linux查看java进程|线程池信息

最新推荐文章于 2025-07-20 11:22:31 发布

蓝天688

最新推荐文章于 2025-07-20 11:22:31 发布

阅读量1.3w

点赞数

CC 4.0 BY-SA版权

分类专栏： linux

本文链接：https://blog.youkuaiyun.com/u012075079/article/details/78232957

linux 专栏收录该内容

5 篇文章

订阅专栏

本文介绍如何通过端口号查找对应的Java进程及其线程信息，并利用top命令检查内存占用情况。此外，还展示了如何使用jstack工具深入分析Java线程的状态。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.根据端口号57638查看对应进程pid/name=1463/java

netstat -apn | grep 57638

tcp 0 0 ::ffff:172.20.5.10:57638 :::* LISTEN 1463/java
tcp 0 0 ::ffff:172.20.5.10:57638 ::ffff:172.20.5.14:59204 ESTABLISHED 1463/java

2. top 查看占用内存最多的几个进程

ps aux | grep applicationName 查看对应applicationName的pid，第二列表示pid 1463

root 1463 12.5 2.3 5531468 3057636 ? Sl Oct12 315:22

3. top -p pid -H 查看进程pid对应的线程信息，这里每个线程映射对应到linux的一个进程PID

top -p 1463 -H

PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND
1463 root 20 0 5401m 2.9g 39m S 0.0 2.3 0:00.00 java
1464 root 20 0 5401m 2.9g 39m S 0.0 2.3 0:01.69 java

4. 使用jstack查看对应线程的具体信息

jstack pid | grep -A 10 hex(id)

pid进程id, -A 表示取出对应行后，往后继续显示10行内容，

hex(id) 表示线程PID对应的十六进制数字，全部用小写字母表示，

可以借助计算器或其他工具进行转换，用python 转换： python -c "print (hex(1464))"

jstack 1463 | grep -A 10 `python -c "print (hex(1464))"`

"main" #1 prio=5 os_prio=0 tid=0x00007f15ac01e800 nid=0x5b8 waiting on condition [0x00007f15b0a37000]
java.lang.Thread.State: TIMED_WAITING (parking)
at sun.misc.Unsafe.park(Native Method)
- parking to wait for <0x0000000700016ba0> (a java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject)
at java.util.concurrent.locks.LockSupport.parkNanos(LockSupport.java:215)
at java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject.awaitNanos(AbstractQueuedSynchronizer.java:2078)
at java.util.concurrent.ThreadPoolExecutor.awaitTermination(ThreadPoolExecutor.java:1465)
at org.apache.spark.rpc.netty.Dispatcher.awaitTermination(Dispatcher.scala:180)
at org.apache.spark.rpc.netty.NettyRpcEnv.awaitTermination(NettyRpcEnv.scala:273)
at org.apache.spark.executor.CoarseGrainedExecutorBackend$$anonfun$run$1.apply$mcV$sp(CoarseGrainedExecutorBackend.scala:231)
at org.apache.spark.deploy.SparkHadoopUtil$$anon$1.run(SparkHadoopUtil.scala:67)

ref: http://blog.youkuaiyun.com/jiafu1115/article/details/7355628

http://flysnowxf.iteye.com/blog/1162691

https://www.zhihu.com/question/20238208

http://blog.youkuaiyun.com/hanghangaidoudou/article/details/51488249