博客
关于我
可怕!那些你看不到的进程
阅读量:127 次
发布时间:2019-02-26

本文共 373 字,大约阅读时间需要 1 分钟。

阿里云技术支持团队经历了一次特殊的技术难题。客户反映服务器CPU使用率始终为100%,但系统运行着787个进程,Cpu使用率总和却未超过1600%。经过多次排查,问题最终被发现隐藏在libjdk预加载库中。

在分析过程中,我们发现6点39分,ld.so.preload文件被修改,添加了libjdk库。该库通过hook系统函数,过滤了/proc文件目录下的内容,使得ps和top命令无法显示真实的进程信息。随着服务器重启,问题消失,但客户仍坚持问题存在。

通过进一步验证,我们确认所有进程都加载了libjdk库,导致进程信息被隐藏。最终,我们成功排查出问题所在,并为客户提供了详细的技术分析报告。

这一案例提醒我们,在面对客户坚持的问题时,需谨慎分析系统行为,及时检查潜在的隐藏进程或模块。同时,保持良好的沟通与客户,确保问题得到充分验证和理解。

转载地址:http://ndky.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>