在上一篇文章《JVM实战优化篇》中,梳理了JVM内存的核心参数,同时对新业务系统上线如何预估容量、垃圾回收器如何选择进行了总结,最后文末还给大家总结了一套通用的JVM参数模板。JVM的调优基本都发生在上线前,尽量争取在压测环节就可以把JVM参数调整到最优,最有效的优化手段是架构和代码层面的优化,如果上线以后发生了JVM故障,最常见的比如频繁FullGC导致CPU飙升、系统响应迟钝,OOM导致的服务不可用等场景,下面就工具和思路进行总结。
大纲
一、JVM命令
1.jps,虛擬機進程狀況
./jps
直接輸出各個JVM進程的PID。
2.jstat,虛擬機統計信息監視工具
jstat命令可以查看堆內存各部分的使用量,以及加載類的數量。主要常用這個查看堆的使用情況:
jstat -gc pid
pid是VM的進程號,即當前運行的java進程號,後面還可以加幾個參數。
interval:執行的間隔時間,單位為毫秒
count :打印次數,如果缺省則一直打印
使用jstat -gc vmid
上面的縮寫解釋:E-eden, S-suviror, M-metaspace, C-capacity, U-used
前面均为瞬时统计容量(byte)
以下统计了从应用程序启动到采样时的统计综合YGC
:年轻代中gc次数YGCT
:年轻代中gc所用时间(s)FGC
:old代(全gc)gc次数FGCT
:(全gc)gc所用时间(s)GCT
:gc用的总时间(s)
3.jmap 虛擬機內存映像工具
jmap命令是一個可以輸出所有內存中對象的工具,甚至可以將VM 中的heap,以二進制輸出成文本。
堆转储文件:jmap -dump:live,format=b,file=heap-dump.bin
输出所有内存中对象统计,jmap -gc pid,输入的demo如下:
./jmap -heap 5932
Attaching to process ID 5932, please wait...
Debugger attached successfully.
Server compiler detected.
JVM version is 25.91-b15
using thread-local object allocation.
Parallel GC with 4 thread(s)
Heap Configuration:
MinHeapFreeRatio = 0
MaxHeapFreeRatio = 100
MaxHeapSize = 1073741824 (1024.0MB)
NewSize = 42991616 (41.0MB)
MaxNewSize = 357564416 (341.0MB)
OldSize = 87031808 (83.0MB)
NewRatio = 2
SurvivorRatio = 8
MetaspaceSize = 21807104 (20.796875MB)
CompressedClassSpaceSize = 1073741824 (1024.0MB)
MaxMetaspaceSize = 17592186044415 MB
G1HeapRegionSize = 0 (0.0MB)
Heap Usage:
PS Young Generation
Eden Space:
capacity = 60293120 (57.5MB)
used = 44166744 (42.120689392089844MB)
free = 16126376 (15.379310607910156MB)
73.25337285580842% used
From Space:
capacity = 5242880 (5.0MB)
used = 0 (0.0MB)
free = 5242880 (5.0MB)
0.0% used
To Space:
capacity = 14680064 (14.0MB)
used = 0 (0.0MB)
free = 14680064 (14.0MB)
0.0% used
PS Old Generation
capacity = 120061952 (114.5MB)
used = 19805592 (18.888084411621094MB)
free = 100256360 (95.6119155883789MB)
16.496143590935453% used
20342 interned Strings occupying 1863208 bytes.
4.jstack 虚拟机堆栈跟踪工具
jstack是JDK自帶的線程跟蹤工具,用於打印指定Java進程的線程堆棧信息。常用於排查cpu使用率過高的問題,其排查思路也比較套路:
1、通过top
命令找出cpu使用率最高的进程
2、然后通过top -Hp pid
查看该进程下各个线程的cpu使用情况
3、继续使用jstack pid
命令查看当前java进程的堆栈状态,且将内容输出到dump文件中。
4、将PID(十进制)转换成十六进制后,用转换后的数字去定位线程的一个执行状态和堆栈信息。
5、也可以使用jca工具分析线程dump文件,找出来线程处于BLOCKED和WAITING状态的,并进行堆栈分析
dump分析
可以重點懷疑那種應該很快執行但是並未執行的線程,比如dubbo調用等。
RUNNABLE,线程处于执行中
BLOCKED,线程被阻塞
WAITING,线程正在等待
二、频繁FullGC实战
FullGC發生時一般會導致CPU升高、系統響應變長,服務會短暫停頓等現象,如果頻繁的發生FGC的話,那麼就會導致系統的服務處於一個不穩定的狀況,引發FullGC的原因會很多,我們盡量要做的就是在上線之前,做好壓測,避免JVM參數的不合理導致頻繁FGC。
1.模拟压测
模擬一個壓測場景,頻繁的創建對象,然後又很快的回收處理,分析步驟如下:
每秒执行一次
loadData()
方法创建了40M的字节数组指向data变量,但是马上成为垃圾;
data1和data2指向两个10M数组,有引用而可以存活
data3依次指向了两个10M数组
public class FullGCOptmize {
public static void main(String[] args) throws Exception{
Thread.sleep(1000);
while (true) {
loadData();
}
}
public static void loadData() throws Exception{
byte[] data = null;
for (int i = 0; i < 4; i++) {
data = new byte[10 * 1024 * 1024];
}
data = null;
byte[] data1 = new byte[10 * 1024 * 1024];
byte[] data2 = new byte[10 * 1024 * 1024];
byte[] data3 = new byte[10 * 1024 * 1024];
data3 = new byte[10 * 1024 * 1024];
Thread.sleep(1000);
}
}
此處設定的一個不太合理的JVM參數:
-Xms200M -Xmx200M -XX:NewSize=100m
-XX:MaxNewSize=100m -XX:SurvivorRatio=8
-XX:PretenureSizeThreshold=20m -XX:+UseConcMarkSweepGC
-Xloggc:gc.log -XX:+PrintGCDetails -XX:+PrintGCDateStamps
-XX:+PrintGCTimeStamps
100M新生代,Eden區80M,S區10M,Old區100M,1s內執行完loadData()方法產生80M垃圾,一定會觸發一次MinorGC。所以我們用jstat命令監控會發现:
第一次ygc,30M数组(data1、2、3)直接进入老年代(OU),data和data3的数组对象直接被回收。
后续每秒一次的ygc,都会有大约10~30M进入老年代(OU)
大约在60M的时候,发生了一次老年代GC,老年代的内存使用从60M->30M。
ygc太频繁,导致每次回收后存活对象太多,频繁进入老年代,频繁触发FullGC。
使用jstat -gc vmid
上面採用的jstat可以準確的去觀察數值上的精確變化,但是如果想利用可視化的工具,觀察一個總的盤面情況,可以採用VisualGC工具:
visualGC观察GC情况
2.优化思路
優化思路:擴大新生代,擴大Survivor區空間,堆大小300M,其中新生代擴大至200M(Eden區100M,S區各50M)。JVM參數設定如下:
-Xms300M -Xmx300M -XX:NewSize=200m -XX:MaxNewSize=200m
-XX:SurvivorRatio=2 -XX:PretenureSizeThreshold=20m
-XX:+UseConcMarkSweepGC -Xloggc:gc.log
-XX:+PrintGCDetails -XX:+PrintGCDateStamps
-XX:+PrintGCTimeStamps
此時再次觀察GC頻率和耗時每秒新增80M,每次ygc後有10M對象進入survivor區,8次ygc後才有600k數據進入老年代,FullGC已經完全消失。
jstatc观察gc情况
visualGC统计情况
3.FullGC原因及思路总结
上線前要充分做好壓測和JVM調優,這樣在線上就不會因為參數不合理而導致正常的業務運行而觸發了FullGC的情況。這裡調優的思路仍然遵循前面文章中的方案來進行:
让短命对象在MinorGC阶段就被回收;
MinorGC后的存活对象
长命对象尽早进入老年代,不要在新生代来回复制;
參數已經優化完畢,且上線一段時間以後,如果還會出現FullGC頻繁或者時間過長,分析思路就要從JVM調優轉化到架構和代碼調優上去,且需要一些特殊手段去排查GC問題,尤其需要結合dump分析來解決,首先要抓住FullGC時前後的堆dump日誌,然後再利用MAT工具進行堆棧分析和對象分布分析,這個工具的使用後面會繼續講到。這種層面的故障分析就需要結合業務+代碼一起聯合分析,而不是再去調整JVM參數能夠!
FullGC原因及思路
如果FullGC无法准确的去抓取快照dump,那么还是可以在JVM启动的时候增加下面两个参数-XX:+HeapDumpBeforeFullGC -XX:+HeapDumpAfterFullGC
就可以在FGC的前后dump一下内存。不过增加这两个参数会在每次FGC的时候dump内存,dump内存本身对应用有影响,但是不会导致JVM停机。特别是在web应用启动的时候,就会不断的去dump内存,因为web应用启动的时候会频繁发生FGC,所以这个命令需要慎用。
三、OOM实战
1.OOM类型及原因
之前的FullGC尚只是對系統的性能和使用造成一定的衝擊,影響至少可控,但是假如發生了OOM,那就相當於系統掛掉一樣,內存溢出無法再分配對象空間,那也就意味著系統無法接受任何請求,這個直接就是生產事故級別了。通常要分析OOM事件,就少不了要去排查內存洩漏的問題。內存洩漏是因,內存溢出是果:
内存泄露:申请使用完的内存没有释放,导致虚拟机不能再次使用该内存,此时这段内存就泄露了,因为申请者不用了,而又不能被虚拟机分配给别人用。
内存溢出:申请的内存超出了JVM能提供的内存大小,此时称之为溢出。
能发生OOM的地方通常是四个:堆内,堆外,元空间(jdk8以前叫老年代)和虚拟机栈。
2.heap dump分析
为了能够在OOM发生的时候能留下现场证据,线上服务的JVM参数中一般需要配置-XX:+HeapDumpOnOutOfMemoryError
,在发生OOM之前将堆中对象和内存dump一份快照出来。我们这里模拟一个触发OOM的场景,非常简单,即无线的创造对象且不被回收,直到JVM内存打爆触发OOM:
public class HeapOOM {
static class OOMObject {
}
public static void main(String[] args) {
int i = 0;
Listlist = new ArrayList();
cycle(list, i);
}public static void cycle(Listlist, int i) {//在堆中无限创建对象while (true) {
System.out.println("already create objects=" + i++);list.add(new OOMObject());
}
}
}
同时设置一个JVM参数如下:
-Xms20m -Xmx20m -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=d:/dump/
执行主程序以后,没过几秒函数就挂掉了,此时我们拿出堆MAT dump工具进行分析:
1、查看对象分布饼图,一般选择前面几个大对象进行分析
2、GC Roots线程追踪 和 被引用分析,从创建最多的大对象里,右键点选进行GC Roots线程追踪、incoming reference分析,可以把大对象的根引用对象以及所在的线程方法名打印出来,基本可以判断大对象的出处和来源。
gcroot追踪和引用分析
3、通过MAT给出内存泄漏分析报告,查看诊断出来可能存在内存泄漏的线程栈和详细的大对象信息。
内存分析报告
下面就總結一下常見的OOM類型和原因,業務系統中最常發生就是堆內存的溢出,它的排查方法就是要結合dump日誌+mat分析工具,分析大對象類型,線程堆棧,並結合業務場景來分析為何會發生內存洩漏的原因。
OOM类型与原因
以上類型的OOM都已更新在我的github地址,每種類型除了給出了執行代碼,還需要同步修改IDE的jvm參數方能快速觸發OOM場景,下載地址在文章最末尾。
故障分析总结
綜合來看,故障分析篇,主要是三個核心觀點:
1、要在上線前的壓測環節將JVM參數調整至最優,後續就不在改動這一塊的參數。
2、如果上線以後還會發生了FullGC和OOM等情況,那麼有限需要去做架構和代碼層級的優化,這個時候分析GC日誌要比直接調優JVM參數要好。
3、JVM診斷和分析工具,利用好jstat或者VisualGC觀察GC次數和頻率,利用好jmap dump關鍵證據,然後使用MAT工具去!
推荐一个学习库:
https://github.com/StabilityMan/StabilityGuide
实例中涉及到的代码:
https://github.com/tisonkong/JavaAssemble/tree/master/jvm