ToB企服应用市场:ToB评测及商务社交产业平台

标题: 【JVM内存】系统性排查JVM内存题目的思绪 [打印本页]

---

作者: 用多少眼泪才能让你相信    时间: 2024-8-27 05:02
标题: 【JVM内存】系统性排查JVM内存题目的思绪
【JVM内存】系统性排查JVM内存题目的思绪

背景

前言

• 遇到过几次JVM堆外内存泄露的题目，每次题目的排查、修复都泯灭了不少时间，题目持续几月、甚至一两年。
  
• 我们将这些排查的思绪梳理成一套系统的方法，盼望能给对JVM内存分布、内存泄露题目有更清晰的理解。
  

这篇文章能带给你什么

• 了解JVM的内存分布.
  
• 更合理地去设置JVM参数。
  
• 能大大提升排查JVM内存题目的服从。
  

本文的限定范围

• JDK版本
  
• JDK8*，其他JDK版本可能有所差异。**
  
• 重点讲解堆外内存**
  
• 堆内的内存题目文章比力多，一般是dump堆内存，然后分析即可。
  

文章讲解的次序

• 讲解JVM内存分布，了解有哪些内存区域、JVM参数等。堆内相关的文章比力多，堆外的比力少，所以重点讲解堆外的。
  
• 讲解排查JVM内存题目的思绪。
  

JVM内存分布

JVM内存分布

• 【重点中的重点】JVM内存分布图
  
• 总体分为堆内内存、堆外内存。
  
• 
  
  

【重点】Heap Space(堆内内存)

• 重点关注新生代、老年代。
  

Young Generation新生代

• 用于存放新创建的对象，分为一个Eden区和两个Survivor区。
  
• 当Young GC发生时会采取该块内存。
  

老年代（Old Generation）

作用

• 重要用于存放生命周期较长的对象。
  

何时采取

• 当Old GC发生时会采取该块内存，一般触发Old GC时会伴随着一次Young GC。
  

参数

• -Xmn: 新生代的内存大小
  
• -Xms: Heap的初始大小
  
• -Xmx: Heap的最大大小
  

问答

• 设置了Xms，那是不是JVM一启动就使用了这么多的物理内存来划分给Heap？
  
• 分情况而定：
  
• (1) 如果未设置了-XX:AlwaysPreTouch，则现实是使用的是假造内存，给了一张空头支票，只在首次访问时，比方存放一批新的Java对象数据，但原来申请的内存不敷用了，必要新的内存来，这时才必要分配物理内存，也就是通过缺页异常进入内核中，再由内核来分配内存，再交给JVM进程使用。
  
• 一般情况，不会设置-XX:AlwaysPreTouch。
  
• (2) 如果设置了-XX:AlwaysPreTouch，则JVM启动时，则不仅分配Xms的大小的假造内存，还会使用物理内存、添补整个堆。
  
• 设置-XX:AlwaysPreTouch可以提前申请好物理内存，淘汰程序运行过程中发生的物理内存分配带来的延迟，可以提升性能。比方摆设elasticsearch节点时，可以指定该参数，提升性能。
  
• 
  
  
• XMX设置多大符合？
  
• 一般的应用，XMX可以设置为物理内存的1/2到2/3，较充分地去使用内存。
  
• 必要较多地使用Heap外内存应用，物理内存不要超过1/2，比方ElasticSearch、RocketMQ-broker、Kafka等中间件，必要大量读写文件，操纵系统必要大量的Page Cache，才气有足够的缓存提高性能，所以JVM Heap不要过大，以预留给非Heap的其他内存。
  

【重点】Non-Heap Space(非堆内存、堆外内存)

什么是堆外内存

• Non-Heap Space 翻译为非堆内存，也被称为Off-Heap(堆外内存)，各人习惯于叫这部门内存为堆外内存。检察了许多国内外文章，对于这块内存，没有很同一的界说。
  
• 较可信的是分为下面两种界说：
  
• 广义上的Non-Heap
  
• 除开Heap以外的所有内存，包罗MetaSpace、NativeMemory(JNI Memory、Direct Memory等)、Stack、Code Cache等。
  
• 下面讲解的Non-Heap是针对于广义的界说。
  
• 狭义上的Non-Heap
  
• 只包含Metaspace、code_cache。
  
• 注意：
  
• 监控系统里会有Non-Heap的监控，比方SkyWalking、Arthas的Non-Heap指标，都是通过JDK自带的MemoryMXBean方法获取的。
  
• 所以一般监控系统采集的Non-Heap只是Heap以外的一部门内存！还必要留意NativeMemory等等内存。
  
• 监控数据示例；
  
• 
  
  
• 对应的代码：
  
• 1. @Override
  2. public long getNonHeapMemoryMax() {
  3.   return memoryMXBean.getNonHeapMemoryUsage().getMax();
  4. }
  6. @Override
  8. public long getNonHeapMemoryUsed() {
  9.   return memoryMXBean.getNonHeapMemoryUsage().getUsed();
  10. }

  复制代码

【重点】MetaSpace(元数据空间)

• 用于存储类元数据（如类界说和方法界说）的内存区域。Metaspace 在 JDK 8 中代替了永久代（PermGen）。
  

相关参数

• -XX:MetaspaceSize=
  
• -XX:MaxMetaspaceSize=
  
• -XX:MetaspaceSize 参数设置了元空间的初始大小，在 JDK 8 中，-XX:MetaspaceSize 参数的默认值为 21 MB。。当元空间使用量达到这个值时，JVM 将触发 Full GC(也会附带younggc) 来尝试采取不再必要的类元数据以及相关资源。
  
• 如果采取后元空间仍然无法满足需求，那么 JVM 将尝试扩展元空间的大小。
  
• 问答：许多同学希奇，我们有时看到某些应用启动一段时候，堆内存使用量不高，为何会发生一次FULL GC？
  
• 这很可能是因为应用的JVM参数里没有设置-XX:MetaspaceSize，大概-XX:MetaspaceSize设置的比力小。
  
• -XX:MaxMetaspaceSize 参数设置了元空间的最大大小。元空间会根据必要动态扩展，但不会超过这个设置的最大值。当元空间使用量超过这个值时，JVM 将触发 Full GC(也会附带younggc)，尝试采取不再必要的类元数据以及相关资源。如果采取后元空间仍然无法满足需求，那么 JVM 将抛出java.lang.OutOfMemoryError: Metaspace错误。因此，这个参数既与 Full GC 相关，也与 OOM 相关。
  

问答

• 怎样合理设置-XX:MaxMetaspaceSize参数？
  
• 发起JVM启动参数指定-XX:MaxMetaspaceSize，一般大小256M足够，因为默认值无限大，如果出现频繁加载class等情况，轻易出现OOM。
  

OOM异常

• OOM报错： java.lang.OutOfMemoryError: Metaspace
  

Native Memory(本地内存)

Direct Memory(直接内存)

• 是Java NIO 框架引入的一种内存分配机制，答应在堆外分配内存以便更高效地执行 I/O 操纵，通常用于NIO网络编程，JVM使用该内存作为缓冲区，提升I/O性能。
  
• 
  
  
• 创建 Direct Buffer 的方法
  
• ByteBuffer.allocateDirect()
  
• 该方法分配内存:内部用的是unsafe.allocateMemory(size)方法,但不属于Java NIO库的一部门，且jdk官方不推荐直接使用unsafe.allocateMemory(size)方法，该方法不受-XX:MaxDirectMemorySize参数控制，轻易导致内存被无节制地使用，所以推荐ByteBuffer.allocateDirect()方法分配内存。
  
• 相关参数
  
• -XX:MaxDirectMemorySize=
  
• 如果未设置-XX:MaxDirectMemorySize，默认值等于Xmx。
  
• 可指定最大直接内存大小，DirectMemory会超过MaxDirectMemorySize前，触发FULL GC(也会附带Young GC)，堆内DirectByteBuffer等会对象采取时，会触发对象的clean逻辑，释放该对象关联的DirectMemory，当gc后还是不敷，就会OOM。
  
• 问答：怎样合理设置-XX:MaxDirectMemorySize参数？
  
• 因为默认值等于Xmx，所以发起指定一下MaxDirectMemorySize，Netty等框架会用到DirectMemory，且一般设置1G足够。
  
• 框架和中间件
  
• Netty(底层使用Java NIO技能)、Java NIO库(Java NIO库本身使用直接缓冲区进行高性能网络和文件I/O操纵)等。
  
• 当申请堆外内存时，NIO 和 Netty 会比力计数器字段和最大值的大小，如果计数器的值超过了最大值的限制，会抛出 OOM 的异常。
  
• OOM效果
  
• NIO 中是：OutOfMemoryError: Direct buffer memory。
  
• Netty 中是：OutOfDirectMemoryError: failed to allocate capacity byte(s) of direct memory (used: usedMemory , max: DIRECT_MEMORY_LIMIT )
  

JNI Memory(JNI内存)

• JNI (Java Native Interface) memory是指Java应用程序与本地代码交互时使用的内存。Java Native Interface (JNI) 是 Java 与本地（如 C 或 C++）代码进行交互的桥梁。
  
• JNI方法
  
• 使用方式：在Java中使用native关键字界说方法，并在C/C++代码中实现相关的本地方法。
  
• 示例：
  
• 1. private native int inflateBytes(long addr, byte[] b, int off, int len);

  复制代码
• 该native方法内部也会申请内存用以存储数据，这部门内存属于JNI内存的一部门。
  
• 参数
  
• 无特定的 JVM 参数，但必要在本地代码中管理内存分配和释放。
  
• 注意：与-XX:MaxDirectMemorySize=无关。
  
• JNI内存分配过程
  
• 
  
  

Stack(栈内存)

Stack介绍

• 用于存储线程执行过程中的局部变量、方法调用、操纵数栈等。
  
• 栈内存由JVM自动管理，每个线程都有一个独立的栈。
  
• 栈内存与堆内存相互独立，它们之间不共享数据。
  
• 分为VM Stack(Java假造机栈)、Native Stack(本地方法栈)
  

分类

• VM Stack(Java假造机栈)
  
• 用于存储线程执行Java方法时所需的信息。
  
• 当一个方法执行完成后，其对应的栈帧会从栈中弹出，释放该方法所占用的内存空间。
  
• 每个线程对应一个Java线程栈，大小由-Xss参数控制，默认是1M，当超过1M会报错StackOverFlowError。
  
• Native Stack(本地方法栈)
  
• 用于存储本地方法（通过Java Native Interface，JNI调用的方法）的信息。
  
• 本地方法栈与Java假造机栈的重要区别在于，它是为本地方法提供内存空间，而不是Java方法。
  

特别内存

MMap

• 介绍
  
• 底层用的操纵系统的mmap，将文件或文件的一部门映射到内存中的技能，通过内存映射文件可以实现高效的文件读写操纵。
  
• 使用方式
  
• 1. FileChannel fileChannel = FileChannel.open(Paths.get("a.txt"), StandardOpenOption.READ, StandardOpenOption.WRITE); // 以读写的方式打开文件通道
  3. MappedByteBuffer buf = fileChannel.map(FileChannel.MapMode.READ_WRITE, 0, fileChannel.size()); // 将整个文件映射到内存

  复制代码
• 参数
  
• 无特定的 JVM 参数。
  
• 注意：与-XX:MaxDirectMemorySize=无关。
  
• 框架和中间件
  
• Lucene、RocketMQ、Kafka等
  
• 注意
  
• java中mmap的内存不属于JVM进程占用的内存!
  
• 当使用java.nio.channels.FileChannel#map方法时，分配的内存现实上是由操纵系统管理的，并不是由JVM管理。这部门内存是映射到文件的内存区域，又称为内存映射文件（Memory-Mapped File）。在操纵系统中，这部门内存被分类为文件缓存，而非Java进程的私有内存。
  
• 内存映射文件答应将文件或文件的一部门映射到进程的地址空间。一旦建立了映射，进程可以像访问通例内存一样访问文件。操纵系统会负责将对映射内存的更改写回磁盘。
  
• 因此，当你使用一些下令（如ps、top）检察Java进程的内存使用时，这部门内存映射文件的使用量并不会直接盘算到进程的私有内存中。这部门内存使用在某种水平上是透明的，但仍然受操纵系统的文件缓存管理。
  
• 在Linux系统中，可以通过检察**/proc/meminfo**文件来获取关于内存映射文件的信息。
  
• 该结论基于实行：使用mmap方式写入2G文件，用arthas的memory下令检察JVM进程对应mmap使用量，已经是2G，但现实JVM的内存占据量，只有703M，这是因为mmap的内存是由操纵系统控制的，不算在进程占用。
  
• 内存分配过程
  
• 
  
  

【重点】内存排查工具

堆内内存相关工具

• 整理了堆内内存相关的工具。
  
• 发起从上往下逐一执行下令，从团体到局部，逐步排查出详细的题目。
  
• 
  
  

堆外内存相关工具

• 不同的内存区域可以使用不同的下令进行排查，同时也留意合理设置对应内存区域的参数。
  
• 
  
  

JVM内存使用量过大题目排查思绪

团体的排查思绪

• 使用量大缘故原由一般分为
  
• 数据量大，自然使用量大
  
• JVM内存泄露，导致可以释放的内存未释放
  
• JVM内存泄露:
  
• 在JVM运行过程中，由于(1)未正确释放不再使用的内存 (2)大概执行内存释放步骤后内存却未采取，导致内存占用持续增长，甚至终极耗尽导致OOM(内存溢出)的现象
  
• 发现题目、提前预知题目
  
• 依赖于监控告警：falcon、prometheus、troy等，重要是内存、GC相关
  
• 发现题目、提前预知题目
  
• 先止损，一般处理方式是通过重启，大概手动触发fullgc。
  
• 保存现场
  
• 如果条件答应一定不要直接操纵重启、回滚等动作恢复，优先通过摘掉流量的方式来恢复，比方：通过dubbo控制台将某个provider实例禁止访问。
  
• 然后将堆(手工dump、大概指定-XX:+HeapDumpOnOutOfMemoryError)、栈(jstack下令导出)、GC 日志等关键信息保存下来，否则错过了定位根因的时机，后续想要复现、解决的难度将大大增长。
  
• 确定是谁人进程的题目
  
• 当出现内存题目时，必要确认是谁人进场的题目。
  
• 当发生进程A被操纵系统的OOM-killer杀掉时，可能不是A的题目，可能是进程B占用内存过多，导致系统内存不敷用，
  
• 然后触发OOM-killer盘算出oom分数(根据内存、进程运行时间等打分，参考文档)，选择杀掉了进程A。
  
• 分析日志
  
• 分析应用日志是否有outofmemory等关键字；
  
• 分析系统日志/var/log/messages大概dmesg观察outofmemory的情况、进程运行的记录；
  
• 分析应用GC日志；
  
• 查找不同内存区域占比、判断可疑的内存
  
• 根据下令、监控平台，逐个分析内存区域大户：Heap、MetaSpace、DirectMemory、JNI Memory。
  
• 分析可疑内存数据内容
  
• 分析内存占用大的区域中的数据，也可以辅助定位对应源码。
  
• 分析可疑内存调用栈
  
• 对于java而言，推荐使用arthas的trace和stack下令，但是arthas无法对native方法进行拦截，此时可以借助jstack大概arthas拦截可能调用native方法的上层方法。
  
• 对于JNI Memory，这块内存是C、C++等native方法相关的，必要用gperftools、gdb等工具进行分析。
  
• 复现题目
  
• 在没有了解题目缘故原由、内存增长规律的情况下，想要复现题目，有时是很困难的！可能要花费很长时间、且必要些运气。
  
• 所以我们只管保存题目现场，方便找出规律。
  
• 内存泄漏按发生方式来分类：
  
• 
  
  
• 修复题目
  
• JVM内存题目一般是代码题目、JVM参数题目、malloc内存分配库等，针对不同类型的题目进行修复。
  

案例

• 案例遇到比力多：
  
• 不合理地使用fastjson，导致频繁地在创建、加载class (2)未设置-XX:MaxMetaspaceSize 导致了内存不停增长，直到OOM
  
• JNI Memory内存泄漏
  
• JVM参数-XX:SoftRefLRUPolicyMSPerMB和metaspace导致的fullgc
  
• vim下令编辑文件导致的业务应用的进程被oom-killer杀掉
  

总结

• 首先是看这张图，了解JVM内存的分布。
  
• 
  
  
• 遇到内存题目，先根据通用的排查思绪一遍内存的使用情况。
  
• 有许多JDK、Linux内存相关的下令，各人可以去尝试一下，先查大范围的内存占用，再逐步定位到详细的内存区域、代码、参数等。
  
• 重启程序、系统能临时解决许多内存题目，但是，发起去深究一下，会学到许多JVM内存管理和Linux内存管理的知识，还是很有趣的。
  
• 此外，把握了JVM内存管理的计划后，发现许多程序的内存是比力浪费的，可以对JVM参数做针对性优化，能淘汰许多机器资源。
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

---

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)

Powered by Discuz! X3.4