如何调试高负载下无法启动的Spring Boot应用？

• 增强启动日志输出

  • 启动时添加JVM参数，提升Spring和Hazelcast的日志级别，捕捉启动全流程细节：

    -Dlogging.level.org.springframework=DEBUG -Dlogging.level.com.hazelcast=TRACE -XX:+PrintGCDetails -XX:+PrintGCTimeStamps
    

  • 对比高负载与无负载场景下的日志，重点关注Spring Bean装配停止的节点、Hazelcast集群加入的步骤、GC停顿记录，定位卡住的具体环节。

• 线程栈快照分析

  • 当实例卡住时，用jstack <进程ID>命令导出线程栈，多次抓取（比如每隔10秒一次），对比高负载与无负载启动时的线程状态：
    • 检查是否有线程阻塞在Hazelcast集群通信、分布式数据加载、锁等待等方法上（如com.hazelcast.cluster.ClusterService、com.hazelcast.map.impl.MapService相关调用）。
    • 查看是否有线程处于WAITING或BLOCKED状态，锁定导致停滞的资源。

• JVM性能监控

  • 启动时添加JMX远程监控参数，即使HTTP端点未就绪，仍可通过JConsole/VisualVM连接监控：

    -Dcom.sun.management.jmxremote -Dcom.sun.management.jmxremote.port=9090 -Dcom.sun.management.jmxremote.authenticate=false -Dcom.sun.management.jmxremote.ssl=false
    

  • 用jstat -gcutil <进程ID> 1000实时监控GC情况，对比高负载下内存使用率、GC频率与无负载时的差异，排查是否因内存不足或GC停顿导致启动停滞。

• Hazelcast集群状态预检查

  • 在高负载场景下，先用Hazelcast CLI工具hz-cli连接运行中的集群，查看：
    • 集群成员状态、分区分布情况；
    • 分布式Map的条目数量、内存占用；
    • 是否有正在进行的分区迁移、数据同步任务。
  • 检查Hazelcast配置，比如partition-count、join.timeout、map.loading.enabled等参数，高负载下新实例加入时可能因同步大量数据或等待集群响应而卡住。

• 远程断点调试

  • 搭建本地高负载测试环境，启动实例时添加远程调试参数：

    -agentlib:jdwp=transport=dt_socket,server=y,suspend=n,address=5005
    

  • 通过IDE连接远程调试端口，在Spring上下文刷新（ApplicationContext.refresh()）、Hazelcast实例初始化（HazelcastInstanceFactory.newHazelcastInstance()）等关键节点设置断点，跟踪高负载与无负载下的执行路径差异。

• 临时调整配置验证

  • 尝试临时修改Hazelcast配置：
    • 设置hazelcast.initial.min.cluster.size为现有集群实例数，避免新实例等待其他节点；
    • 关闭分布式Map的预加载（map.loading.enabled=false），测试是否能正常启动，判断是否因数据加载导致停滞；
    • 缩短集群加入超时时间（hazelcast.cluster.join.timeout.seconds=30），观察是否会抛出超时异常，暴露问题根源。

内容的提问来源于stack exchange，提问作者user625488