Node.js 日志显示 CPU 占用高的定位与处理
一、快速止损与定位范围
- 先保障可用性：临时扩容实例或重启问题实例，必要时回滚最近变更，避免影响面扩大。
- 确认是否由 Node 引起：在宿主机执行 top/htop，按 CPU 排序，定位占用最高的 PID 是否为 Node 进程。
- 初步判断类型：
- 持续接近 100% 多为计算密集或同步阻塞；
- 间歇性尖峰常见于定时任务、重试风暴、外部依赖抖动。
- 若 CPU 已接近打满，优先抓取“短时段”的诊断数据（见下一节），避免长时间采样导致日志与转储过大。
以上步骤可快速确定“是不是 Node、问题大致在哪一类”，为后续精准分析争取时间。
二、用日志快速定位问题线索
- 在日志中增加关键字段与采样：为每个请求打上 traceId/requestId，记录 startTime/endTime/durationMs，对疑似慢路径加 debug/perf 日志。
- 关注高频与异常模式：
- 大量重复日志（如“重试连接 Redis/数据库”）、固定周期密集输出，往往指向 定时/重试风暴；
- 个别接口 durationMs 异常长，优先排查该路由的处理链。
- 结构化与集中化：使用 winston/pino 输出 JSON，配合 ELK 或 Prometheus+Grafana 做聚合与可视化，便于按 endpoint、status、duration 迅速筛选异常。
- 辅助指标：暴露 事件循环延迟、GC 次数/耗时、外部依赖响应时间，与 CPU 曲线对齐观察。
这些做法能把“高 CPU 现象”转化为“具体接口/模块/依赖”的可验证线索。
三、抓取 CPU 火焰图与热点函数
- 生产环境短采样（推荐）：
- 启动命令：node --prof app.js；
- 采样一段时间后停止，生成 isolate-…-v8.log；
- 处理并查看：node --prof-process isolate-…-v8.log > processed.txt，重点关注 [JavaScript] 区段与 Top functions，定位具体函数与调用栈。
- 交互式定位：
- 使用 node --inspect 或 –inspect-brk 连接 Chrome DevTools，在 Performance 面板录制短时间火焰图，直观看到长任务与事件循环阻塞。
- 注意事项：
- 高占用期间采样时间不宜过长，避免 v8.log 文件过大（有案例达 数十 GB，处理耗时极长）；
- 若主进程已严重卡死，可先摘除流量、再采样，或使用 worker_threads/集群 隔离问题不影响整体服务。
上述方法能直接把“CPU 高”落到“哪段代码在消耗 CPU”，是定位根因的关键。
四、常见根因与对应修复
- 计算密集与算法问题：优化复杂度、拆分任务、使用 worker_threads 或 cluster 分摊到多核。
- 同步阻塞与事件循环卡顿：排查大循环、JSON.parse/stringify 大对象、同步文件 I/O，改为异步与流式处理。
- 第三方库性能缺陷：定位到具体模块后，升级版本、替换实现或加缓存层。
- 数据库与网络 I/O：为慢查询加索引、减少 N+1、启用连接池、批量请求、引入 Redis 缓存、必要时使用 HTTP/2 或多路复用降低握手与连接开销。
- 定时与重试风暴：对 setInterval/重试逻辑 加最大次数、退避策略与熔断，避免雪崩。
- 多核未利用：使用 cluster 启动与 CPU 核数 相当的工作进程，前置 负载均衡。
这些措施覆盖了 Node 应用中最常见的 CPU 高占用场景，通常能显著降低峰值与均值。
五、监控与预防
- 建立常态化观测：在日志中持续输出 duration、status、eventLoopDelay、gc 等指标，接入 Prometheus+Grafana 或 ELK，设置 P95/P99 告警阈值。
- 压测与回归：用 Artillery 等工具在预发环境回放真实流量，验证优化效果与回归风险。
- 渐进式发布与特性开关：对高风险改动灰度放量，出现异常可快速回滚。
- 容量与弹性：根据峰值与增长趋势规划实例规格与自动扩缩容策略。
持续监控与压测能把问题“前置发现、快速止损”，避免再次被动应对。