没有监控过JVM内存的职场生涯,是不完美的

简介: 没有监控过JVM内存的职场生涯,是不完美的

前言

如果你从事Java开发多年,还没用过JVM分析工具,还没尝试着通过对JVM的dump日志来进行故障定位和性能调优,那么可以说是你职场生涯中的一大遗憾,也是一种能力的缺失。


这篇文章就基于一款JDK自带的工具(VisualVM),然后编写内存溢出的案例,带大家体验一下JVM分析的入门。文中涉及到多个知识点的融合与实战经验分享,读者可留意一下。


VisualVM简介

VisualVM是Netbeans的profile子项目,在JDK6.0 update 7 中自带,能够监控线程,内存情况,查看方法的CPU时间和内存中的对象,已被GC的对象,反向查看分配的堆栈(如100个String对象分别由哪几个对象分配出来的)。


如果已经正确配置classpath路径,VisualVM的启动非常简单,只需在命令行输入jvisualvm即可启动图形化界面。VisualVM不仅支持本机监控,还支持远程监控。


远程监控配置稍微复杂一些,这里以本地监控为示例进行演示。至于生产环境,可选择远程监控,也可配合jmap先生成dump文件,然后下载dump文件进行分析。


VisualVM功能界面

启动VisualVM之后,先来看一下有助于JVM分析的几项功能。这里先以本地启动的Idea为例来进行展示。


概述

进入VisualVM之后,点击左边的对应进程,首先展示的是【概述】内容:


image.png概述中显示了JVM、Java版本、dump批次等信息,在实战中这里的信息可用来进行信息核对。特别是JVM从参数和系统属性项的核对。


曾遇到一个场景,就是通过启动Java程序时JVM参数的位置写错了,导致JVM参数并不生效。


比如如下指令,由于JVM的参数写在了最后,会导致参数设置无效。


java -jar app.jar -Xms256m -Xmx512m

1

而正确的写法应该是如下:


java -Xms256m -Xmx512m  -jar app.jar

1

上面这种情况,通过该工具可以轻易的看出JVM参数项里面并没有指定的参数值。


监视

监视界面是用的比较多的一个界面,通过该界面可以查看CPU使用情况、堆和Metaspace的使用情况、线程的使用情况、类的加载情况等。


通过对堆和Metaspace的使用情况分析,可以看到对应内存空间的使用和增长情况,可进行合理调整和规划。


image.png点击右上角的“堆 dump”,会基于点击的时间节点生成dump文件。image.png概要部分会显示生成dump文件的时间节点和存储路径。我们用来分析内存主要是在此页面中的“类”菜单内。

image.pngimage.png而我们在内存分析时最重要的其实就是“类”的数量。在了解了上述的基本操作之后,我们就用一个实例来模拟分析一下内存溢出的场景吧。


内存溢出场景构建

先写一段代码,用来模拟内存溢出,也就是创建一个Map,然后向其中不断的新增对象。同时在程序处理的过程中让线程睡眠或死循环来方便通过VisualVM进行查看。


测试代码如下:


public class MemoryLeakTest {
    /**
     * 声明缓存对象
     */
    private static final Map<String, TestMemory> CACHE_MAP = new HashMap<>();
    public static void main(String[] args) {
        try {
            //给打开visualVm时间
            Thread.sleep(10000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        //循环添加对象到缓存
        for (int i = 0; i < 1000000; i++) {
            TestMemory t = new TestMemory();
            CACHE_MAP.put("key" + i, t);
        }
        System.out.println("-------1------");
        //为dump出堆提供时间
        try {
            //给打开visualVm时间
            Thread.sleep(10000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        for(int i=0; i<1000000;i++){
            TestMemory t = new TestMemory();
            CACHE_MAP.put("key"+i,t);
        }
    }
}

TestMemory类代表生成中的业务类。


public class TestMemory {

}

1

2

为了让程序更快的达到内存的阈值,我们启动时可限制JVM的大小,这里设置为:


-Xms128m -Xmx128m

1

另外,为了分析堆的内存结构中每个区域(新生代、老年代)的内存使用情况,可在VisualVM的“工具”、“插件”中安装Visual GC插件。该插件的使用后续会看到效果。


image.png一切准备妥当,下面来进行验证。

内存溢出分析

下面我们就来启动程序,启动VisualVM来进行内存溢出的分析。

当程序执行的过程中,我们会发现“堆”内存会出现一个快速增加的曲线。image.png这个过程中Metaspace也在随之增长。

打开Visual GC界面,我们会看到面试中被问过很多遍的堆内存结构:image.png通过这张图,可以直观的看到堆内存中的老年代、新生代、Metaspace空间(JDK8),还有新生代中的Eden、S0(Survivor From)、S1(Survivor To),而且它们的分配比例也有一个比较直观的展示。通过这种形式,是不是可以更直观的学习堆内存结构呢?


这里Eden已经被填满、S0和S1为空,老年代也几乎被填满(因为垃圾收集无法清除持有引用的对象)。



image.png最重要的是你会发现针对老年代在20分钟内进行了3850次垃圾回收。也就是说已经触发了频繁的Full GC操作,而且内存并没有被释放掉。在生产系统中,当你看到系统在频繁的进行Full GC操作,那是JVM在释放一个很恐怖的信号了。


上面说了一些表象的内容,现在真正开进行内存分析了。回到上面提到的“监视”、“堆dump”、“类”中,可以看到下图:


image.png可以看到,堆中存在着100万个TestMemory对象。当你看到堆中有类似的大量的对象存在,你应该意识到此处可能有内存泄露。也就是大量的对象被创建,而没有被“顺利”回收。我们这里没被回收的原因是对象被放在了静态变量里面了。


上面已经提到,你还可以进一步双击对象名称,去查看对象的详细信息。


image.png通过上面步骤,基本上可以定位到哪些对象的处理出现了问题,此时再回到代码中针对相应的代码进行排查,便可快速定位内存溢出的问题所在。其中我们需要特别留意上述过程中VisualVM为我们提供的那些报警信号和数据呈现。


小结

本文我们是在讲VisualVM的使用,也是在讲线上JVM的排查,也是在讲JVM的内存结构,还是在讲如何去构造一个内存溢出(bug)的场景。但讲什么并不重要,关键是看,通过这篇文章,你重温了什么,学到了什么,又收获了什么。


JVM系列

最近还写了一系列JVM相关的文章,值得学习一下。


《GC复制存活对象,它内存地址变了么?》


《GC时对象地址变了,hashCode如何保持不变?》


目录
相关文章
|
10天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
9天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
400 130
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
3天前
|
存储 安全 前端开发
如何将加密和解密函数应用到实际项目中?
如何将加密和解密函数应用到实际项目中?
197 138
|
9天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
376 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
|
3天前
|
存储 JSON 安全
加密和解密函数的具体实现代码
加密和解密函数的具体实现代码
195 136
|
21天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1347 8
|
8天前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展,网络欺诈频发,构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术,设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统,提升公众防范意识,助力企业合规与用户权益保护。
|
20天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
1454 87