Jvm内存溢出

总结

遇到内存溢出的问题，可以使用jdk/bin下的javaVisualVM工具分析堆快照，使用之前要先在jvm上加上参数XX:+HeapDumpOnOutofMemoryError，这样就会在程序崩溃的时候，产生一份堆内存快照。

对象是存放在堆中的。而调用方法的时候，会在栈中入栈一个栈帧。

 

 

概述

jvm中除了程序计数器，其他的区域都有可能会发生内存溢出

内存溢出是什么？

当程序需要申请内存的时候，由于没有足够的内存，此时就会抛出OutOfMemoryError，这就是内存溢出

内存溢出和内存泄漏有什么区别？

内存泄漏是由于使用不当，把一部分内存“丢掉了”，导致这部分内存不可用。

当在堆中创建了对象，后来没有使用这个对象了，又没有把整个对象的相关引用设为null。此时垃圾收集器会认为这个对象是需要的，就不会清理这部分内存。这就会导致这部分内存不可用。

所以内存泄漏会导致可用的内存减少，进而会导致内存溢出。

用到的jvm参数

下面为了说明溢出的情景，会执行一些实例代码，同时需要给jvm指定参数

• -Xms 堆最小容量(heap min size)
• -Xmx 堆最大容量(heap max size)
• -Xss 栈容量(stack size)
• -XX:PermSize=size 永生代最小容量
• -XX:MaxPermSize=size 永生代最大容量

 

堆溢出

堆是存放对象的地方，那么只要在堆中疯狂的创建对象，那么堆就会发生内存溢出。

下面做一个堆溢出的实验

执行这段代码的时候，要给jvm指定参数

//jvm参数：-Xms20m -Xmx20m
public class HeapOOMTest {
    public static void main(String[]args){
        LinkedList<HeapOOMTest> l=new LinkedList<HeapOOMTest>();//作为GC Root
        while(true){
            l.add(new HeapOOMTest());//疯狂创建对象
        }
    }
}

-Xms20m -Xmx20m作用是将jvm的最小堆容量和最大堆容量都设定为20m，这样就不会动态扩展jvm堆了

这段代码疯狂的创建对象，虽然对象没有声明变量名引用，但是将对象添加到队列l中，这样队列l就持有了一份对象的引用

通过可达性算法(jvm判断对象是否可被收集的算法)分析，队列l作为GC Root，每一个对象都是l的一个可达的节点，所以疯狂创建的对象不会被收集，这就是内存泄漏，这样总有一天堆就溢出了。

 

运行结果：

Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
    atjava.util.LinkedList.linkLast(Unknown Source)
    at java.util.LinkedList.add(UnknownSource)
    attest.HeapOOMTest.main(HeapOOMTest.java:23)

程序发生内存溢出，并提示发生在Java heap space

分析解决方法

思路

用visualVM工具分析堆快照

如果发生内存泄漏：

step1:找出泄漏的对象

step2:找到泄漏对象的GC Root

step3:根据泄漏对象和GC Root找到导致内存泄漏的代码

step4:想法设法解除泄漏对象与GCRoot的连接

如果不存在泄漏:

1. 看下是否能增大jvm堆的最大容量
2. 优化程序，减小对象的生命周期
   前期准备
   当发生堆溢出的时候，可以让程序在崩溃时产生一份堆内存快照
   产生堆内存快照的方法：
   给jvm加上参数XX:+HeapDumpOnOutofMemoryError，这样就会在程序崩溃的时候，产生一份堆内存快照
   分析堆内存快照我建议用jdk自带的可视化监视工具visualVM，位置在jdk安装目录下的bin，如果是在linux环境的话，可以把快照传到window。因为分析工具会占用很大的内存，不建议在服务端进行分析。
   实战
   下面对刚才程序产生的堆内存快照进行分析。
   打开visualVM，装入刚刚生成的快照，打开类标签页
   
   队列和疯狂创建的对象几乎占满了整个栈，想要让垃圾收集器回收这些对象，要让他们与GC Root断开连接
   双击HeapOOMTest类，跳转到实例标签页，可以查看这个类的所有实例
   在实例上右键——显示最近的垃圾回收根节点，可以看到这个对象与根节点的连接
   
   只要断开HeapOOMTest对象与LinkedList的连接，这些疯狂创建的对象就会被收集了

 

栈溢出

调用方法的时候，会在栈中入栈一个栈帧，如果当前栈的容量不足，就会发生栈溢出StackOverFlowError
那么只要疯狂的调用方法，并且有意的不让栈帧出栈就可以导致栈溢出了。

 

下面来一次栈溢出

//jvm参数:-Xss128k
public class StackSOFTest {
    public void stackLeak(){
        stackLeak();//递归，疯狂的入栈，有意不让出栈
    }
    public static void main(String[]args){
        StackSOFTest s=new StackSOFTest();
        s.stackLeak();
    }
}

jvm设置参数-Xss128k，目的是缩小栈的空间，这样栈溢出“来的快一点”

程序中用了递归，让栈帧疯狂的入栈，又不让栈帧出栈，这样就会栈溢出了。

 

运行结果：

Exception in thread "main" java.lang.StackOverflowError
    attest.StackSOFTest.stackLeak(StackSOFTest.java:17)
    attest.StackSOFTest.stackLeak(StackSOFTest.java:17)

运行时常量池溢出

这里储存的是一些常量、字面量。如果运行时常量池内存不足，就会发生内存溢出。从jdk1.7开始，运行时常量池移动到了堆中，所以如果堆的内存不足，也会导致运行时常量池内存溢出。

 

下面来一次运行时常量池溢出，环境是jdk8

只要创建足够多的常量，就会发生溢出

/**
 * jvm参数：
 * jdk6以前：-XX:PermSize=10M -XX:MaxPermSize=10M
 * jdk7开始：-Xms10m -Xmx10m
 * */
public class RuntimePoolOOM {
    public static void main(String[]args){
        int i=1;
        LinkedList<String> l=new LinkedList<String>();//保持常量的引用，防止被fullgc收集
        while(true){
           l.add(String.valueOf(i++).intern());//将常量添加到常量池
        }
    }
}

因为jdk6以前，运行时常量池是在方法区（永生代）中的，所以要限制永生代的容量，让内存溢出来的更快。

从jdk7开始，运行时常量池是在堆中的，那么固定堆的容量就好了

这里用了链表去保存常量的引用，是因为防止被fullgc清理，因为fullgc会清理掉方法区和老年代

intern()方法是将常量添加到常量池中去，这样运行时常量池一直都在增长，然后内存溢出

 

运行结果：

Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
    at java.lang.Integer.toString(UnknownSource)
    at java.lang.String.valueOf(UnknownSource)
    attest.RuntimePoolOOM.main(RuntimePoolOOM.java:30)

提示在heap区域发生内存溢出，果然运行时常量池被移到了堆中

方法区溢出

方法区是存放类的信息，而且很难被gc，只要加载了大量类，就有可能引起方法区溢出

这里将不做演示了，想试试的可以用cglib创建大量的代理类

分析

工作中也有可能会遇上方法区溢出：

当多个项目都有相同jar包的时候，又都存放在WEB-INF\lib\下，这样每个项目都会加载一遍jar包。会导致方法区中有大量相同类（被不同的类加载器所加载），又不会被gc掉。

解决方案：

1. 在应用服务器中建立一个共享lib库，把项目中常用重复的jar包存放在这里，项目从这里加载jar包，这样就会大大减少类加载的数量，方法区也“瘦身”了
2. 如果实在不能瘦身类的话，那可以扩大方法区的容量，给jvm指定参数-XX:MaxPermSize=xxxM
   查看原文：http://blog.zswlib.com/2016/11/07/jvm%e5%86%85%e5%ad%98%e6%ba%a2%e5%87%ba%e5%88%86%e6%9e%90/

 

来自 <http://www.cnblogs.com/wewill/p/6038528.html>