Submit Search
Upload
[D2]thread dump 분석기법과 사례
•
74 likes
•
13,223 views
NAVER D2
Follow
[D2]thread dump 분석기법과 사례
Read less
Read more
Technology
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 54
Download now
Download to read offline
Recommended
[D2] java 애플리케이션 트러블 슈팅 사례 & pinpoint
[D2] java 애플리케이션 트러블 슈팅 사례 & pinpoint
NAVER D2
분산저장시스템 개발에 대한 12가지 이야기
분산저장시스템 개발에 대한 12가지 이야기
NAVER D2
[135] 오픈소스 데이터베이스, 은행 서비스에 첫발을 내밀다.
[135] 오픈소스 데이터베이스, 은행 서비스에 첫발을 내밀다.
NAVER D2
[252] 증분 처리 플랫폼 cana 개발기
[252] 증분 처리 플랫폼 cana 개발기
NAVER D2
[244] 분산 환경에서 스트림과 배치 처리 통합 모델
[244] 분산 환경에서 스트림과 배치 처리 통합 모델
NAVER D2
what is_tabs_share
what is_tabs_share
NAVER D2
인공지능추천시스템 airs개발기_모델링과시스템
인공지능추천시스템 airs개발기_모델링과시스템
NAVER D2
[244]네트워크 모니터링 시스템(nms)을 지탱하는 기술
[244]네트워크 모니터링 시스템(nms)을 지탱하는 기술
NAVER D2
Recommended
[D2] java 애플리케이션 트러블 슈팅 사례 & pinpoint
[D2] java 애플리케이션 트러블 슈팅 사례 & pinpoint
NAVER D2
분산저장시스템 개발에 대한 12가지 이야기
분산저장시스템 개발에 대한 12가지 이야기
NAVER D2
[135] 오픈소스 데이터베이스, 은행 서비스에 첫발을 내밀다.
[135] 오픈소스 데이터베이스, 은행 서비스에 첫발을 내밀다.
NAVER D2
[252] 증분 처리 플랫폼 cana 개발기
[252] 증분 처리 플랫폼 cana 개발기
NAVER D2
[244] 분산 환경에서 스트림과 배치 처리 통합 모델
[244] 분산 환경에서 스트림과 배치 처리 통합 모델
NAVER D2
what is_tabs_share
what is_tabs_share
NAVER D2
인공지능추천시스템 airs개발기_모델링과시스템
인공지능추천시스템 airs개발기_모델링과시스템
NAVER D2
[244]네트워크 모니터링 시스템(nms)을 지탱하는 기술
[244]네트워크 모니터링 시스템(nms)을 지탱하는 기술
NAVER D2
[234]멀티테넌트 하둡 클러스터 운영 경험기
[234]멀티테넌트 하둡 클러스터 운영 경험기
NAVER D2
백억개의 로그를 모아 검색하고 분석하고 학습도 시켜보자 : 로기스
백억개의 로그를 모아 검색하고 분석하고 학습도 시켜보자 : 로기스
NAVER D2
Play node conference
Play node conference
John Kim
[232] 성능어디까지쥐어짜봤니 송태웅
[232] 성능어디까지쥐어짜봤니 송태웅
NAVER D2
[241] Storm과 Elasticsearch를 활용한 로깅 플랫폼의 실시간 알람 시스템 구현
[241] Storm과 Elasticsearch를 활용한 로깅 플랫폼의 실시간 알람 시스템 구현
NAVER D2
[223]rye, 샤딩을 지원하는 오픈소스 관계형 dbms
[223]rye, 샤딩을 지원하는 오픈소스 관계형 dbms
NAVER D2
[2D4]Python에서의 동시성_병렬성
[2D4]Python에서의 동시성_병렬성
NAVER D2
실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8
HyeonSeok Choi
[231]운영체제 수준에서의 데이터베이스 성능 분석과 최적화
[231]운영체제 수준에서의 데이터베이스 성능 분석과 최적화
NAVER D2
실무로 배우는 시스템 성능 최적화 - 4부. 프로세스 이해하기
실무로 배우는 시스템 성능 최적화 - 4부. 프로세스 이해하기
Minchul Jung
[D2 COMMUNITY] Spark User Group - 스파크를 통한 딥러닝 이론과 실제
[D2 COMMUNITY] Spark User Group - 스파크를 통한 딥러닝 이론과 실제
NAVER D2
[164] pinpoint
[164] pinpoint
NAVER D2
Node.js를 사용한 Big Data 사례연구
Node.js를 사용한 Big Data 사례연구
ByungJoon Lee
[224]nsml 상상하는 모든 것이 이루어지는 클라우드 머신러닝 플랫폼
[224]nsml 상상하는 모든 것이 이루어지는 클라우드 머신러닝 플랫폼
NAVER D2
Cloudera session seoul - Spark bootcamp
Cloudera session seoul - Spark bootcamp
Sang-bae Lim
Apache ZooKeeper 소개
Apache ZooKeeper 소개
중선 곽
지금 핫한 Real-time In-memory Stream Processing 이야기
지금 핫한 Real-time In-memory Stream Processing 이야기
Ted Won
[232] 수퍼컴퓨팅과 데이터 어낼리틱스
[232] 수퍼컴퓨팅과 데이터 어낼리틱스
NAVER D2
실무로 배우는 시스템 성능 최적화 8부 - 1,2,3장
실무로 배우는 시스템 성능 최적화 8부 - 1,2,3장
Sunggon Song
검색로그시스템 with Python
검색로그시스템 with Python
itproman35
[D2]pinpoint 개발기
[D2]pinpoint 개발기
NAVER D2
[D2]java 성능에 대한 오해와 편견
[D2]java 성능에 대한 오해와 편견
NAVER D2
More Related Content
What's hot
[234]멀티테넌트 하둡 클러스터 운영 경험기
[234]멀티테넌트 하둡 클러스터 운영 경험기
NAVER D2
백억개의 로그를 모아 검색하고 분석하고 학습도 시켜보자 : 로기스
백억개의 로그를 모아 검색하고 분석하고 학습도 시켜보자 : 로기스
NAVER D2
Play node conference
Play node conference
John Kim
[232] 성능어디까지쥐어짜봤니 송태웅
[232] 성능어디까지쥐어짜봤니 송태웅
NAVER D2
[241] Storm과 Elasticsearch를 활용한 로깅 플랫폼의 실시간 알람 시스템 구현
[241] Storm과 Elasticsearch를 활용한 로깅 플랫폼의 실시간 알람 시스템 구현
NAVER D2
[223]rye, 샤딩을 지원하는 오픈소스 관계형 dbms
[223]rye, 샤딩을 지원하는 오픈소스 관계형 dbms
NAVER D2
[2D4]Python에서의 동시성_병렬성
[2D4]Python에서의 동시성_병렬성
NAVER D2
실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8
HyeonSeok Choi
[231]운영체제 수준에서의 데이터베이스 성능 분석과 최적화
[231]운영체제 수준에서의 데이터베이스 성능 분석과 최적화
NAVER D2
실무로 배우는 시스템 성능 최적화 - 4부. 프로세스 이해하기
실무로 배우는 시스템 성능 최적화 - 4부. 프로세스 이해하기
Minchul Jung
[D2 COMMUNITY] Spark User Group - 스파크를 통한 딥러닝 이론과 실제
[D2 COMMUNITY] Spark User Group - 스파크를 통한 딥러닝 이론과 실제
NAVER D2
[164] pinpoint
[164] pinpoint
NAVER D2
Node.js를 사용한 Big Data 사례연구
Node.js를 사용한 Big Data 사례연구
ByungJoon Lee
[224]nsml 상상하는 모든 것이 이루어지는 클라우드 머신러닝 플랫폼
[224]nsml 상상하는 모든 것이 이루어지는 클라우드 머신러닝 플랫폼
NAVER D2
Cloudera session seoul - Spark bootcamp
Cloudera session seoul - Spark bootcamp
Sang-bae Lim
Apache ZooKeeper 소개
Apache ZooKeeper 소개
중선 곽
지금 핫한 Real-time In-memory Stream Processing 이야기
지금 핫한 Real-time In-memory Stream Processing 이야기
Ted Won
[232] 수퍼컴퓨팅과 데이터 어낼리틱스
[232] 수퍼컴퓨팅과 데이터 어낼리틱스
NAVER D2
실무로 배우는 시스템 성능 최적화 8부 - 1,2,3장
실무로 배우는 시스템 성능 최적화 8부 - 1,2,3장
Sunggon Song
검색로그시스템 with Python
검색로그시스템 with Python
itproman35
What's hot
(20)
[234]멀티테넌트 하둡 클러스터 운영 경험기
[234]멀티테넌트 하둡 클러스터 운영 경험기
백억개의 로그를 모아 검색하고 분석하고 학습도 시켜보자 : 로기스
백억개의 로그를 모아 검색하고 분석하고 학습도 시켜보자 : 로기스
Play node conference
Play node conference
[232] 성능어디까지쥐어짜봤니 송태웅
[232] 성능어디까지쥐어짜봤니 송태웅
[241] Storm과 Elasticsearch를 활용한 로깅 플랫폼의 실시간 알람 시스템 구현
[241] Storm과 Elasticsearch를 활용한 로깅 플랫폼의 실시간 알람 시스템 구현
[223]rye, 샤딩을 지원하는 오픈소스 관계형 dbms
[223]rye, 샤딩을 지원하는 오픈소스 관계형 dbms
[2D4]Python에서의 동시성_병렬성
[2D4]Python에서의 동시성_병렬성
실무로 배우는 시스템 성능 최적화 Ch8
실무로 배우는 시스템 성능 최적화 Ch8
[231]운영체제 수준에서의 데이터베이스 성능 분석과 최적화
[231]운영체제 수준에서의 데이터베이스 성능 분석과 최적화
실무로 배우는 시스템 성능 최적화 - 4부. 프로세스 이해하기
실무로 배우는 시스템 성능 최적화 - 4부. 프로세스 이해하기
[D2 COMMUNITY] Spark User Group - 스파크를 통한 딥러닝 이론과 실제
[D2 COMMUNITY] Spark User Group - 스파크를 통한 딥러닝 이론과 실제
[164] pinpoint
[164] pinpoint
Node.js를 사용한 Big Data 사례연구
Node.js를 사용한 Big Data 사례연구
[224]nsml 상상하는 모든 것이 이루어지는 클라우드 머신러닝 플랫폼
[224]nsml 상상하는 모든 것이 이루어지는 클라우드 머신러닝 플랫폼
Cloudera session seoul - Spark bootcamp
Cloudera session seoul - Spark bootcamp
Apache ZooKeeper 소개
Apache ZooKeeper 소개
지금 핫한 Real-time In-memory Stream Processing 이야기
지금 핫한 Real-time In-memory Stream Processing 이야기
[232] 수퍼컴퓨팅과 데이터 어낼리틱스
[232] 수퍼컴퓨팅과 데이터 어낼리틱스
실무로 배우는 시스템 성능 최적화 8부 - 1,2,3장
실무로 배우는 시스템 성능 최적화 8부 - 1,2,3장
검색로그시스템 with Python
검색로그시스템 with Python
Viewers also liked
[D2]pinpoint 개발기
[D2]pinpoint 개발기
NAVER D2
[D2]java 성능에 대한 오해와 편견
[D2]java 성능에 대한 오해와 편견
NAVER D2
Papago/N2MT 개발이야기
Papago/N2MT 개발이야기
NAVER D2
JavaScript 비동기 프로그래밍 집중 탐구 - 조유성님
JavaScript 비동기 프로그래밍 집중 탐구 - 조유성님
NAVER D2
텀 프로젝트에서 제품 프로젝트로 - 성준영님
텀 프로젝트에서 제품 프로젝트로 - 성준영님
NAVER D2
데이터분석과통계2 - 최재걸님
데이터분석과통계2 - 최재걸님
NAVER D2
리눅스서버세팅-김태호
리눅스서버세팅-김태호
ETRIBE_STG
[D2CAMPUS] Dotuator - 능동형 촉감 전달 점자 디스플레이 (BARAM)
[D2CAMPUS] Dotuator - 능동형 촉감 전달 점자 디스플레이 (BARAM)
NAVER D2
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - java OOM, Reference API
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - java OOM, Reference API
NAVER D2
개발을잘하고싶어요-네이버랩스 송기선님
개발을잘하고싶어요-네이버랩스 송기선님
NAVER D2
HungryOsori 2016년 1학기 최종 발표
HungryOsori 2016년 1학기 최종 발표
Osori Hanyang
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - OkHttp
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - OkHttp
NAVER D2
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - Http Request
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - Http Request
NAVER D2
[D2 campus seminar]개발자가 꼭 알아야 할 보안이야기
[D2 campus seminar]개발자가 꼭 알아야 할 보안이야기
NAVER D2
학교에서 배우지 않는 C
학교에서 배우지 않는 C
Heesuk Kang
Gdb cheat sheet
Gdb cheat sheet
Piyush Mittal
HKG15-300: Art's Quick Compiler: An unofficial overview
HKG15-300: Art's Quick Compiler: An unofficial overview
Linaro
광동요리사업계획서
광동요리사업계획서
SNS4U
Lkda facebook seminar_140419
Lkda facebook seminar_140419
sprdd
제2회 hello world 오픈세미나 collie html5-animationlibrary
제2회 hello world 오픈세미나 collie html5-animationlibrary
NAVER D2
Viewers also liked
(20)
[D2]pinpoint 개발기
[D2]pinpoint 개발기
[D2]java 성능에 대한 오해와 편견
[D2]java 성능에 대한 오해와 편견
Papago/N2MT 개발이야기
Papago/N2MT 개발이야기
JavaScript 비동기 프로그래밍 집중 탐구 - 조유성님
JavaScript 비동기 프로그래밍 집중 탐구 - 조유성님
텀 프로젝트에서 제품 프로젝트로 - 성준영님
텀 프로젝트에서 제품 프로젝트로 - 성준영님
데이터분석과통계2 - 최재걸님
데이터분석과통계2 - 최재걸님
리눅스서버세팅-김태호
리눅스서버세팅-김태호
[D2CAMPUS] Dotuator - 능동형 촉감 전달 점자 디스플레이 (BARAM)
[D2CAMPUS] Dotuator - 능동형 촉감 전달 점자 디스플레이 (BARAM)
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - java OOM, Reference API
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - java OOM, Reference API
개발을잘하고싶어요-네이버랩스 송기선님
개발을잘하고싶어요-네이버랩스 송기선님
HungryOsori 2016년 1학기 최종 발표
HungryOsori 2016년 1학기 최종 발표
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - OkHttp
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - OkHttp
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - Http Request
[D2 CAMPUS] 안드로이드 오픈소스 스터디자료 - Http Request
[D2 campus seminar]개발자가 꼭 알아야 할 보안이야기
[D2 campus seminar]개발자가 꼭 알아야 할 보안이야기
학교에서 배우지 않는 C
학교에서 배우지 않는 C
Gdb cheat sheet
Gdb cheat sheet
HKG15-300: Art's Quick Compiler: An unofficial overview
HKG15-300: Art's Quick Compiler: An unofficial overview
광동요리사업계획서
광동요리사업계획서
Lkda facebook seminar_140419
Lkda facebook seminar_140419
제2회 hello world 오픈세미나 collie html5-animationlibrary
제2회 hello world 오픈세미나 collie html5-animationlibrary
Similar to [D2]thread dump 분석기법과 사례
[2B2]기계 친화성을 중심으로 접근한 최적화 기법
[2B2]기계 친화성을 중심으로 접근한 최적화 기법
NAVER D2
UNIX 시스템 2014-2018년 기말시험 기출문제
UNIX 시스템 2014-2018년 기말시험 기출문제
Lee Sang-Ho
[아꿈사/110528] 멀티코어cpu이야기 5,6장
[아꿈사/110528] 멀티코어cpu이야기 5,6장
sung ki choi
Network researching
Network researching
hyeok gyu Kwon
Windows via C/C++ 06 스레드의 기본
Windows via C/C++ 06 스레드의 기본
ssuser0c2478
Image Deep Learning 실무적용
Image Deep Learning 실무적용
Youngjae Kim
뇌자T etc.windows multi threading programming
뇌자T etc.windows multi threading programming
cancan21st
소셜게임 서버 개발 관점에서 본 Node.js의 장단점과 대안
소셜게임 서버 개발 관점에서 본 Node.js의 장단점과 대안
Jeongsang Baek
쓰레드.pdf
쓰레드.pdf
Seokju Hong
Cassandra 멘붕기 | Devon 2012
Cassandra 멘붕기 | Devon 2012
Daum DNA
Vectorized processing in_a_nutshell_DeView2014
Vectorized processing in_a_nutshell_DeView2014
Gruter
Foss open sorucesw_6902
Foss open sorucesw_6902
승우 백
텐서플로로 OCR 개발해보기: 문제점과 문제점과 문제점
텐서플로로 OCR 개발해보기: 문제점과 문제점과 문제점
if kakao
소프트웨어 2.0을 활용한 게임 어뷰징 검출
소프트웨어 2.0을 활용한 게임 어뷰징 검출
정주 김
Warp
Warp
aceigy6322
SQL-on-Hadoop with Apache Tajo, and application case of SK Telecom
SQL-on-Hadoop with Apache Tajo, and application case of SK Telecom
Gruter
일래스틱 서치 ch7. 일래스틱 서치 클러스터 세부사항
일래스틱 서치 ch7. 일래스틱 서치 클러스터 세부사항
Minchul Jung
[네이버오픈소스세미나] Contribution, 전쟁의 서막 : Apache OpenWhisk 성능 개선 - 김동경
[네이버오픈소스세미나] Contribution, 전쟁의 서막 : Apache OpenWhisk 성능 개선 - 김동경
NAVER Engineering
OS Process, Thread, CPU Scheduling에 대해 알아봅시다.pdf
OS Process, Thread, CPU Scheduling에 대해 알아봅시다.pdf
Ho Jeong Im
Concurrent programming
Concurrent programming
Byeongsu Kang
Similar to [D2]thread dump 분석기법과 사례
(20)
[2B2]기계 친화성을 중심으로 접근한 최적화 기법
[2B2]기계 친화성을 중심으로 접근한 최적화 기법
UNIX 시스템 2014-2018년 기말시험 기출문제
UNIX 시스템 2014-2018년 기말시험 기출문제
[아꿈사/110528] 멀티코어cpu이야기 5,6장
[아꿈사/110528] 멀티코어cpu이야기 5,6장
Network researching
Network researching
Windows via C/C++ 06 스레드의 기본
Windows via C/C++ 06 스레드의 기본
Image Deep Learning 실무적용
Image Deep Learning 실무적용
뇌자T etc.windows multi threading programming
뇌자T etc.windows multi threading programming
소셜게임 서버 개발 관점에서 본 Node.js의 장단점과 대안
소셜게임 서버 개발 관점에서 본 Node.js의 장단점과 대안
쓰레드.pdf
쓰레드.pdf
Cassandra 멘붕기 | Devon 2012
Cassandra 멘붕기 | Devon 2012
Vectorized processing in_a_nutshell_DeView2014
Vectorized processing in_a_nutshell_DeView2014
Foss open sorucesw_6902
Foss open sorucesw_6902
텐서플로로 OCR 개발해보기: 문제점과 문제점과 문제점
텐서플로로 OCR 개발해보기: 문제점과 문제점과 문제점
소프트웨어 2.0을 활용한 게임 어뷰징 검출
소프트웨어 2.0을 활용한 게임 어뷰징 검출
Warp
Warp
SQL-on-Hadoop with Apache Tajo, and application case of SK Telecom
SQL-on-Hadoop with Apache Tajo, and application case of SK Telecom
일래스틱 서치 ch7. 일래스틱 서치 클러스터 세부사항
일래스틱 서치 ch7. 일래스틱 서치 클러스터 세부사항
[네이버오픈소스세미나] Contribution, 전쟁의 서막 : Apache OpenWhisk 성능 개선 - 김동경
[네이버오픈소스세미나] Contribution, 전쟁의 서막 : Apache OpenWhisk 성능 개선 - 김동경
OS Process, Thread, CPU Scheduling에 대해 알아봅시다.pdf
OS Process, Thread, CPU Scheduling에 대해 알아봅시다.pdf
Concurrent programming
Concurrent programming
More from NAVER D2
[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다
NAVER D2
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
NAVER D2
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기
NAVER D2
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발
NAVER D2
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
NAVER D2
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A
NAVER D2
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기
NAVER D2
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning
NAVER D2
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications
NAVER D2
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
NAVER D2
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
NAVER D2
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
NAVER D2
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화
NAVER D2
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
NAVER D2
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
NAVER D2
[213] Fashion Visual Search
[213] Fashion Visual Search
NAVER D2
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화
NAVER D2
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
NAVER D2
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
NAVER D2
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?
NAVER D2
More from NAVER D2
(20)
[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[213] Fashion Visual Search
[213] Fashion Visual Search
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?
Recently uploaded
A future that integrates LLMs and LAMs (Symposium)
A future that integrates LLMs and LAMs (Symposium)
Tae Young Lee
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Kim Daeun
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
Kim Daeun
Console API (Kitworks Team Study 백혜인 발표자료)
Console API (Kitworks Team Study 백혜인 발표자료)
Wonjun Hwang
캐드앤그래픽스 2024년 5월호 목차
캐드앤그래픽스 2024년 5월호 목차
캐드앤그래픽스
Merge (Kitworks Team Study 이성수 발표자료 240426)
Merge (Kitworks Team Study 이성수 발표자료 240426)
Wonjun Hwang
Recently uploaded
(6)
A future that integrates LLMs and LAMs (Symposium)
A future that integrates LLMs and LAMs (Symposium)
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
Continual Active Learning for Efficient Adaptation of Machine LearningModels ...
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
MOODv2 : Masked Image Modeling for Out-of-Distribution Detection
Console API (Kitworks Team Study 백혜인 발표자료)
Console API (Kitworks Team Study 백혜인 발표자료)
캐드앤그래픽스 2024년 5월호 목차
캐드앤그래픽스 2024년 5월호 목차
Merge (Kitworks Team Study 이성수 발표자료 240426)
Merge (Kitworks Team Study 이성수 발표자료 240426)
[D2]thread dump 분석기법과 사례
1.
Thread
2.
dump
3.
분석기법과 사례 구 태
진 2015-05-22
4.
2 대외비 목차 1. 개요 2. 스레드덤프 3.
트러블 슈팅 사례 4. 맺음말
5.
3 대외비 개요 - 통신 기술
발달 및 접근 기기 다양화로 웹서비스의 접근량 증가
6.
4 대외비 개요 - 리소스 사용
극대화는 핵심 경쟁력
7.
5 대외비 개요 Multithreaded
8.
Programming (이론 +
9.
실전 검증)
10.
6 대외비 Multithreaded
11.
Programming 개요
12.
7 대외비 개요 Multithread
13.
Programming
14.
8 대외비 개요 멀티 스레드 관련
지식을 쌓고 싶은 분은 아래 책들을.
15.
16.
17.
9 대외비 개요 멀티 스레드 관련
지식을 쌓고 싶은 분은 아래 책들을.
18.
19.
20.
10 대외비 개요 멀티 스레드 개발을
하지 않고 있다면?
21.
11 대외비 개요 이미 나 말고
다 멀티스레드 …⋯…⋯ • 내가 사용하고 있는 프레임워크에서 문제 가 발생한다면? • 내가 사용하고 있는 WAS에서 문제가 발 생한다면? • 내가 사용하는 라이브러리에서 문제가 발 생한다면?
22.
12 대외비 개요 Thread
23.
Dump
24.
13 대외비 스레드덤프 • 분석 방법
25.
14 대외비 스레드덤프 • 스레드 덤프
생성 On
26.
Unix
27.
:
28.
kill -3
29.
[PID] On
30.
Window :
31.
Ctrl
32.
+
33.
Break 공통 :
34.
jstack [PID] 생성할 땐
반드시 3
35.
~
36.
4장을 연속으로..
37.
문제 상황을 오랫동안
지켜 볼 수 있다면 텀을 두고 생성 하는 것도 좋습니다.
38.
39.
15 대외비 스레드덤프 • 스레드 덤프의
정보
40.
16 대외비 스레드덤프 - 스레드이름 •
Thread에 목적에 맞는 이름을 부여하자 - 스레드 이름을 지정하지 않는 경우 Thread-(Number)
41.
- DefaultThreadFactory를 이용하는
경우 pool-(Number)-thread-(Number)
42.
17 대외비 스레드덤프 - 스레드이름 •
Thread 객체 이용시 - setName()
43.
메소드 이용하여 설정 (Thread-0
44.
- SeverSocket-Handler
45.
127.0.0.1
46.
-
47.
127.0.0.1)
48.
18 대외비 스레드덤프 - 스레드이름 •
Thread Pool
49.
이용시 - 스레드마다
특징을 가지지 않을 경우 (pool-0-thread-0
50.
- SeverSocket-Handler(0)) ThreadFactory를 구현 -
FixedThreadPool 이용시 (pool-0-thread-0
51.
- SeverSocket-Handler(0/20))
52.
19 대외비 스레드덤프 - 스레드이름 •
Thread Pool
53.
이용시 - 스레드마다
특징을 가질 경우 (pool-0-thread-0
54.
- SeverSocket-Handler(0)
55.
127.0.0.1
56.
-
57.
127.0.0.1) ThreadFactory에서 Thread할당시 Runnable로
Thread명 변경
58.
20 대외비 스레드덤프 - 스레드아이디 •
tid (Java-level
59.
thread
60.
ID) - this
61.
ID
62.
is
63.
simply
64.
a
65.
auto-incrementing
66.
long,
67.
starting
68.
from
69.
1. • nid (Native
70.
thread
71.
ID) - This
72.
ID
73.
is
74.
highly
75.
platform
76.
dependent. - On
77.
Windows,
78.
it's
79.
simply
80.
the
81.
OS-level
82.
thread
83.
ID
84.
within
85.
a
86.
process. - On
87.
Linux,
88.
it's
89.
the
90.
pid of
91.
the
92.
thread
93.
(which
94.
in
95.
turn
96.
is
97.
a
98.
light-weight
99.
process). - On
100.
Solaris,
101.
it's
102.
the
103.
thread
104.
as
105.
returned
106.
by thr_self() - On
107.
Mac
108.
OS
109.
X, it
110.
is
111.
said
112.
to
113.
be the
114.
native
115.
pthread_t value.
116.
21 대외비 스레드덤프 - 스레드
아이디 • 스레드 아이디는 모두 16진수 (
117.
16진수 -
118.
10진수) - On
119.
Window
120.
:
121.
계산기를 이용 - On
122.
Unix
123.
: 쉘명령 이용 10진수
-
124.
16진수 (echo
125.
obase=16;10039
126.
|
127.
bc - 2737) 16진수
-
128.
10진수 (echo
129.
$((0x2737))
130.
- 10039)
131.
22 대외비 스레드덤프 - 스레드아이디 •
tid를 이용하여 정보획득 - ThreadMXBean을 이용하여 ThreadInfo 정보 획득 가능 - JMX
132.
혹은 Rest
133.
API등록으로 정보 획득을
가능하게 할 경우 문제 분석에 용이 (tid와 threadId가 다른 경우도 존재하기 때문에 Name으로 찾는 것이 좋음)
134.
135.
136.
137.
23 대외비 스레드덤프 - 스레드아이디 •
tid를 이용하여 정보획득 - ThreadMXBean을 이용하여 ThreadInfo 정보 획득 가능 - JMX
138.
혹은 Rest
139.
API등록으로 정보 획득을
가능하게 할 경우 문제 분석에 용이 (tid와 threadId가 다른경우도 존재하기 때문에 Name으로 찾는 것도 방법)
140.
141.
142.
143.
24 대외비 스레드덤프 - 스레드아이디 •
nid를 이용하여 정보획득 - On
144.
Linux
145.
:
146.
ps –mo,
147.
ps –Elf
148.
이용
149.
25 대외비 스레드덤프 - 상태 •
스레드 상태
150.
26 대외비 스레드덤프 - 상태
(BLOCKED) • synchronied
151.
27 대외비 스레드덤프 - 상태
(BLOCKED) • synchronied
152.
28 대외비 스레드덤프 - 상태
(BLOCKED)
153.
29 대외비 스레드덤프 - 상태
(BLOCKED)
154.
30 대외비 스레드덤프 - 상태
(BLOCKED) - DEADLOCK • synchronied
155.
31 대외비 스레드덤프 - 상태
(BLOCKED) - DEADLOCK • synchronied
156.
32 대외비 스레드덤프 - 상태
(BLOCKED) - DEADLOCK
157.
33 대외비 스레드덤프 - 상태
(BLOCKED) - DEADLOCK
158.
34 대외비 스레드덤프 - 상태
(WAIT) • wait - wait
159.
메소드 실행 시
가지고 있던 모니터를 다 반환 - wait하는 객체를 notify를 하는 코드를 찾아야 한다.
160.
161.
35 대외비 스레드덤프 - 상태
(WAIT) • wait
162.
– notify를 이용한
스레드 덤프 예제
163.
36 대외비 스레드덤프 - 상태
(WAIT)
164.
37 대외비 스레드덤프 - 상태
(WAIT)
165.
38 대외비 스레드덤프 - 상태
(WAIT)
166.
39 대외비 스레드덤프 - 상태
(RUNNABLE)
167.
40 대외비 스레드덤프 - 상태
(RUNNABLE)
168.
41 대외비 트러블 슈팅 사례
- #1 1. 장애현상 CPU
169.
사용 및 CPU
170.
로드가 점차적으로 늘어남
171.
42 대외비 트러블 슈팅 사례
- #1 2.
172.
재시작후 스레드 덤프를
주기적으로 생성 - 최초 - CPU
173.
사용률이 높아지는 시점 -
CPU
174.
사용률이 30%
175.
이상 올라간 시점
176.
43 대외비 트러블 슈팅 사례
- #1 3.
177.
장애 원인 확인 -
리소스 정리 부분에 예외가 발생할 경우 스레드 Leak발생 확인
178.
44 대외비 트러블 슈팅 사례
- #2 1. 장애 현상 요청이 증가하는 경우 장애가 발생하지는 않지만 응답시간이 눈에 뛰게 느려지는 현상을 경험하게 됨
179.
45 대외비 트러블 슈팅 사례
- #2 2.
180.
스레드 덤프 생성
후 TDA로 분석 스레드 덤프 생성후 BLOCKED상태이거나 WAIT
181.
상태가 많은 스레드가
있는지 확인 1005개의 스레드가 Wait
182.
상태인 것을 확인
183.
46 대외비 트러블 슈팅 사례
- #2 3.
184.
스택트레이스 확인 log4j.Logger에서 Lock을
잡고 있는 것 확인 가능
185.
47 대외비 트러블 슈팅 사례
- #2 4.
186.
log4j
187.
설정 확인 5.
188.
log4j
189.
도큐먼트 확인
190.
48 대외비 트러블 슈팅 사례
- #3 1. 장애 현상 요청이 증가한 매우 간헐적으로 CPU가 100%로 폭증함.
191.
이후 요청 량이
줄어들어도 CPU
192.
사용량은 줄어들지 않음 재시작후
정상으로 돌아옴
193.
49 대외비 트러블 슈팅 사례
- #3 2.
194.
CPU를 많이 사용하는
스레드 확인 ps -mo 명령어를 통하여 cpu를 많이 사용하는 lwp(light
195.
weight
196.
process)
197.
획득
198.
50 대외비 트러블 슈팅 사례
- #3 3.
199.
16진수로 변경된 Thread
200.
Id를 이용하여 스레드
덤프 검색 4.
201.
장애 원인 확인 commons-beanutils의
BEANUTILS-318 (https://issues.apache.org/jira/browse/BEANUTILS-318)버그 WeakHashMap이 동시 접근함
202.
51 대외비 맺음말 스레드 덤프 분석툴 l
TDA
203.
(https://java.net/projects/tda) l SAMURAI
204.
(http://samuraism.jp/samurai/en/index.html) ※
205.
단,
206.
덤프 분석을 알고
있는 상태로 툴을 사용할 경우 매우 유용하지만,
207.
그렇지 않을 경우 분석이
어렵다는 것은 똑같다.
208.
209.
210.
52 대외비 맺음말 • 사실 스레드
덤프 분석은 코드를 아는 사람이 유리합니다. • 자주 사용되는 멀티스레드 패턴을 알고 있다면 더욱 좋습니다.
211.
• 문제가 없더라도
가끔 떠보면 좋은 정보를 획득할 수도 있습니다.
212.
213.
53 대외비 이미지 참고 • http://www.upsidelearning.com/blog/index.php/tag/elearning-in-a-multi- device-world/ •
http://www.appliedmaterials.com/nanochip/nanochip-fab- solutions/december-2013/cover-story-fabs-in-the-internet-of-things-era • http://en.wikipedia.org/wiki/Amdahl's_law • http://www.anandtech.com/show/7603/mac-pro-review-late-2013/2 • http://www.ni.com/white-paper/14035/ko/
214.
54 대외비 QA
Download now