转载

JVM系列(2)- jmap+mat实战内存溢出

查出当前服务器运行的java进程

JVM系列(2)- jmap+mat实战内存溢出

2. jinfo用法(结合jps -l查到进程ID)

1)、查看最大堆内存:jinfo -flag MaxHeapSize 23789(进程ID) 比如查出1中的tomcat的最大堆内存设置:

JVM系列(2)- jmap+mat实战内存溢出

2)、查看手动修改过的参数:jinfo -flags 23789(进程ID) 有些是我们自己设置的,有些是tomcat的shell脚本自己设置的:

JVM系列(2)- jmap+mat实战内存溢出

3)、查看GC垃圾回收器: jinfo -flag UseConcMarkSweepGC 3176 jinfo -flag UseG1GC 3176 jinfo -flag UseParallelGC 3176

JVM系列(2)- jmap+mat实战内存溢出

3. jstat用法

1)、jstat -class 23789:查看类加载的个数

JVM系列(2)- jmap+mat实战内存溢出

2)、jstat -gc 23789 1000 10:每个一秒打印一次23789进程的gc结果,共打印10次。

JVM系列(2)- jmap+mat实战内存溢出

输出结果解释:

  • S0C、S1C、S0U、S1U:S0和S1的总量与使用量
  • EC、EU:Eden区总量与使用量
  • OC、OU:Old区总量与使用量
  • MC、MU:Metaspace区总量与使用量
  • CCSC、CCSU:压缩类空间总量与使用量
  • YGC、YGCT:YoungGC次数与时间
  • FGC、FGCT:FullGC的次数与时间
  • GCT:总的GC时间

3)、jstat -compiler 29600:查看编译的文件数,失败多少、用时多少等等

JVM系列(2)- jmap+mat实战内存溢出

制造一个内存溢出场景

分别制造堆内存溢出和metaspace内存溢出,在启动参数中设置为32M。

JVM系列(2)- jmap+mat实战内存溢出

导出内存映像文件

1. 内存溢出自动导出,VM中加入如下两个参数,第二个表示映像文件存放在当前目录。

-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=./

2. jmap导出映像文件

1)、jps -l 查看pid

JVM系列(2)- jmap+mat实战内存溢出

2)、jmap -dump:format=b,file=heap.hprof 10776 format表示格式化,file表示文件名称,10776是pid。

JVM系列(2)- jmap+mat实战内存溢出
JVM系列(2)- jmap+mat实战内存溢出

使用MAT分析映像文件

下载地址: www.eclipse.org/mat/downloa…

JVM系列(2)- jmap+mat实战内存溢出

下载后解压即可,就是这么个玩意:

JVM系列(2)- jmap+mat实战内存溢出

打开open-file,然后可以看到:图表显示,以及下方的问题明细。

JVM系列(2)- jmap+mat实战内存溢出

还可以,点击上方菜单图标第二个,查看对象数量:

JVM系列(2)- jmap+mat实战内存溢出

可以直接用正则来查看某个包里产生对象数量:

JVM系列(2)- jmap+mat实战内存溢出

可以发现,User对象生成数量最多:

JVM系列(2)- jmap+mat实战内存溢出

右键mergeXXX-排除虚引用,只显示强引用:

JVM系列(2)- jmap+mat实战内存溢出

就可以看到具体的对象占用信息:

JVM系列(2)- jmap+mat实战内存溢出

同理, 还可以,点击上方菜单图标第三个,查看对象所占内存:

JVM系列(2)- jmap+mat实战内存溢出

可以看到,第一个占用最多:

JVM系列(2)- jmap+mat实战内存溢出

同上,右键打开查看强引用:

JVM系列(2)- jmap+mat实战内存溢出

个人心得

就个人在实际工作当中的体会,内存溢出发生的概率其实没那么大,一旦出现往往都是由于以下几个方面导致:

  1. 代码编写不规范,某些循环或其它业务逻辑导致生成大量实例;
  2. 服务器分配内存不达标,这个遇到的其实最多。

PS: 以我前公司的某大型电网客户为例,他们的服务器都是自己机房分配的(有钱),应用服务器的内存往往32G起步,64G常规,我们按照一套标准为服务器分配堆内存,首先,服务器上尽量不装其他软件,只部署应用服务,让内存得到最大利用,其次,分配服务器完整内存的70%-80%为该应用服务的堆内存,64G的话大概就分配45G-52G左右,几年下来其实从未出现过堆内存溢出的问题。 当然,这不是绝对的,但充分说明了在代码层面稳定的情况下,解决堆内存溢出最好的方式就是……有钱。→_→

原文  https://juejin.im/post/5d4cfa85f265da03c02befad
正文到此结束
Loading...