Java程序性能分析:内存

简介: 开发Java项目过程中,难免会碰到一些 性能 问题,这时候就需要一些工具,帮忙排查。本文主要介绍 JDK自带的上古神器 jstat、jmap,另简单介绍 MAT、gceasy、HeapDump 等

一、前言

  • 开发Java项目过程中,难免会碰到一些 性能 问题,这时候就需要一些工具,帮忙排查
  • 本文主要介绍 JDK自带的上古神器 jstat、jmap,用于分析内存问题,另简单介绍 MAT、gceasy、HeapDump 等
  • 以 openjdk 11.0.13、G1 垃圾收集器、Linux系统 为例

二、GC分析:jstat

1. jstat 简介

  • jstat 全称 “Java Virtual Machine statistics monitoring tool”,位于 JDK 的 bin 目录下,用于对 Java 程序的资源和性能进行监控,包括 Heap size、垃圾回收状况 等。
  • jstat --help:查看命令帮助
  • jstat -options:返回有哪些命令选项,如 -gcutil、-gc、-gccapacity、-gccause,另有 -class、-compiler、-printcompilation 等
  • jstat 上一步输出的命令选项 [-t] [-h每几行输出标题行] 进程号 [持续输出间隔时长 [输出次数]]
  • 持续输出间隔时长 默认毫秒,数字后面加 s 单位改为秒,-t 表示每行开头输出 相对应用启动时间的Timestamp 时间戳

2. jstat -gcutil

  • 常用命令格式:jstat -gcutil 进程号 持续输出间隔毫秒数,下图每隔 1000毫秒输出一次
  • 前6列 输出各个内存区域使用百分比 (没有容量大小),依次是 幸存区survivor0、1、新生代Eden、老年代Old、元数据 Metaspace、Compressed class space
  • GC 结尾的列 表示 GC次数,GCT 结尾的 表示 GC耗时,依次是 Young GC 次数和耗时、Full GC、Compressed class space GC,最后一列 GCT 是 Total总GC耗时
  • 2次相邻的GC,可以快速判断那一次GC的耗时;GCT / GC = 平均每次GC耗时
  • GC是否频繁标准参考:Young GC执行迅速(50毫秒以内)、Young GC执行不频繁(间隔10秒左右一次)、Full GC执行迅速(1秒以内)、Full GC执行不频繁(间隔10分钟左右一次)
    jstat-gcutil.png

3. jstat -gc

  • 列出 各区域的容量Capacity、使用大小 Utilization,单位是 KB,有容量大小,没有百分比
  • YGC 开始,是各区域 GC次数、耗时
    jstat-gc.png

4. jstat -gccapacity

  • 主要关注 各区域 最小(Min,MN结尾)、最大(Max,MX结尾)、当前(Capacity,C结尾) 容量 capacity
  • 最后3列 YGC、FGC、CGC 分别是 Young、Full、Compressed class space 区域 GC次数
  • NGCMN 是 新生代最小容量 new generation capacity min
  • 各个分区的容量,单位是 KB
    jstat-gccapacity.png

三、内存分析:jmap

1. jmap 简介

jmap 可以 快速分析简单的内存占用,生成 dump文件 便于后续分析

2. jmap -histo

  • 快速检测明显的内存问题(看不出来问题,可以下一步 jmap -dump)
  • 命令格式:jmap -histo 进程号,建议后面加 | head -行数,不然就等着刷屏吧
    jmap-histo.png

3. jmap -dump

  • 生成的文件,用于深层次分析内存问题
  • 命令格式:jmap -dump:format=b,file=heap.bin <pid>
  • GC以后再 dump,可以确定是不是还没有触发GC,内存占用才高,格式是在 -dump: 后面增加 live,
  • dump文件如果在服务器,建议压缩以后在传输,如下图 文件大小降低70%
  • 如果是在远程容器里面,下载到本地可能报错,压缩 + 重试 大概率能解决
    jmap-dump.png

四、其他内存分析工具

1. MAT:免费经典的dump分析工具

  • MAT 全称 Eclipse Memory Analysis Tools,是一个分析 Java 堆数据的专业工具,可以计算出内存中对象的实例数量、占用空间大小、引用关系等,看看是谁阻止了垃圾收集器的回收工作,从而定位内存泄漏的原因。
  • 建议配置略大于 dump文件大小的内存,否则可能报错,编辑 MemoryAnalyzer.ini 添加 -vmargs – Xmx4g

    2. gceasy.io:国外的在线分析工具

    3. HeapDump社区

    阿里大神创业的产品,除了工具,还有不少性能方面的案例

五、总结

  • jstat 可以看到 容量、使用量、最小最大容量、使用率、GC耗时、GC是否频繁
  • jmap 可以 快速分析简单的内存占用,生成 dump文件 便于后续分析
  • 另罗列了 MAT、gceasy.io、HeapDump社区 等,鉴于篇幅原因,暂时不细说了

本文遵守【CC BY-NC】协议,转载请保留原文出处及本版权声明,否则将追究法律责任。
本文首先发布于 https://www.890808.xyz/ ,其他平台需要审核更新慢一些。

相关文章
|
10天前
|
Web App开发 监控 JavaScript
监控和分析 JavaScript 内存使用情况
【10月更文挑战第30天】通过使用上述的浏览器开发者工具、性能分析工具和内存泄漏检测工具,可以有效地监控和分析JavaScript内存使用情况,及时发现和解决内存泄漏、过度内存消耗等问题,从而提高JavaScript应用程序的性能和稳定性。在实际开发中,可以根据具体的需求和场景选择合适的工具和方法来进行内存监控和分析。
|
1月前
|
存储 Java
【编程基础知识】 分析学生成绩:用Java二维数组存储与输出
本文介绍如何使用Java二维数组存储和处理多个学生的各科成绩,包括成绩的输入、存储及格式化输出,适合初学者实践Java基础知识。
67 1
|
21天前
|
NoSQL 测试技术
内存程序崩溃
【10月更文挑战第13天】
117 62
|
5天前
|
开发框架 监控 .NET
【Azure App Service】部署在App Service上的.NET应用内存消耗不能超过2GB的情况分析
x64 dotnet runtime is not installed on the app service by default. Since we had the app service running in x64, it was proxying the request to a 32 bit dotnet process which was throwing an OutOfMemoryException with requests >100MB. It worked on the IaaS servers because we had the x64 runtime install
|
9天前
|
存储 缓存 Java
结构体和类在内存管理方面的差异对程序性能有何影响?
【10月更文挑战第30天】结构体和类在内存管理方面的差异对程序性能有着重要的影响。在实际编程中,需要根据具体的应用场景和性能要求,合理地选择使用结构体或类,以优化程序的性能和内存使用效率。
|
15天前
|
Web App开发 JavaScript 前端开发
使用 Chrome 浏览器的内存分析工具来检测 JavaScript 中的内存泄漏
【10月更文挑战第25天】利用 Chrome 浏览器的内存分析工具,可以较为准确地检测 JavaScript 中的内存泄漏问题,并帮助我们找出潜在的泄漏点,以便采取相应的解决措施。
103 9
|
13天前
|
监控 前端开发 Java
Java SpringBoot –性能分析与调优
Java SpringBoot –性能分析与调优
|
14天前
|
存储 Java 关系型数据库
在Java开发中,数据库连接是应用与数据交互的关键环节。本文通过案例分析,深入探讨Java连接池的原理与最佳实践
在Java开发中,数据库连接是应用与数据交互的关键环节。本文通过案例分析,深入探讨Java连接池的原理与最佳实践,包括连接创建、分配、复用和释放等操作,并通过电商应用实例展示了如何选择合适的连接池库(如HikariCP)和配置参数,实现高效、稳定的数据库连接管理。
31 2
|
15天前
|
Java 关系型数据库 数据库
面向对象设计原则在Java中的实现与案例分析
【10月更文挑战第25天】本文通过Java语言的具体实现和案例分析,详细介绍了面向对象设计的五大核心原则:单一职责原则、开闭原则、里氏替换原则、接口隔离原则和依赖倒置原则。这些原则帮助开发者构建更加灵活、可维护和可扩展的系统,不仅适用于Java,也适用于其他面向对象编程语言。
10 2
|
19天前
|
并行计算 算法 IDE
【灵码助力Cuda算法分析】分析共享内存的矩阵乘法优化
本文介绍了如何利用通义灵码在Visual Studio 2022中对基于CUDA的共享内存矩阵乘法优化代码进行深入分析。文章从整体程序结构入手,逐步深入到线程调度、矩阵分块、循环展开等关键细节,最后通过带入具体值的方式进一步解析复杂循环逻辑,展示了通义灵码在辅助理解和优化CUDA编程中的强大功能。