打开java自带的堆栈分析器 java 堆栈分析

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。