线上服务内存OOM问题定位三板斧

相信大家都有感触，线上服务内存OOM的问题，是最难定位的问题，不过归根结底，最常见的原因：

• 本身资源不够

• 申请的太多

• 资源耗尽

58到家架构部，运维部，58速运技术部联合进行了一次线上服务内存OOM问题排查实战演练，将内存OOM问题定位三板斧分享出来，希望对大家也有帮助。

 

题目

某服务器上部署了Java服务一枚，出现了OutOfMemoryError，请问有可能是什么原因，问题应该如何定位？

不妨设服务进程PID为10765（没错，就是CPU占用高的那个倒霉的进程《线上服务CPU100%问题快速定位实战》）。

 

解决思路

Java服务OOM，最常见的原因为：

• 有可能是内存分配确实过小，而正常业务使用了大量内存

• 某一个对象被频繁申请，却没有释放，内存不断泄漏，导致内存耗尽

• 某一个资源被频繁申请，系统资源耗尽，例如：不断创建线程，不断发起网络连接

 

更具体的，可以使用以下的一些工具逐一排查。

 

一、确认是不是内存本身就分配过小

方法：jmap -heap 10765

如上图，可以查看新生代，老生代堆内存的分配大小以及使用情况，看是否本身分配过小。

 

二、找到最耗内存的对象

方法：jmap -histo:live 10765 | more

图示：

如上图，输入命令后，会以表格的形式显示存活对象的信息，并按照所占内存大小排序：

• 实例数

• 所占内存大小

• 类名

是不是很直观？对于实例数较多，占用内存大小较多的实例/类，相关的代码就要针对性review了。

 

上图中占内存最多的对象是RingBufferLogEvent，共占用内存18M，属于正常使用范围。

如果发现某类对象占用内存很大（例如几个G），很可能是类对象创建太多，且一直未释放。例如：

• 申请完资源后，未调用close()或dispose()释放资源

• 消费者消费速度慢（或停止消费了），而生产者不断往队列中投递任务，导致队列中任务累积过多

 

三、确认是否是资源耗尽

工具：

• pstree

• netstat

查看进程创建的线程数，以及网络连接数，如果资源耗尽，也可能出现OOM。

 

这里介绍另一种方法，通过

• /proc/${PID}/fd

• /proc/${PID}/task

可以分别查看句柄详情和线程数。

 

例如，某一台线上服务器的sshd进程PID是9339，查看

• ll /proc/9339/fd

• ll /proc/9339/task

如上图，sshd共占用了四个句柄

• 0 -> 标准输入

• 1 -> 标准输出

• 2 -> 标准错误输出

• 3 -> socket（容易想到是监听端口）

 

sshd只有一个主线程PID为9339，并没有多线程。

所以，只要

• ll /proc/${PID}/fd | wc -l

• ll /proc/${PID}/task | wc -l （效果等同pstree -p | wc -l）

就能知道进程打开的句柄数和线程数。

 

作业

对线上服务器的一台tomcat，查看proc下的fd目录和task目录，特别是对于句柄fd目录的查询，有意想不到的惊喜哟，一定要动手试试哈。

如果有收获，帮转哈。