的是，大部分进程是忽略了 SIGQUIT 信号的，所以在这种情况下，jstack 反而是正常工作了的。

怎么解决这个问题？

最快捷 workaround

注：这种方式不需要调整容器参数，不需要重启容器，比较推荐。

既然 attach 主要卡在了发送信号上，那我们就用 shell 来模拟这个流程：

pid=1 ;\
touch /proc/${pid}/cwd/.attach_pid${pid} && \
  kill -SIGQUIT ${pid} && \
  sleep 2 &&
  ls /proc/${pid}/root/tmp/.java_pid${pid}
# 接下来就可以正常 java -jar arthas-boot.jar 挂arthas了

通过上面的操作后，Attach Listener 已经启动并且监听了路径，第二次 attach 就直接可以连接了；就可以按照正常的方式使用 arthas 了。

其中有一点需要注意，一定需要提前创建 .attach_pid${pid} 文件，不然 jvm 会将这个信号交给默认的 sigaction 处理，对于 pid 1 来说，会导致容器退出！

也有人基于类似原理，做了一个 jattach^[^5]工具，可以直接在 Alpine 中，通过 apk add jattach 来安装，然后 jattach ${pid} properties，也能起到一样的效果。

设置启动参数

注：这种方式需要调整启动参数或者环境变量，需要重启应用/容器，可能会丢失业务现场。

Jvm 支持设置 -XX:+StartAttachListener，这样就能在启动 Jvm 的时候，自动启动 Attach Listener 线程并监听，也可以正常使用 arthas。

对于容器环境下，更加容易的做法是给容器添加环境变量 JAVA_TOOL_OPTIONS=-XX:+StartAttachListener，这样不用修改启动脚本也能达到效果。

上游优先，修改镜像

注：这种方式需要修改镜像。

OpenJDK 8 官方没有修复这个问题，所以如果直接使用 openjdk:8-jdk-alpine，是避免不了这个问题的。Docker 镜像仓库也有人讨论这个问题^[^6]。

OpenJDK 11 就已经解决了这个问题了（见源码^[^7]），不再对古旧的 LinuxThread 模型做判断，这样 arthas 也能工作。

不过 Alpine 官方仓库中的 OpenJDK 8 已经通过自己打 patch 的方式，修复了这个问题：

https://gitlab.alpinelinux.org/alpine/aports/-/issues/13032

作为比较知名的 JDK 发行版，也在 eclipse-temurin:8-jdk-alpine 中修复了这个问题，可以直接使用这个镜像。相关讨论见：

https://github.com/adoptium/jdk8u/pull/8

总结

在 arthas 的 issue 中，或者网上相关的文章中，总是重复着 Java 不能作为 1 号进程。很多时候，就因为如此，我们没有办法挂上诊断工具，导致现场丢失，故障原因不能及时定位。

作为技术人员还是需要了解底层，这样在排查问题、架构设计上才会有更多自由度，更能够抓住问题、解决问题。

后续还会出系列文章，来解决容器环境下奇奇怪怪的 jvm 问题，欢迎关注！

为什么在容器中 1 号进程挂不上 arthas？

复现问题

正常的 attach 流程是什么样子的？

为什么对1号进程 attach 会报错？

为什么非1号进程就能 attach？

怎么解决这个问题？

最快捷 workaround

设置启动参数

上游优先，修改镜像

总结

相关链接

云原生

热门文章

最新文章

相关课程

相关电子书

相关实验场景