1.1 用户痛点

• 发生了内存宕机类问题，由于生产环境，必须要第一时间恢复环境，没有来得及登录到后台输入命令收集宕机信息，导致问题无法定位。

• 夜间发生了宕机，由于没有人24h监控，或者由于没有办法触碰到内网环境，导致第二天才能够恢复，导致发生了生产事故。

1.2 解决思路

运维平台自动识别宕机情况，并且自动采集宕机信息，采集完信息后，自动重启工程，保证工程持久运行

• 对接运维平台

• 发生内存宕机，自动触发堆栈，histo，dump的采集，并且自动重启系统

• 宕机自动处理对宕机问题进行分析给出可能的原因

• 通过运维平台下载宕机信息用于事后分析

1.3 视频展示

运维平台对接FRBI应用，运维平台检测到FRBI进程负载过高。

2）采集宕机信息

运维平台自动采集当前宕机状态的FRBI信息。

• 运维平台在负载极高判定为宕机的情况下自动触发信息采集。

• 自动采集堆栈/histo/heapdump （可根据自身需求自定义采集哪些内容）

• 采集宕机信息后自动重启

• 夜间检测到进程消失自动启动

4）工程恢复使用

5）宕机信息分析

• 进入运维平台宕机自动处理页面可以查看到宕机事故记录/信息采集时间/重启时间

• 查看宕机原因和推荐处理方案

6）下载宕机信息

• 进入运维平台日志下载页面，选择对应的应用

• 可以下载堆栈/gc信息，以压缩包的形式返回记录到的高负载信息记录

• heapdump数据量较大暂不提供前端下载，可以在frbi对应目录下获取

8）修复异常配置项

健康诊断页面，进行检测，发现内存配置隐患，进行修复。

7）查看宕机信息

FRBI应用对应目录下，可以查看到运维平台自动采集的信息。