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
opencv9-膨胀和腐蚀
查看>>
OpenCV_ cv2.imshow()
查看>>
opencv——图像缩放1(resize)
查看>>
Opencv——模块介绍
查看>>
OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
查看>>
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>