深入理解JVM(八)——java堆分析
上一节介绍了针对JVM的监控工具,包括JPS可以查看当前所有的java进程,jstack查看线程栈可以帮助你分析是否有死锁等情况,jmap可以导出java堆文件在MAT工具上进行分析等等。这些工具都非常有用,但要用好他们需要不断的进行实践分析。本文将介绍使用MAT工具进行java堆分析的案例。
内存溢出(OOM)的原因
我们常见的OOM(Out Of Memory Error)发生的原因不只是堆内存溢出,堆内存溢出只是OOM其中一种情况,OOM还可能发生在元空间、线程栈、直接内存。
下面演示在各个区发生OOM的情况:
堆OOM
public static void main(String[] args)
{
List<Byte[]> list=new ArrayList<Byte[]>();
for(int i=0;i<100;i++){
//构造1M大小的byte数值
Byte[] bytes=new Byte[1024*1024];
//将byte数组添加到list列表中,因为存在引用关系所以bytes数组不会被GC回收
list.add(bytes);
}
}
以上程序设置最大堆内存50M,执行:
显然程序通过循环将占用100M的堆空间,超过了设置的50M,所以发生了堆内存的OOM。
针对这种OOM,解决办法是增加堆内存空间,在实际开发中必要的时候去掉引用关系,使垃圾回收器尽快对无用对象进行回收。
元空间OOM
public static void main(String[] args) throws Exception
{
for(int i=0;i<1000;i++){
//动态创建类
Map<Object,Object> propertyMap = new HashMap<Object, Object>();
propertyMap.put("id", Class.forName("java.lang.Integer"));
CglibBean bean=new CglibBean(propertyMap);
//给 Bean 设置值
bean.setValue("id", new Random().nextInt(100));
//打印 Bean的属性id
System.out.println("id=" + bean.getValue("id"));
}
}
以上代码通过Cglib动态创建class,设置元数据区大小为4M:
由于代码循环创建class,大量的class元数据,存放在元数据区超过了设置的4M空间,因此报元数据区OOM:
解决该OOM的办法是增大MaxMetaspaceSize参数值,或者干脆不设置该参数,在默认情况元空间可使用的内存会受到本地内存的限制。
栈OOM
当创建新的线程时JVM会给每个线程分配栈内存,当创建线程过多,占用的内存也就越多,这种情况下有可能发生OOM:
public static void main(String[] args) throws Exception {
//循环创建线程
for (int i = 0; i < 1000000; i++) {
new Thread(new Runnable() {
public void run() {
try {
//线程sleep时间足够长,保证线程不销毁
Thread.sleep(200000000);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}).start();
System.out.println("created " + i + "threads");
}
}
很明显解决此OOM的办法是减小线程数。
直接内存OOM
public static void main(String[] args) throws Exception {
for (int i = 0; i < 1000000; i++) {
//申请堆外内存,这个内存是本地的直接内存,并非java堆内存
ByteBuffer byteBuffer = ByteBuffer.allocateDirect(1024*1024*1024);
System.out.println("created "+i+" byteBuffer");
}
}
ByteBuffer的allocateDirect方法可以申请直接内存,当申请的内存超过的本地可用内存时,会报OOM:
解决该OOM的办法是适当使用堆外内存,如有必要可显式执行垃圾回收。(即在代码中执行System.gc();)
补充:
直接内存是除Java虚拟机之外的内存
,但也有可能被Java使用。
它可以通过调用本地方法直接分配Java虚拟机之外的内存,然后通过一个存储在Java堆中的DirectByteBuffer对象直接操作该内存,而无需先将外面内存中的数据复制到堆中再操作,从而提升了数据操作的效率。
直接内存的大小不受Java虚拟机控制,但既然是内存,当内存不足时就会抛出OOM异常。
直接内存(堆外内存)与堆内存比较
直接内存申请空间耗费更高的性能,当频繁申请到一定量时尤为明显
直接内存IO读写的性能要优于普通的堆内存,在多次读写操作的情况下差异明显
堆外内存与堆内内存比较:
优势:
1 减少了垃圾回收的工作,因为垃圾回收会暂停其他的工作(可能使用多线程或者时间片的方式,根本感觉不到)
2 加快了复制的速度。因为堆内在flush到远程时,会先复制到直接内存(非堆内存),然后在发送;而堆外内存相当于省略掉了这个工作。
劣势
1 堆外内存难以控制,如果内存泄漏,那么很难排查
2 堆外内存相对来说,不适合存储很复杂的对象。一般简单的对象或者扁平化的比较适合。
MAT工具使用
当java应用出现故障时,我们可能需要使用MAT分析问题,找出问题出现的原因,下面通过一个案例介绍MAT的使用方法:
准备:
我们事先从程序运行环境上使用jmap工具或者jvisualvm导出一个堆快照文件出来。
使用MAT工具打开:
我们发现占用内存最大的对象是AppClassLoader,我们知道AppClassLoader是用来加载应用的类,因此我们进一步查看它引用的对象。
下图显示了AppClassLoader引用的对象空间使用情况,“Shallow Heap”表示浅堆的大小,浅堆就是类自身所占用的空间大小,也就是类本身元数据的大小。“Retained Heap”表示深堆的大小,深堆表示该类以及它引用的其他类所占用空间的总和,也表示该类被垃圾回收后,所能够释放的空间大小。(如果该类被回收了,他引用的对象会变成不可达对象因此也会被回收)
继续查看深堆占用最大的对象。
从上图可以看出造成深堆比较大的原因是程序当中包含了一个ArrayList,他里面包含有大量的String对象,并且每个String对象有80216字节大小。
因此针对这个堆的分析基本清楚了,因为程序中包括大量的String对象,而他们又在ArrayList当中,引用关系一直存在,因此无法被垃圾回收,造成OOM。
MAT其他功能说明
除了上述我们使用到的MAT功能外,还有一些功能也是经常用到的。
Histogram:显示每个类使用情况以及占用空间大小。
上图可以看到char[]类,有1026个对象,占用5967480字节的空间,通过上面的分析得出结论是String对象占用了大部分的空间,而Stirng对象内部存放字符使用char[]来存放的,所以这里显示char[]的浅堆大小为5967480字节也是可以理解的。
Thread_overview:显示线程相关的信息。
OQL:通过类似SQL语句的表达式查询对象信息。
上图通过OQL语句查询字符串中匹配123的String对象。
结语
本文首先介绍了java程序中出现OOM的几种情况,然后通过简单的案例介绍了MAT的基本用法。