【openJDK系列3】java OOM 分析(mat工具的使用)

深入HotSpot源码:Java堆内存溢出异常触发机制与排查实战 内存溢出是Java应用开发中常见的问题,其本质是JVM无法满足合法的内存分配请求。从原理上看,Java对象在堆中分配时,若找不到足够连续空间,分配器便会报告失败。这一底层机制由HotSpot JVM的C++核心引擎实现,涉及从字节码解释到本地内存分配的多层调用链。理解其技术价值在于,开发者能超越参数调整,通过堆栈、GC日志等线索直抵问题根源,像侦探一样进行高级调试。在应用场景中,无论是静态集合类泄漏还是线程局部变量滥用,最终都会在`G1CollectedHeap::mem_allocate`等关键函数中触发 阅读详情

背景

在java应用开发中 我们难免会遇到java stack和heap的分析,在此记录一下对于发生OOM时候,该怎么进行分析

分析

  • 首先我们得会几个工具,
jps
jmap -heap
jmap -histo:live
jmap -dump:format=b,file=dump.hprof
mat(Memory Analyzer Tool)

  • jps 用来看运行的应用是哪个pid
  • jmap -heap 用来查看该应用堆内存总体分布情况
  • jmap -histo:live 用来查看
  • jmap -dump 用来dump 应用整个堆的明细情况,便于具体分析oom的对象
  • mat 用来分析dump出来的文件的可视化软件,下载网址,根据自己的系统进行安装对应的软件就行

举个例子

$ jps
8727 DemoApplication
7914 Jps
$ jmap -heap 8727
Debugger attached successfully.
Server compiler detected.
JVM version is 25.151-b12

using parallel threads in the new generation.
using thread-local object allocation.
Concurrent Mark-Sweep GC

Heap Configuration:
  MinHeapFreeRatio         = 40
  MaxHeapFreeRatio         = 70
  MaxHeapSize              = 1073741824 (1024.0MB)
  NewSize                  = 1073676288 (1023.9375MB)
  MaxNewSize               = 1073676288 (1023.9375MB)
  OldSize                  = 65536 (0.0625MB)
  NewRatio                 = 2
  SurvivorRatio            = 1
  MetaspaceSize            = 21807104 (20.796875MB)
  CompressedClassSpaceSize = 1073741824 (1024.0MB)
  MaxMetaspaceSize         = 17592186044415 MB
  G1HeapRegionSize         = 0 (0.0MB)

Heap Usage:
New Generation (Eden + 1 Survivor Space):
  capacity = 715784192 (682.625MB)
  used     = 463683480 (442.2030258178711MB)
  free     = 252100712 (240.4219741821289MB)
  64.7797877045041% used
Eden Space:
  capacity = 357892096 (341.3125MB)
  used     = 357892096 (341.3125MB)
  free     = 0 (0.0MB)
  100.0% used
From Space:
  capacity = 357892096 (341.3125MB)
  used     = 105791384 (100.8905258178711MB)
  free     = 252100712 (240.4219741821289MB)
  29.559575409008193% used
To Space:
  capacity = 357892096 (341.3125MB)
  used     = 0 (0.0MB)
  free     = 357892096 (341.3125MB)
  0.0% used
concurrent mark-sweep generation:
  capacity = 65536 (0.0625MB)
  used     = 65536 (0.0625MB)
  free     = 0 (0.0MB)
  100.0% used

这里我们能看到jvm队的各个分区的内存大小以及使用情况,以及堆的配置情况

为了分析导致OOM的对象,执行

$jmap -histo:live 8727

 num     #instances         #bytes  class name
----------------------------------------------
   1:        105666       12543792  [C
   2:          5671        2608472  [B
   3:        104224        2501376  java.lang.String
   4:         17232        1902336  java.lang.Class
   5:         55156        1764992  java.util.concurrent.ConcurrentHashMap$Node
   6:         19700        1733600  java.lang.reflect.Method
   7:         20805        1210960  [Ljava.lang.Object;
   8:            27         885168  [Ljava.util.concurrent.ForkJoinTask;
   9:         19971         798840  java.util.LinkedHashMap$Entry
  10:          9524         710520  [Ljava.util.HashMap$Node;
  11:         20654         660928  java.util.HashMap$Node
  12:         10754         602224  java.util.LinkedHashMap
  13:           319         530688  [Ljava.util.concurrent.ConcurrentHashMap$Node;
  14:         27608         441728  java.lang.Object
  15:          6672         351288  [I
  16:         13947         307648  [Ljava.lang.Class;
  17:         10444         250656  java.util.ArrayList
  18:          3884         217504  java.lang.invoke.MemberName
  19:          4444         175624  [Ljava.lang.String;
  20:          4328         173120  java.lang.ref.SoftReference
  21:          3317         159216  java.util.HashMap
  22:           105         137344  [J
  23:          5262         126288  org.springframework.core.MethodClassKey
  24:          1447         115760  java.lang.reflect.Constructor
  25:          3580         114560  java.util.LinkedList
  26:          1491         107352  org.springframework.core.annotation.AnnotationAttributes
  27:          1079         103584  org.springframework.beans.GenericTypeAwarePropertyDescriptor
  28:          2540         101600  java.lang.invoke.MethodType
  29:          3154         100928  java.lang.ref.WeakReference
  30:          2437          97480  java.util.TreeMap$Entry
  31:          3018          96576  java.lang.invoke.DirectMethodHandle
  32:          1450          92800  java.net.URL
  33:          3791          90984  sun.reflect.generics.tree.SimpleClassTypeSignature
  34:          2546          81472  java.lang.invoke.MethodType$ConcurrentWeakInternSet$WeakEntry
  35:          3175          76200  java.util.LinkedList$Node
  36:          3791          72048  [Lsun.reflect.generics.tree.TypeArgument;
  37:          2951          70824  java.beans.MethodRef

其中,
num 代表占用字节的大小排名
instances 代表实例的数目
bytes 代表占用的字节数
class name的具体含义如下:
B代表byte
C代表char
D代表double
F代表float
I代表int
1J代表long
Z代表boolean
前边有[代表数组,[I 就相当于int[]
这里其实就能看出个到底是哪个对象占用了太多导致了OOM

为了进一步分析,我们得dump出具体的堆明细

jmap -dump:live,format=b,file=dump.hprof

拿到dump.hprof文件,我们假设你已经安装了mat(如安装出现问题见下方注意),

  • 按照 文件-》open heap Dump,倒入文件
  • 选择Leak Suspects Report
  • 选择Overview下的Histogram可以看到每个类的实例的数量大小,默认按照数量大小从大到小排列
  • 选择你认为有可能OOM的对象,右击,选择List objects -》 with incoming references,则可以看到对应的代码的调用情况

注意:

如果在运行mat的过程中出现

java.lang.IllegalStateException: The platform metadata area could not be written: /private/var/folders/1l/mwvs7rf563x72kqcv7l6rb840000gn/T/AppTranslocation/F5D8FB45-D694-4157-BDAF-1D58A9B350BC/d/mat.app/Contents/MacOS/workspace/.metadata.  By default the platform writes its content
under the current working directory when the platform is launched.  Use the -data parameter to
specify a different content area for the platform.

找到对应mat下的Contents/Eclipse/MemoryAnalyzer.ini文件
增加

-data
## /Users/path/to/dir为可写权限的目录
/Users/path/to/dir

即可解决

Java线上服务CPU与内存问题排查实战:从监控到代码的完整诊断流程 在Java后端开发中,性能优化与问题排查是保障服务稳定性的核心技能。其原理在于深入理解JVM运行时数据区、垃圾回收机制以及线程调度模型。掌握这些底层机制的技术价值在于,能够快速定位线上服务性能瓶颈,避免因CPU飙升或内存泄漏导致的系统雪崩,从而提升系统可用性与资源利用率。典型的应用场景包括电商大促、金融交易等高并发业务,任何计算密集型任务或内存不当使用都可能引发性能危机。本文聚焦于Java服务CPU与内存使用率过高的实战排查,系统介绍了如何利用jstack、Arthas、MAT等工具链,结合线程堆栈分析与堆 阅读详情

相关推荐

javacore\heapdump文件分析工具

websphere javacore与heapdump文件分析工具,jca是javacore分析工具,ha是heapdump分析工具,需要用jdk1.6打开

jvm调试工具(1)

jdk内置工具探索,仅用于学习

qq_39750835的博客 556

openEuler在虚拟机的网络配置

ethernet0.virtualDev 可以配置成其他类型的虚拟网络适配器。常见的选项包括:vlance - 用于模拟 AMD PCnet32 LANCE 网络适配器,支持10Mbps。e1000 - 用于模拟 Intel E1000 千兆网络适配器,支持1Gbps。e1000e - 用于模拟更现代的 Intel E1000e 千兆网络适配器。vmxnet - 用于 VMware 的自定义网络适配器,性能更好但需要安装 VMware Tools。

FHY1221的博客 2933

JVM导出dump文件

1.jvm启动时增加的参数 #出现 OOME 时生成堆 dump: -XX:+HeapDumpOnOutOfMemoryError #生成堆文件地址: -XX:HeapDumpPath=/home/liuke/jvmlogs/ 2.查看内存状态 jmap -heap 进程ID 3.查看JVM堆中对象详情占用情况 jmap -histo 进程ID 4.导出整个JVM 中内存信息,可以利用其它工具打开dump文件分析,例如jdk自带的visualvm工具 jmap -dump:file=文件名.dump [pi

web18334137065的博客 1445

别再花钱买商业软件了!这4款免费DIC工具,从散斑生成到应变分析全搞定

本文介绍了4款免费开源的DIC(数字图像相关技术)工具,涵盖从散斑生成到应变分析的全流程,帮助用户零成本构建专业级DIC工作流。这些工具在精度、算法透明度和生态整合方面具有优势,适用于材料力学和实验力学研究,可替代昂贵的商业软件。

weixin_42525369的博客 173

300Kg载重履带式无人车底盘定制开发技术详解

通过精准的需求分析、科学的方案设计、严格的研发与测试以及完善的交付与培训流程,可以打造出符合客户需求的优质产品。300Kg载重履带式无人车底盘的定制开发,旨在打造一款承载能力强、行驶稳定、适应复杂地形的无人运输平台。根据应用场景选择合适的动力源,并进行性能优化,确保无人车在载重情况下仍能保持稳定的行驶速度和动力输出。根据需求分析结果,设计无人车底盘的总体方案,包括动力系统选择、结构设计、负载管理策略等。进行详细的研发工作,包括零部件的选型与采购、样机的制作与调试等。

专注多旋翼、复合翼无人机技术研究,从事低空经济行业。 960

Docker 镜像,dump openjdk-alpine 镜像容器中的 jvm

参考: http://www.crazy1984.com/2018/12/dev/20181227_docker_java_dump/ https://www.cnblogs.com/lasdaybg/p/10218485.html 本文做个记录,方便以后查看。 默认情况下,我们使用的都是 jre 版本的 openjdk,当容器启动卡住不动的时候,看不出来任何问题。 此时如果能 dump 就能知道...

偶尔记一下 - mybatis.io 3462

图解B树的原理及操作

本文主要参考:https://blog.youkuaiyun.com/shenchaohao12321/article/details/83243314 1. B树 1.1 B树的定义 B树也称B-树,它是一颗多路平衡查找树。我们描述一颗B树时需要指定它的阶数,阶数表示了一个结点最多有多少个孩子结点,一般用字母m表示阶数。当m取2时,就是我们常见的二叉搜索树。 一颗m阶的B树定义如下: 1)每个结点最多有m-1个关键字。 2)根结点最少可以只有1个关键字。 3)非根结点至少有Math.ceil(m/2)-

jinking01的专栏 3万+

创建和分析 Java 堆转储(Heap Dumps)

jps 看java进程 语法 jps[options] [hostid] options参数 -q :仅仅显示LVMID (local virtual machine id),即本地虚拟机唯一id。不显示主类的名称等 -1:输出应用程序主类的全类名或如果进程执行的是jar包,则输出jar完整路径 -m:输出虚拟机进程启动时传递给主类main()的参数 -v:列串虚拟机进程启动时的JVM参数。比如: -Xms20m-Xmx50m是启动程序指定的jvm参数。 说明:

分享身边生活经验blog 752

仿真学习系列(四十九):Sigrity仿真之电容库制作

在高速电路设计中,电源完整性(PI)是确保系统稳定、可靠运行的关键因素。随着电子产品对性能的要求不断提升,PDN(电源分配网络)的设计与优化变得尤为重要。为了确保电源网络在高速工作状态下不会引发电压波动和信号干扰,我们需要在设计中精确地选择电容器进行优化,而电容库的制作则是这一过程的核心。 OptimizePI作为一个强大的电源完整性优化工具,能够帮助设计师根据不同的目标,批量进行PDN仿真,以得出最佳电容选择。

案例文章,高速信号 228

【应用】什么是Azure?一文读懂微软云的核心逻辑与全球版图

作为微软的核心云计算服务平台,Azure不仅是数字化转型的引擎,更是全球企业在构建、扩展与优化IT基础设施时的首选平台。在这篇文章中,我们将深入探讨Azure云服务平台的各个方面,涵盖其核心优势、架构、功能、应用场景以及未来发展趋势。

高校图书馆高级系统架构师/研究馆员,推动高校AI从概念演示到可评审、可交付、可运维:路线图与立项评审、PoC交付、评测回归与上线运维(Baseline/Eval/Ops)。 1972

MAT堆栈分析工具安装使用

MAT堆栈分析工具安装使用

奔跑的蜗牛的博客 2421

深度解析:Android开发工程师(嵌入式系统方向)职位 - 技术需求、面试准备与发展路径

本文深入分析了嵌入式Android开发工程师的岗位要求和技术内涵。该职位需要掌握C/C++、Linux系统编程、硬件接口等核心技术,能够进行Android系统底层定制开发,包括HAL层实现、Framework修改、性能优化等工作。文章详细解读了岗位职责,梳理了必备技术栈,提供了针对性的面试问题与参考答案,并探讨了职业发展路径。这类岗位要求开发者兼具软件工程能力和硬件基础知识,适合在智能电视、机顶盒、车载系统等嵌入式领域发展的技术人员。

郑伟强dev的专栏 137

Java OOM错误分析与内存管理实战指南

内存管理是软件开发中的核心问题,OutOfMemoryError(OOM)作为常见的内存异常,直接影响系统稳定性。从原理上看,OOM发生在JVM内存分配失败时,涉及堆内存、元空间等多个区域。通过垃圾回收机制(GC)和内存分析工具(如MAT),开发者可以诊断内存泄漏和配置问题。在实际工程中,合理设置JVM参数、优化缓存策略、采用流式处理大数据等技术手段能有效预防OOM。特别是在微服务和容器化场景下,内存管理更需结合Prometheus监控和Arthas诊断工具,构建全方位防护体系。本文深入解析OOM的各类表现

clt3617的博客 440

AI 视觉宠物喂食器:智能识别 + 精准投喂,打造宠物喂养新体验

AI 视觉宠物喂食器将边缘 AI 计算与传统硬件结合,既解决了传统喂食器的核心痛点,又兼顾了 DIY 的易用性和扩展性。无论是宠物主人 DIY 使用,还是小型创客团队产品化,该方案都具备较高的实用价值和落地性,为宠物智能化喂养提供了轻量化的实现路径。

weixin_42300449的博客 419

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

真实的 JVM 内存泄漏排查实战案例,包含 Memory Dump 抓取、MAT 工具分析、诊断步骤及最终解决方案。

Prometheus 监控显示,Heap 堆内存使用率呈现典型的“锯齿状上升但基线不断抬高”趋势,最终老年代使用率锁定在 98% 上下,触发频繁的 Full GC,但单次 Full GC 仅能回收不足 50MB 空间。在生产环境中,出现 OOM 趋势时必须先隔离节点(摘除 API 网关流量),保留现场并生成 Dump 镜像。直接重启节点仅能短暂维持运行,约 6 小时后内存会再次吃紧,典型的。系统超过 81% 的堆内存被单一线程池中的线程对象以及其绑定的。)中的线程是被反复复用的常驻线程,即使外部的。

qq_23277595的博客 277

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

jni开发 - 使用Memory Analyzer tool(MAT)分析内存泄漏(二)

前言 在使用Memory Analyzer tool(MAT)分析内存泄漏(一)中,我介绍了内存泄漏的前因后果。在本文中,将介绍MAT如何根据heap dump分析泄漏根源。由于测试范例可能过于简单,很容易找出问题,但我期待借此举一反三。 一开始不得不说说ClassLoader,本质上,它的工作就是把磁盘上的类文件读入内存,然后调用java.lang.ClassLoader.defineC

Mrknowledge 1613

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

jvisualvm分析linux环境下jvm内存溢出

1.安装jmap 第一次使用需要安装jmap命令 1.安装openjdk-devel-debug yum -y install java-1.8.0-openjdk-devel.x86_64 看好是以上命令而不是下面的 yum install -y java-1.8.0-openjdk-devel-debug 成功后 2.安装jmap yum -y whatprovides '*/jmap' 成功后 进入红框内 如果查看有jmap 发现安装成功 2.使用jmap du

小鲍侃java 2629

JVM 性能调优与故障排查全景图:从工具选型到云闪付千万级生产实战

JVM诊断工具全景指南 本文系统梳理了JVM监控与诊断工具生态,按照"进程定位→状态监控→内存/线程导出→离线/实时分析"的故障排查流程,将工具划分为三大阵营: 1. CLI命令行工具(生产环境首选) 基础四件套:jps查进程、jstat看GC、jmap导堆转储、jstack抓线程 万能命令jcmd:集成线程堆栈打印和堆转储功能,性能开销更优 2. 图形化分析工具 JConsole/VisualVM:基础监控与初级分析 JMC+JFR:生产级低损耗(<1%)持续监控套件 MAT:大堆转储文件分析神器,精准定

qq_23277595的博客 1666

黑马点评背后的JVM江湖:从一个外卖订单看懂Java虚拟机

《从黄焖鸡订单看JVM原理》摘要:本文以黑马点评平台的外卖下单场景为线索,生动解析JVM核心机制。当用户下单黄焖鸡米饭时,JVM启动类加载(如OrderController)、在堆内存创建订单对象、通过栈帧执行方法调用,并触发垃圾回收清理临时对象。文章将JVM比作餐厅后厨:内存模型对应厨房布局(堆/栈/方法区)、GC算法类比垃圾分类、类加载机制如同菜谱管理、JIT编译相当于厨师经验优化。最后针对OOM异常和性能调优给出实战方案,帮助开发者从业务视角理解JVM底层原理,解决实际工程中的内存泄漏、GC频繁等问题

weixin_72753562的博客 1154

10年Java老兵:学JVM到底有啥用?真有人改源码?

学习JVM的价值体现在四个层面:面试刚需、线上生存技能、架构设计基石、技术深度修炼。不懂JVM的Java开发者,永远只能停留在“CRUD工程师”的层面。虽然改JVM源码的人不多,但深入理解JVM原理,能够熟练进行调优和故障排查,已经能让你在竞争激烈的Java开发领域脱颖而出。最后,我想用一句名言来结束这篇文章:“JVM不是Java的附属品,而是Java的灵魂。你写的每一行代码,最终都是JVM在替你‘活着’。”希望大家都能重视JVM的学习,成为真正的Java工程师。

程序员爱酸奶 492

IBM HeapAnalyzer实战:Java内存泄漏分析与调优指南

内存泄漏是Java应用中常见且棘手的问题,尤其在大型企业级应用中,如WebSphere等中间件环境下更为突出。通过heap dump分析可以准确诊断内存问题,其核心原理是追踪对象引用链,识别未被GC回收的异常对象。IBM HeapAnalyzer作为专业工具,不仅能自动检测典型泄漏模式,还针对IBM技术栈进行了深度优化。对于Java性能调优工程师而言,掌握HeapAnalyzer的使用技巧能显著提升内存问题排查效率。工具支持智能分析线程泄漏、缓存失控等典型场景,特别适合处理WebSphere环境下的生产问题

weixin_30824599的博客 306

Java服务CPU与内存过高问题排查实战指南

在Java应用性能优化领域,CPU使用率过高和内存泄漏是两大核心挑战,直接影响服务稳定性和响应效率。其原理通常涉及线程调度、垃圾回收机制与对象生命周期管理。深入理解这些底层机制,对于构建高可用系统具有重要技术价值。在实际应用场景中,无论是电商秒杀、实时数据处理还是微服务架构,不当的线程同步、未关闭的资源引用或缓存策略失效都可能导致资源异常消耗。本文聚焦于Java服务性能诊断,系统介绍如何利用jstack、MAT等工具链,结合火焰图与堆转储分析,快速定位死循环、内存泄漏等线上问题,提升工程团队的问题排查与解决

weixin_33721427的博客 447

JVM 内存结构全景图:堆、栈、方法区、程序计数器一网打尽

一张图 + 十问十答 + 三段代码,把 JVM 运行时数据区全部拆开给你看「PC 只记行号,栈帧跟着线程跑;堆内对象常 GC,元空间存类常量;直接内存最隐蔽,Netty 零拷贝靠它搞。《Java 对象的一生:从创建到回收的完整旅程》将带你追踪背后内存分配、TLAB、逃逸分析、栈上分配、GC 标记、finalize()全链路,敬请期待!

持续输出Java相关知识 1212

云端搭建Minecraft服务器全攻略:从环境部署到Java内存溢出深度排查

在云计算和Linux系统管理领域,服务器部署与性能调优是核心技能。其原理涉及操作系统资源调度、网络通信及Java虚拟机(JVM)内存管理机制。掌握这些技术对于构建稳定、高效的后端服务具有重要价值,尤其在游戏服务器、Web应用等需要高并发处理的场景中。本文聚焦于一个经典实践案例:在云主机上部署和运维Minecraft游戏服务器。过程中会深入探讨Linux环境配置、服务进程管理,并重点解析Java应用程序中常见的内存溢出(OOM)问题及其诊断方法,例如通过JVM参数调优和监控工具(如jstat、jmap)来定位

weixin_30698527的博客 299

Linux云主机部署Minecraft服务器:从Java环境配置到内存溢出实战解决

Java应用部署是云计算和Linux系统管理中的基础实践,其核心在于理解JVM内存模型与垃圾回收机制。通过合理配置堆内存参数和选择高效的GC算法,可以显著提升应用稳定性与性能。在游戏服务器等对延迟敏感的场景中,内存优化尤为关键,直接关系到用户体验。本文聚焦于Minecraft这一典型Java应用的部署与调优,深入剖析了Linux环境下Java内存溢出(OOM)问题的成因,并结合Aikar's Flags等热词进行JVM参数调优。同时,系统介绍了使用systemd进行服务管理、通过安全组配置网络端口等工程实践

weixin_33768481的博客 353
上一篇: 【k8s系列6】Mirantis及时现身,接过Kubernetes dockershim支持大旗
下一篇: scala中的self =>
鸿乃江边鸟
博客等级 码龄6年 3746粉丝 235原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值