漫长的史前时代
相信每一个 Java 开发者都经历过这样的黑暗时刻
服务连续 OOM,好不容易导出 Heap Dump,用工具打开后面对复杂的界面,庞大的数据量,不知道从何看起;好不容易找到了泄漏对象,但是不知如何拉出引用的源头;接口 RT 突然升高,面对上万行 GC 日志,很难快速判断哪次停顿最严重、为什么发生。就算手头有工具,也难以从庞杂的数据中定位到问题。
为什么现有工具帮不上忙?
Java 应用出了问题,拿到诊断文件只是第一步。现有的工具如 MAT、GCViewer等虽然可以解析原始诊断文件、图形化展示数据、提供各种聚合报表,但是并没有从本质上降低诊断分析问题的复杂度和难度。因为它们只是把信息换了一种表达方式,解决了读数据的问题,然而并没有解决从数据中定位诊断问题的难点,依然需要使用者掌握很多 JVM 的底层知识才能看明白这些数据,然后再做诊断。
再者,如何操作使用这些工具也是一个问题。一个堆转储文件动辄就有好几个GB,分析它需要大量的内存,按一个按钮都要等它处理好久。想摸索一下各个界面的功能,都要花费大量的时间。
SysAgent 把 JVM 专家经验做成了 Agent
阿里云近期推出了系统智能专家 SysAgent,其中,“运行时诊断”技能就是为这类问题准备的。这项能力凝聚了一支资深 Java 专家团队在大规模应用实践中积累的十多年诊断经验,如今通过 SysAgent 帮助 Java 开发者分析和定位问题。系统结构如下图所示:
我们把诊断文件的解析工作放在服务器上,通过 MCP 向 AI Agent 提供文件解析和数据查询服务。Agent 将确定性的文件解析交给程序完成,自己负责读取数据和分析判断,并结合知识库中的历史经验寻找问题根因。这样兼顾了分析效率、Token 消耗和思考深度,可以在分钟级完成复杂问题的诊断与定位。
目前,这项 Java 运行时问题诊断能力已作为 SysAgent 的“运行时诊断”技能对外发布,Java 开发者可以随时使用它来辅助诊断问题。
用户只需上传要被分析的诊断文件(堆转储/线程转储/GC 日志/JFR 文件)之一,也可以指定出现异常的机器和应用发起线上分析。运行时诊断Agent会对用户的诊断文件给出问题结论,再展示关键依据和调优建议,减少用户在原始日志、分析工具和 JVM 文档之间反复切换。
案例:17 万行 GC 日志,约 4 分钟生成报告
以下是一次真实的 GC 日志诊断。这份日志记录了 16 天 14 个小时的数据,共有 17 万行,原始内容大致如下:
[2026-02-06T15:21:15.938+0800][6796354.293s][info][gc,metaspace ] GC(49820) Metaspace: 47410K(49152K)->47410K(49152K) [2026-02-06T15:21:15.938+0800][6796354.293s][info][gc ] GC(49820) Pause Young (Mixed) (G1 Evacuation Pause) 46542M->37577M(191488M) 52.696ms [2026-02-06T15:21:15.938+0800][6796354.293s][info][gc,cpu ] GC(49820) User=1.84s Sys=0.00s Real=0.06s [2026-02-06T15:23:18.997+0800][6796477.352s][info][gc,start ] GC(49821) Pause Young (Concurrent Start) (G1 Evacuation Pause) [2026-02-06T15:23:18.998+0800][6796477.352s][info][gc,task ] GC(49821) Using 43 workers of 43 for evacuation [2026-02-06T15:23:19.048+0800][6796477.403s][info][gc,phases ] GC(49821) Pre Evacuate Collection Set: 0.1ms [2026-02-06T15:23:19.048+0800][6796477.403s][info][gc,phases ] GC(49821) Evacuate Collection Set: 36.9ms [2026-02-06T15:23:19.048+0800][6796477.403s][info][gc,phases ] GC(49821) Post Evacuate Collection Set: 11.9ms [2026-02-06T15:23:19.048+0800][6796477.403s][info][gc,phases ] GC(49821) Other: 1.3ms [2026-02-06T15:23:19.048+0800][6796477.403s][info][gc,heap ] GC(49821) Eden regions: 3570->0(3569) [2026-02-06T15:23:19.048+0800][6796477.403s][info][gc,heap ] GC(49821) Survivor regions: 20->21(449) [2026-02-06T15:23:19.048+0800][6796477.403s][info][gc,heap ] GC(49821) Old regions: 1149->1149 [2026-02-06T15:23:19.048+0800][6796477.403s][info][gc,heap ] GC(49821) Humongous regions: 6->6 [2026-02-06T15:23:19.048+0800][6796477.403s][info][gc,metaspace ] GC(49821) Metaspace: 47410K(49152K)->47410K(49152K) 复制
如果把这份日志直接交给大模型解读,可能会得到错误的数据和结论。下图1.a示例中,某大模型只分析了前 15 个小时的内容:Metaspace 已经较为紧张,却被描述为“全程无变化”;分析时间窗口过短,统计到的 GC 次数也明显偏少。图1.b展示了运行时诊断Agent得到的正确数据。在这些基础信息存在偏差的情况下,最终结论也会受到影响。
(图1.a/错误诊断数据的示例)
(图1.b /SysAgent诊断的正确结果对比)
现在,我们来看看 SysAgent 是怎么高效完成的。打开 SysAgent 网页版,用户上传日志后,只需输入问题:
帮我分析这份 GC 日志,重点看长停顿、内存趋势和可以优先调整的参数。
服务端会依次校验并识别 GC 日志、提交解析任务、轮询进度、逐项取证,最后输出报告,并通过图文证据链说明分析依据。在这个案例中,从提交文件到生成报告,全程约 4 分钟。
诊断结论的可信度
拿到报告后,也需要关注结论依据是什么、哪些问题暂时不能确定。SysAgent 的“运行时诊断”技能会在报告中说明这两点:
- 结论可回溯:报告中的每个论断都指向文件中的真实数据——“老年代基线稳定在约 38GB”来自内存趋势统计,“user=0、sys=103s”来自异常事件的 CPU 时间明细。用户都可以拿到支撑它的原始证据。
- 如实陈述边界:当数据不足以支撑确定性结论时,报告会明确使用“可能”“建议排查”等措辞并给出下一步取证建议,而不是给出似是而非的定论。如果分析服务暂时不可用导致本次未能基于真实数据分析,回答开头会附带明确声明,说明结论仅为一般性参考,不编造诸如对象数量、占用比例、栈帧这类只有真实分析才能产生的数据。
运行时诊断技能的适用场景
- 堆转储(Heap dump):排查内存溢出、堆内存泄漏或持续增长、堆外内存或类加载器泄漏,需提供 .hprof 或 .bin 文件。
- GC 日志:排查频繁 GC、Full GC、停顿时间过长、回收效率低或 GC 参数问题,需提供 GC 日志文件。
- 线程转储(Thread dump):排查死锁、线程阻塞、线程数异常、线程池耗尽、锁竞争或 CPU 使用率高,需提供 Thread dump 文件。
- Java 飞行记录器(Java Flight Recorder,JFR):排查 CPU 热点、锁竞争、I/O 延迟、内存分配热点或延迟尖刺,需提供 .jfr 文件。
SysAgent 免费公测中,立即体验
SysAgent 的“运行时诊断”技能沉淀了阿里巴巴多年的 Java 诊断经验,帮助开发者更快定位问题,把时间和精力集中在业务实现上。
SysAgent 免费公测中,打开网页版立即体验,开启你的系统专家团队:https://alinux.console.aliyun.com/sysom-ai/ops-assistant
用户可以直接上传 GC 日志或堆转储文件,并说明问题现象、发生时间和最想确认的方向。例如:“服务昨晚 20:00—21:00 出现 RT 抖动。请分析这份 GC 日志,判断是否存在长停顿或内存异常,并给出关键依据和优先排查建议。”如果手头没有诊断文件,也可以指定出现异常的机器和应用发起分析。具体授权、目标选择和数据采集步骤以当前产品界面提示为准。详细的操作步骤,参考https://help.aliyun.com/zh/alinux/use-runtime-diagnostic-skills
联系我们
SysAgent 交流群(钉钉)
相关文章阅读:
从小时级到分钟级:SysAgent 宕机分析技能如何重塑内核宕机诊断
系统不稳、漏洞难判、发行版难做?SysAgent 开放免费公测,一支专家团队全包了
—— 完 ——
阿里云推出的系统智能专家 SysAgent,把一支系统全栈专家团队带到运维、SRE、开发者和操作系统发行方身边。通过统一任务编排,SysAgent 协同运行保障、安全管理和研发交付三类能力,覆盖系统全生命周期,将系统管理从“排障副驾”推进到“系统主驾”,让 Agent 负责组织专业分析、推进任务,而用户掌握业务约束与关键操作的授权。其中,运行时诊断技能分析 Java 应用在运行时发生的CPU、 内存、垃圾回收(Garbage Collection,GC)问题和线程等方面的问题,给出专家级的根因诊断和调优建议。