记一次Hyperf定时任务内存异常问题

背景

最近时不时收到 K8S 告警提示项目 POD 出现 OOM 问题，只要触发了项目重新部署或者把 POD 删掉，内存就恢复了，过了一段时间才缓慢增长（基本上要隔几天，这也是这个问题比较难定位和复现的原因）

分析

起初以为是某一个SQL没有限制 limit 或者是程序有死循环把内存跑满了，后面从日志看到这个错误，check_worker_exit_status，同时对应的 worker 进程异常退出了，可以看到这里有记录对应的进程 ID，记住这个 PID，后面发挥很大的作用。

思路一

本想着以前也改过几个内存泄露的问题，这次估计也是大同小异（后面发现是我想多了），先揪着代码的 while(true) 死循环研究，确实发现了一些不合理的点，同时也把引用的变量这一块给梳理了一遍，提交了第一版代码，原本以为能顺利解决，可过一天后告警还是出现了。。。

思路二

换个思路继续研究这个问题，会不会是某个上传文件接口把内存打满了，不过后面看了以下 server.php 的配置，基本上可以 pass 这个情况了

思路三

会不会是某个大的 SQL 查询把内存打满了？既然我有错误日志，我就顺着错误日志的上下文开始排查，但是发现即使打印了日志，无奈开了几个 worker，导致无法分析日志都是哪个 worker 打印的，随即给日志加上 worker 进程 ID，方便后续观察问题。发现后面加上之后，是可以看到 worker 进程最后执行的 SQL，但是自己查了下 SQL，也没发现什么异常点

思路四

观察到报错的时候，worker 进行的 ID 已经飙到 78万了，这个一开始真的还没怎么留意，后面还观察到每次出现这个报错的时间点，又恰恰是整点前后的时间，心里差不多已经有答案了，大概率是定时任务出现问题了！

由于当时也尝试过本地复现，无奈本地的环境变量一直把定时任务关了，导致没怎么留意这一块，不过也好，总算有突破口，开干！

复现

观察到代码有几个定时任务，且是分钟级别的，由于这个复现比较麻烦，且要等很长一段时间，随即把本地的定时任务改成秒级，即每秒跑一次，同时为了方便数据观察，把本地的 worker 数量调整为 1，进入容器开始观察内存的变化情况，跑了 15 分钟左右，发现 worker 进程（PID=22）的内存大幅增长，已经增加到 462M 了，1 个小时后甚至到了 806M

不过有个新的疑惑，发现开启定时任务后，有两个进程，一个是普通的 worker 进程，一个是 crontab-dispatcher 进程，一开始没想这么多，以为是定时任务的进程把任务分发给 worker 进程执行，到这里以为是框架的问题，因为自己的定时任务的配置都是按照文档里面的说明来的，理论上不会有问题，如果有问题也是大面积出问题。

先上 GitHub 看看有没有相关的 issue，先是找到个说可以自己用垃圾回收简单处理下，随机尝试下，但是没有效果

// 执行垃圾回收
gc_collect_cycles();

后面找到个类似的 issue

这哥么的情况跟我差不多，后面看到开发者说有个定时任务的策略可以改成携程策略，尝试改下，替换定时任务的执行策略

\Hyperf\Crontab\Strategy\StrategyInterface::class => \Hyperf\Crontab\Strategy\CoroutineStrategy::class,

问题基本上解决了，worker 进程内存没有缓慢增加了，自此以为问题解决了，调整代码，发版，美美睡一觉（高兴太早了）

新的问题

跑了一天，还是收到告警，直接到线上看啥情况，发现 worker 进程的内存没有明显增长了，但是取而代之 crontab-dispatcher 进程的内存开始疯长，也就是内存换个进程跑，还是没解决问题，这里基本上可以说明是定时任务配置有问题，排查定时任务配置

看到定时任务的配置，发现有两个参数是关闭了，后面查看下 官方文档，发现这两个配置是为了控制任务并发和多实例触发的问题，如果关闭的话，代码没有做任何锁处理，会导致这个定时任务被重复执行多次，修改之后观察了半个月，没有收到类似的告警，问题基本上解决了

解决

期间虽然还怀疑是 server.php 配置有问题，以为是用了 SWOOLE_PROCESS 导致资源没分配好，把请求都打到某一个 worker 引发这个问题，不过后面可以排除这个，虽说有点小影响，SWOOLE_BASE 相比 SWOOLE_PROCESS 请求分配会均匀些，但不是本次问题的重点。说下结论

• 修改定时任务执行策略为 CoroutineStrategy
• 修改定时任务配置，处理好任务重复执行问题

结论

主要是两个问题，一、定时任务执行策略没配置携程策略，导致 worker 进程内存只增不减；二、定时任务配置错误，导致任务重复执行造成内存缓慢泄露