JVM 性能分析 & 监控 & 内存/CPU过高分析

红太狼 2022-10-07 10:49 494阅读 0赞

从这篇开始我们开始探讨一些jvm调优的问题。在jvm调优中一个离不开的重点是垃圾回收，当垃圾回收成为系统达到更高并发量的瓶颈时，我们就需要对jvm中如果进行“自动化”垃圾回收技术实施必要的监控和调节。

对于调优之前，我们必须要了解其运行原理，java 的垃圾收集Garbage Collection 通常被称为“GC”，它诞生于1960年 MIT 的 Lisp 语言，经过半个多世纪，目前已经十分成熟了。本文从：回收机制、监控、常见问题（cpu/内存高）定位及分析 三个放面进行分析：

**一、回收机制**

**谁要被回收？**

java虚拟机在执行java程序的过程中会把它所管理的内存划分为若干个不同是数据区域，这些区域有各自各自的用途。主要包含以下几个部分组成：

![33e715000fc5226598c1b878aed6444b.png][]

1、程序计数器

程序计数器占用的内存空间我们可以忽略不计，它是每个线程所执行的字节码的行号指示器。

2、虚拟机栈

java的虚拟机栈是线程私有的，生命周期和线程相同。它描述的是方法执行的内存模型。同时用于存储局部变量、操作数栈、动态链接、方法出口等。

3、本地方法栈

本地方法栈，类似虚拟机栈，它调用的是是native方法。

4、堆

堆是jvm中管理内存中最大一块。它是被共享，存放对象实例。也被称为“gc堆”。垃圾回收的主要管理区域。

5、方法区

方法区也是共享的内存区域。它主要存储已被虚拟机加载的类信息、常量、静态变量、即时编译器（jit）编译后的代码数据。

以上就是jvm在运行时期主要的内存组成，我们看到常见的内存使用不但存在于堆中，还会存在于其他区域，虽然堆的管理对程序的管理至关重要，但我们不能只局限于这一个区域，特别是当出现内存泄露的时候，我们除了要排查堆内存的情况，还得考虑虚拟机栈的以及方法区域的情况。

知道了要对谁以及那些区域进行内存管理，我还需要知道什么时候对这些区域进行垃圾回收。

**什么时候回收？**

在垃圾回收之前，我们必须确定的一件事就是对象是否存活？这就牵扯到了判断对象是否存活的算法了。

1、应用计数算法

给对象中添加一个引用计数器，每当有一个地方引用它时，计数器+1，当引用失效，计数器-1.任何时刻计数器为0的对象就是不可能再被使用的。

优点：实现简单，判定效率高效，被actionscript3和python中广泛应用。

缺点：无法解决对象之间的相互引用问题。java没有采纳

2、可达性分析算法

通过一系列称为“GC Roots”的对象作为起始点，从这些节点开始向下搜索，搜索所走过的路径称为引用链，当一个对象到GCRoots没有任何引用链相连的时候，则证明此对象是不可用的。

比如如下，右侧的对象是到GCRoot时不可达的，可以判定为可回收对象。

![ce6462eda0251a72e06a39c6c07eeb89.png][]

在java中，可以作为GCRoot的对象包括以下几种：

\* 虚拟机栈中引用的对象。

\* 方法区中静态属性引用的对象。

\* 方法区中常量引用的对象。

\* 本地方法中JNI引用的对象。

基于以上，我们可以知道，当当前对象到GCRoot中不可达时候，即会满足被垃圾回收的可能。

那么是不是这些对象就非死不可，也不一定，此时只能宣判它们存在于一种“缓刑”的阶段，要真正的宣告一个对象死亡。至少要经历两次标记：

第一次：对象可达性分析之后，发现没有与GCRoots相连接，此时会被第一次标记并筛选。

第二次：对象没有覆盖finalize（）方法，或者finalize（）方法已经被虚拟机调用过，此时会被认定为没必要执行。

**如何回收？**

上述的两点讲解之后，我们大概明白了，哪些对象会被回收，以及回收的依据是什么，但回收的这个工作实现起来并不简单，首先它需要扫描所有的对象，鉴别谁能够被回收，其次在扫描期间需要 ”stop the world“ 对象能被冻结，不然你刚扫描，他的引用信息有变化，你就等于白做了。

分代回收

我们从一个object1来说明其在分代垃圾回收算法中的回收轨迹。

1、object1新建，出生于新生代的Eden区域。

![52c9aa259246653330c96fdac6c00b88.png][]

2、minor GC，object1 还存活，移动到Fromsuvivor空间，此时还在新生代。

![220bde1641e6d7525915a854091ede9c.png][]

3、minor GC，object1 仍然存活，此时会通过复制算法，将object1移动到ToSuv区域，此时object1的年龄age+1。

![87f925715132a7321bc168703125f0ca.png][]

4、minor GC，object1 仍然存活，此时survivor中和object1同龄的对象并没有达到survivor的一半，所以此时通过复制算法，将fromSuv和Tosuv 区域进行互换，存活的对象被移动到了Tosuv。

![f357b23972ac280ac7e527aa0b009f93.png][]

5、minor GC，object1 仍然存活，此时survivor中和object1同龄的对象已经达到survivor的一半以上（toSuv的区域已经满了），object1被移动到了老年代区域。

![b6d84ee04f88040b5a10f68a58d9db14.png][]

6、object1存活一段时间后，发现此时object1不可达GcRoots，而且此时老年代空间比率已经超过了阈值,触发了majorGC（也可以认为是fullGC，但具体需要垃圾收集器来联系），此时object1被回收了。fullGC会触发 stop the world。

![3a8a5d42ed62aee8ad9147e1acb8bc25.png][]

在以上的新生代中，我们有提到对象的age，对象存活于survivor状态下，不会立即晋升为老生代对象，以避免给老生代造成过大的影响，它们必须要满足以下条件才可以晋升：

1、minor gc 之后，存活于survivor 区域的对象的age会+1，当超过（默认）15的时候，转移到老年代。

2、动态对象，如果survivor空间中相同年龄所有的对象大小的综合和大于survivor空间的一半，年级大于或等于该年级的对象就可以直接进入老年代。

以上采用分代垃圾收集的思想，对一个对象从存活到死亡所经历的历程。期间，在新生代的时刻，会用到复制算法，在老年代时，有可能会用到标记-清楚算法（mark-sweep）算法或者标记-整理算法，这些都是垃圾回收算法基于不同区域的实现，我们看下这几种回收算法的实现原理。

**垃圾回收算法**

1、标记清除法（Mark-Sweep）

标记清除法是垃圾回收算法的思想基础。标记清除算法将垃圾分为两个阶段：标记阶段和清除阶段。

标记阶段，通过根节点，标记所有从根节点开始的可达对象，未标记过的对象就是未被引用的垃圾对象。

清除阶段，清除所有未被标记的对象。

![621cf961e9ff9693e5e6db30e3c60236.png][]

2、复制算法（copying）

复制算法是，将原有的内存空间分为两块，每次只使用其中一块，在垃圾回收时，将正在适用的内存中存活对象复制到未使用的内存块，然后清除使用的内存块中所有的对象。

![7f65a2be8753c10bb8a4bb505a2c8712.png][]

3、标记压缩算法（Mark-Compact）

标记压缩算法是一种老年代的回收算法。

标记阶段和标记清除算法一致，对可达对象做一次标记。

清理阶段，为了避免内存碎片产生，将所有的存活对象压缩到内存的一端。

![a83290934ac2f88c2675ef6189573001.png][]

4、垃圾收集器

垃圾收集器是内存回收的具体实现，不同的厂商提供的垃圾收集器有很大的差别，一般的垃圾收集器都会作用于不同的分代，需要搭配使用。以下是各种垃圾收集器的组合方式：

![330175202ea3461583171f0d0a59fa74.png][]

**二、监控**

# 命令行工具 #

在你所下载的jdk包下面的bin目录下，有非常多的exe文件，接下来要看的工具就在其中。

![85863b21a1490a52380db7249d0d4e95.png][]

不难发现大部分exe文件都是在17KB左右，其实这并不是巧合，而是这些工具程序都是调用的jsk/lib/tools.jar类库下的函数，仅仅是对这个类库进行简单的封装，所以大小几乎都稳定在17KB左右。其实其他第三方监控工具也都是使用这个类库进行改造的，如果细细读其中的代码，你也可以自己写一个监控工具。

接下来的演示均是在本地演示，如果需要监控远程JVM的话，需要在启动时开启JMX管理功能（参数是：-Dcom.sun.management.jmxremote），当然还需要设置监控端口、用户名、密码、身份认证开关、SSL验证开关等，具体参数读者可自行百度或谷歌哦~

> 回答一个很多人都有的一个疑惑：系统只安装了一个jdk或jre，那么是多个程序共用一个虚拟机还是一个程序一个虚拟机？答案是一个程序一个jvm实例，你可以把它们的关系想象成类和对象的关系，jre就像是一个类，每运行一个程序时会实例化出一个jvm实例，同时根据参数为它分配内存空间。

## 1.JPS：JVM PROCESS STATUS TOOL ##

虚拟机进程状况工具，\*\*可以列出正在运行的虚拟机进程，并显示虚拟机执行主类名称，以及这些进程的本地虚拟机唯一ID（LVMID）。\*\*这个应用非常多，一般用于查看有哪些运行在虚拟机上的程序，比如后面要讲的JConsle.exe在选择监控程序时就是用的jps，当然追根揭底还是调用的tools.jar中的方法。

如果你配置了jdk/bin下的环境变量，可直接在cmd中输入jps命令进行使用，否则你需要进入这个目录才能使用该工具。

命令格式：

> jps \[ options \] \[ hostid \]

说明：如果不指定hostid就默认为当前主机或服务器，参数可以联合使用，比如*jps -lv*。

![76d64f5f89894b769077950cae71f2fb.png][]

1.  `-q 输出虚拟机唯一ID，不输出类名、Jar名和传入main方法的参数`
2.  `-m 输出传入main方法的参数`
3.  `-l 输出main类或Jar的全名`
4.  `-v 输出虚拟机进程启动时JVM的参数`

## 2.JSTAT：JVM STATISTICS MONITORING TOOL ##

虚拟机统计信息监视工具，\*\*用于监视虚拟机各种运行状态信息的命令行工具，可以显示本地或远程虚拟机进程的类装载、内存、垃圾收集、JIT编译等运行数据。\*\*它是运行期定位虚拟机性能问题的首选工具。

命令格式：

> jstat \[ option vmid \[interval \[s | ms\] \[count\] \] \]
> 
> jstat \[-命令选项\] \[vmid\] \[间隔时间/毫秒\] \[查询次数\]

jstat(JVM Statistics Monitoring Tool)是用于监控虚拟机各种运行状态信息的命令行工具

jstat -class pid:显示加载class的数量，及所占空间等信息。jstat -compiler pid:显示VM实时编译的数量等信息。jstat -gc pid:可以显示gc的信息，查看gc的次数，及时间。其中最后五项，分别是young gc的次数，young gc的时间，full gc的次数，full gc的时间，gc的总时间。jstat -gccapacity:可以显示，VM内存中三代（young,old,perm）对象的使用和占用大小，如：PGCMN显示的是最小perm的内存使用量，PGCMX显示的是perm的内存最大使用量，PGC是当前新生成的perm内存占用量，PC是但前perm内存占用量。其他的可以根据这个类推， OC是old内纯的占用量。jstat -gcnew pid:new对象的信息。jstat -gcnewcapacity pid:new对象的信息及其占用量。jstat -gcold pid:old对象的信息。jstat -gcoldcapacity pid:old对象的信息及其占用量。jstat -gcpermcapacity pid: perm对象的信息及其占用量。jstat -gcutil pid:统计gc信息统计。jstat -printcompilation pid:当前VM执行的信息。

除了以上一个参数外，还可以同时加上 两个数字，如：jstat -printcompilation 3024 250 6是每250毫秒打印一次，一共打印6次，还可以加上-h3每三行显示一下标题。

使用示例：

**2.1、先找到tomcat对应的pid**

ps -ef | grep tomcat

**2.2、执行**

jstat -gcutil 28932 1000 20
    S0 — Heap上的 Survivor space 0 区已使用空间的百分比 S1 — Heap上的 Survivor space 1 区已使用空间的百分比 E — Heap上的 Eden space 区已使用空间的百分比 O — Heap上的 Old space 区已使用空间的百分比 P — Perm space 区已使用空间的百分比 YGC — 从应用程序启动到采样时发生 Young GC 的次数 YGCT– 从应用程序启动到采样时 Young GC 所用的时间(单位秒) FGC — 从应用程序启动到采样时发生 Full GC 的次数 FGCT– 从应用程序启动到采样时 Full GC 所用的时间(单位秒) GCT — 从应用程序启动到采样时用于垃圾回收的总时间(单位秒)-gc  监视Java堆状况，包括Eden区、两个Survivor区、老年代等容量、已用空间、GC时间合计等信息

![e4aaaafb78a0375386bd3d4297246fa8.png][]各个字段详细说明：

### 类加载 ###

-class  监视类装载、卸载数量、总空间以及类装载所耗费的时间

![f4fb8ed2079ebecf2020cbb2a91189aa.png][]

每个字段说明：

1.  `Loaded: 加载class的数量`
2.  `Bytes：所占用空间大小`
3.  `Unloaded：未加载数量`
4.  `Bytes: 未加载占用空间`
5.  `Time：时间`

### 垃圾收集 ###

-gc  监视Java堆状况，包括Eden区、两个Survivor区、老年代等容量、已用空间、GC时间合计等信息

![55504a831cf490ef687b198a01a50d7f.png][]

每个字段说明：

1.  `S0C：第一个幸存区的大小`
2.  `S1C：第二个幸存区的大小`
3.  `S0U：第一个幸存区的使用大小`
4.  `S1U：第二个幸存区的使用大小`
5.  `EC：伊甸园区的大小`
6.  `EU：伊甸园区的使用大小`
7.  `OC：老年代大小`
8.  `OU：老年代使用大小`
9.  `MC：方法区大小`
10. `MU：方法区使用大小`
11. `CCSC:压缩类空间大小`
12. `CCSU:压缩类空间使用大小`
13. `YGC：年轻代垃圾回收次数`
14. `YGCT：年轻代垃圾回收消耗时间`
15. `FGC：老年代垃圾回收次数`
16. `FGCT：老年代垃圾回收消耗时间`
17. `GCT：垃圾回收消耗总时间`

### 编译 ###

-compiler  输出JIT编译器编译过的方法、耗时等信息

![d0deb82ebb2f8cf02d37cb22d2539c51.png][]

每个字段说明：

1.  `Compiled：编译数量。`
2.  `Failed：失败数量`
3.  `Invalid：不可用数量`
4.  `Time：时间`
5.  `FailedType：失败类型`
6.  `FailedMethod：失败的方法`

### 堆内存 ###

-gccapacity  监视内容与-gc基本相同，但输出主要关注Java堆各个区域使用到的最大、最小空间

![6427dfb6fdd24b2156b11eefb0e1c944.png][]

每个字段说明：

1.  `NGCMN：新生代最小容量`
2.  `NGCMX：新生代最大容量`
3.  `NGC：当前新生代容量`
4.  `S0C：第一个幸存区大小`
5.  `S1C：第二个幸存区的大小`
6.  `EC：伊甸园区的大小`
7.  `OGCMN：老年代最小容量`
8.  `OGCMX：老年代最大容量`
9.  `OGC：当前老年代大小`
10. `OC:当前老年代大小`
11. `MCMN:最小元数据容量`
12. `MCMX：最大元数据容量`
13. `MC：当前元数据空间大小`
14. `CCSMN：最小压缩类空间大小`
15. `CCSMX：最大压缩类空间大小`
16. `CCSC：当前压缩类空间大小`
17. `YGC：年轻代gc次数`
18. `FGC：老年代GC次数`

### 新生代垃圾回收 ###

-gcnew 监视新生代GC状况

每个字段说明：

1.  `S0C：第一个幸存区大小`
2.  `S1C：第二个幸存区的大小`
3.  `S0U：第一个幸存区的使用大小`
4.  `S1U：第二个幸存区的使用大小`
5.  `TT:对象在新生代存活的次数`
6.  `MTT:对象在新生代存活的最大次数`
7.  `DSS:期望的幸存区大小`
8.  `EC：伊甸园区的大小`
9.  `EU：伊甸园区的使用大小`
10. `YGC：年轻代垃圾回收次数`
11. `YGCT：年轻代垃圾回收消耗时间`

### 新生代内存 ###

-gcnewcapacity  监视内容与-gcnew基本相同，主要输出使用到的最大、最小空间

![523534c98dab380ae44f3644bd81c4d4.png][]

每个字段说明：

1.  `NGCMN：新生代最小容量`
2.  `NGCMX：新生代最大容量`
3.  `NGC：当前新生代容量`
4.  `S0CMX：最大幸存1区大小`
5.  `S0C：当前幸存1区大小`
6.  `S1CMX：最大幸存2区大小`
7.  `S1C：当前幸存2区大小`
8.  `ECMX：最大伊甸园区大小`
9.  `EC：当前伊甸园区大小`
10. `YGC：年轻代垃圾回收次数`
11. `FGC：老年代回收次数`

### 老年代垃圾回收 ###

-gcold 监视老年代GC状况

![07fcbdff5315aef4165185d4817d01bb.png][]

每个字段说明：

1.  `MC：方法区大小`
2.  `MU：方法区使用大小`
3.  `CCSC:压缩类空间大小`
4.  `CCSU:压缩类空间使用大小`
5.  `OC：老年代大小`
6.  `OU：老年代使用大小`
7.  `YGC：年轻代垃圾回收次数`
8.  `FGC：老年代垃圾回收次数`
9.  `FGCT：老年代垃圾回收消耗时间`
10. `GCT：垃圾回收消耗总时间`

### 老年代内存 ###

-gcoldcapacity 监视内容与-gcold基本相同，主要输出使用到的最大、最小空间

![95c6f487db28db8d69909c579d8e9cc4.png][]

每个字段说明：

1.  `OGCMN：老年代最小容量`
2.  `OGCMX：老年代最大容量`
3.  `OGC：当前老年代大小`
4.  `OC：老年代大小`
5.  `YGC：年轻代垃圾回收次数`
6.  `FGC：老年代垃圾回收次数`
7.  `FGCT：老年代垃圾回收消耗时间`
8.  `GCT：垃圾回收消耗总时间`

### 元数据空间 ###

-gcmetacapacity  监视元数据空间内存情况（jdk1.8之后）

每个字段说明：

1.  `MCMN:最小元数据容量`
2.  `MCMX：最大元数据容量`
3.  `MC：当前元数据空间大小`
4.  `CCSMN：最小压缩类空间大小`
5.  `CCSMX：最大压缩类空间大小`
6.  `CCSC：当前压缩类空间大小`
7.  `YGC：年轻代垃圾回收次数`
8.  `FGC：老年代垃圾回收次数`
9.  `FGCT：老年代垃圾回收消耗时间`
10. `GCT：垃圾回收消耗总时间`

### 垃圾回收统计 ###

-gcutil 统计所有垃圾回收的数据

![7d6a217704c097ce390d05fa1bd15ec1.png][]

每个字段说明：

1.  `S0：幸存1区当前使用比例`
2.  `S1：幸存2区当前使用比例`
3.  `E：伊甸园区使用比例`
4.  `O：老年代使用比例`
5.  `M：元数据区使用比例`
6.  `CCS：压缩使用比例`
7.  `YGC：年轻代垃圾回收次数`
8.  `FGC：老年代垃圾回收次数`
9.  `FGCT：老年代垃圾回收消耗时间`
10. `GCT：垃圾回收消耗总时间`

### 编译方法 ###

-printcompilation  输出已经被JIT编译的方法

![3519323735c8142d5c7c105ae3c67224.png][]

每个字段说明：

1.  `Compiled：最近编译方法的数量`
2.  `Size：最近编译方法的字节码数量`
3.  `Type：最近编译方法的编译类型。`
4.  `Method：方法名标识。`

## 3.JINFO：CONFIGURATION INFO FOR JAVA ##

Java配置信息工具，**能实时地查看和调整虚拟机各项参数。**

命令格式：

> jinfo \[option\] pid

说明：如果不传入参数，则输出该进程的所有配置信息

![64f3172076b13bd9494270ca8b09be16.png][]

## 4.JMAP：MEMORY MAP FOR JAVA ##

Java内存映像工具，\*\*用于生成堆存储快照（一般称为heapdump或dump文件），还可以查询finalize执行队列、Java堆的详细信息，如空间使用率、当前用的是哪种收集器等。\*\*如果不适用jmap命令，可以使用-XX:+HeapDumpOnOutOfMemoryError参数，当虚拟机发生内存溢出的时候可以产生快照。或者使用kill -3 pid也可以产生

jmap命令格式：

> jmap \[option\] vmid

![3506a848d20ce16f944d2d64250f0cdf.png][]

参数说明：

1.  `-dump:[live,]format=b,file=<filename> 使用hprof二进制形式,输出jvm的heap内容到文件=. live子选项是可选的，假如指定live选项,那么只输出活的对象到文件.`
2.  `-finalizerinfo 打印正等候回收的对象的信息.`
3.  `-heap 打印heap的概要信息，GC使用的算法，heap的配置及wise heap的使用情况.`
4.  `-histo[:live] 打印每个class的实例数目,内存占用,类全名信息. VM的内部类名字开头会加上前缀”*”. 如果live子参数加上后,只统计活的对象数量.`
5.  `-permstat 打印classload和jvm heap长久层的信息. 包含每个classloader的名字,活泼性,地址,父classloader和加载的class数量. 另外,内部String的数量和占用内存数也会打印出来.`
6.  `-F 强迫.在pid没有相应的时候使用-dump或者-histo参数. 在这个模式下,live子参数无效.`
7.  `-h | -help 打印辅助信息`
8.  `-J 传递参数给jmap启动的jvm.`

jmap -histo:live 28932  >> tmp.txt

![212317e046414f1fd48cfaaef2cf1b0d.png][]

通常情况下，如果Map或List或者某个自定义的对象排在第一位，则说明程序存在问题。上图中，就存在ConcurrentHashMap占用内存偏高的问题。

## 5.JHAT：JVM HEAP ANALYSIS TOOL ##

虚拟机堆转储快照分析工具，可与jmap配合使用，\*\*这个工具是用来分析jmap dump出来的文件。\*\*由于这个工具功能比较简陋，运行起来也比较耗时，所以这个工具不推荐使用，推荐使用MAT或Visual VM。

例如我要解析上面生成的dump文件可以用命令：

jhat vote.dump

## 6.JSTACK：STACK TRACE FOR JAVA ##

Java堆栈跟踪工具，\*\*用于生成虚拟机当前时刻的线程快照（一般称为threaddump或者javacore文件）。\*\*线程快照就是当前虚拟机内每一条线程正在执行的方法堆栈的集合，生成线程快照的主要目的是定位线程出现长时间停顿的原因，比如线程间死锁、死循环、请求外部资源导致的长时间等待等都是其常见原因。

jstack命令格式：

> jstack \[option\] vmid

参数含义：

1.  `-F 当正常输出的请求不被响应时，强制输出线程堆栈`
2.  `-l 除堆栈外，显示关于锁的附加信息`
3.  `-m 如果调用到本地方法的话，可以显示C/C++的堆栈`

6.1、查出最高cpu占用进程id  PID

top -c

![308a10a651df8210453e103adf53a24d.png][]

6.2、获取到这个进程下面所有线程，通过查看%CPU找到最耗费CPU的是线程PID（shift+p 按cpu排序，shift+m 按内存排序）

top -Hp 84253

![6ccc6928b3b76a6b93eca68cc16216d0.png][]

6.3、线程号转换成对应的16进制PID

printf '%x\n' 84303

![1b54a9c6bbec993718098959e98c41f8.png][]

6.4、使用jstack 获取对应的线程信息

jstack 84253 | grep -A 10 1494f

![488577959d947403bd5c367ce0d15fe5.png][]

# 可视化工具 #

JDK除了提供上面所讲的几个强大命令行工具外，还提供了一些可视化工具，可以方便的实时监控正在运行的Java程序。主要是两个：JConsole和VisualVM

## 1.JCONSOLE ##

点击bin目录下的jconsole.exe即可运行工具，可选两种监控对象，一个是本地程序一个是远程程序，如果要监控远程程序需要开启JMX管理，详细步骤因为篇幅原因就不说了，可以自行百度或谷歌。该程序因为是可视化工具，内容比较简洁直观，而且功能和上面的工具基本相同，只是把数据编程图标展示了，所以这里就不赘述，放截图就好啦。

![1c9c10b7486b54155f89b36ad81e15cc.png][]

![d36ac363fa5d2df3b499d4b62000cad2.png][]

![65fe9071c0cfc3379380c455b52af964.png][]

![d666a05892390eec4a5811b2f2b9a3cf.png][]

![f58da8774e89cb65031a64091e5041c9.png][]

![5ada23d05995cb35ba421e2b37178d4e.png][]

## 2.VISUAL VM ##

点击bin目录下的jvisualvm.exe即可运行工具，jvisualvm同jconsole都是一个基于图形化界面的、可以查看本地及远程的JAVA GUI监控工具，Jvisualvm同jconsole的使用方式一样，jvisualvm界面更美观一些，数据更实时。

![89731d7e8e9ba496a294abd6a636d428.png][]

![694fb5e012da5be53383d6c1d9e18340.png][]

![c2c96cedef5ffb2fdbe6935a2e0a6b1c.png][]

**线程状态：**

NEW：未启动的。不会出现在Dump中。

RUNNABLE：在虚拟机内执行的。运行中状态，可能里面还能看到locked字样，表明它获得了某把锁。

BLOCKED：受阻塞并等待监视器锁。被某个锁(synchronizers)給block住了。

WATING：无限期等待另一个线程执行特定操作。等待某个condition或monitor发生，一般停留在park(), wait(), sleep(),join() 等语句里。

TIMED\_WATING：有时限的等待另一个线程的特定操作。和WAITING的区别是wait() 等语句加上了时间限制 wait(timeout)。 TERMINATED,已退出的。

**三、常见问题刨析：**

在日常对基础服务开发及维护过程中，一个业务场景往往会涉及到很多服务间的相互调用，对服务本身封装和设计的程度直接影响到服务的性能，决定了用户体验；那么该如何保障基础服务可用并提升服务性能呢？下面从实战中提炼两个典型的案例分享给大家。

>>>>

**内存问题案例**

**问题现象：**

内存使用率超过95%后告警

**问题分析：**

**stage 1. ****通过分析堆栈初步定位问题**

![51fd558bf1dd2569a3c311dc4d0dd0f1.png][]堆栈中显示以 pic-upload-thread- 开头的线程CPU使用率交高，此类线程是图片上传异步线程池中的线程，那么是不是说在图片异步

传过程中new了大量大对象堆栈溢出导致的这个问题呢？

**处理方式**

在没有dump全部堆栈信息的情况下，我对线程池和具体执行类进行了优化，线程池增大了线程数量，具体执行类中对对象的引用使用了单例,对物理内存进行了扩容，由原来的8G扩大到10G，jvm堆栈由4G扩大到了6G。

**处理效果**

经过一段时间的观察后发现，然并卵（然而并没有什么卵用）！我决定dump下全部堆栈信息，进行分析。

**stage 2. ****MAT分析堆栈信息，找出罪魁祸首**

经过分析得出，占用内存较大的对象均为CMC服务相关对象

![56fff10b7e3286788fdadf66b0784e37.png][]

**代码分析**

![62179dff9c81b54ea64abf68e555ae90.png][]

当我们获取 cityname 时会调用cmc服务 dispLocaService 中的GetDispLocalByID 接口，此接口会封装调用 cmcpCachessService，如下图：

![62179dff9c81b54ea64abf68e555ae90.png][]

其中，涉及到MAT中占用内容较大的几个对象，经过服务管理平台得知：

![d5c29346435d485ebaf677ff70ea7fed.png][]

房本WF服务以 10/s 的频率请求CMCPC服务，获取展现信息，并持久化到客户端本地：

![655c027b8aeb0dfc0bfca9049eea7ca8.png][]

调用cmc服务获取展现信息的 scheduler 由 Initializer.initCache() 触发，经询问得知，cmc提供两种方式获取展现信息，一种为带本地缓存方式，即目前项目使用的方式；另一种为不带缓存的方式获取。

*  **处理方案**

经与cmc同事沟通后，我将获取展现信息的接口更改为不带缓存的服务，并周期性的采集了更换前与更换后的堆栈信息，更换前后对比：

![265bad6b8c862e1dbe2d34d1ceea14e4.png][]

在观察一段时间后，内存使用率仍有升高，去掉了cmc服务cache后内存使用率的确下降了10%，但是这个红框框让我觉得事情另有蹊跷。机智的我在发现内存有上升趋势的时候立刻再次登陆服务器dump了堆栈信息分析发现：

![44f852a9641130f978839ed43140e145.png][]

图中红框的对象为图片上传时传输对象，对象中存在图片Base64编码字符串；最终优化方案为增加新生代内存空间，由1G扩大到2G，优化代码，主动释放对象引用，目前内存使用率由优化前的**70%**左右下降到目前的**35%**左右。

![d58600ed588819b57d091f70c4c11b84.png][]

**总结：**

在服务出现内存问题时，服务一定要做好监控和预警，第一时间dump下堆栈信息，使用常用的分析工具，本文中使用MAT工具，可以直观的感知道服务的内存使用情况，在尚不确定问题原因时，最好做到周期性的采集堆栈信息进行对比，在不断的优化过程中观察效果。

>>>>

**CPU使用率过高案例**

**问题现象：**

服务CPU使用率过高告警

**问题分析：**

**stage 1. 通过分析堆栈初步定位问题**

![f49dc366ef663b212db9c17639dbddfa.png][]

通过 show-busiest-java-threads.sh 堆栈分析出消耗CPU资源线程并降序输出， 结合top命令：

![829dc29c71a8be5dd32c477dff299f88.png][]

分析出该线程池中存在大量消耗CUP的http阻塞线程，结合代码分析及I/O监控：

![acebd91ffbbe6f143bb278ec52f1023c.png][]

**得出结论：**

此场景为图片下载，文件存储客户端采用分片传输方式，将文件下载到本地，告警由于网络及传输数据所致，当网络带宽有线，传输数据较大时出现此情况。

*  **处理方式**

对传输文件进行压缩处理，增加服务器网络带宽及硬件配置。

[33e715000fc5226598c1b878aed6444b.png]: /images/20221005/ee536e5525a549f0ac9c2381cbd2dd43.png
[ce6462eda0251a72e06a39c6c07eeb89.png]: /images/20221005/0254b2990a3f434785498ecff9a720d9.png
[52c9aa259246653330c96fdac6c00b88.png]: /images/20221005/c3234c5a601e4918a19c9284097319f7.png
[220bde1641e6d7525915a854091ede9c.png]: /images/20221005/27f85f709b87446bbe5995594b56c225.png
[87f925715132a7321bc168703125f0ca.png]: /images/20221005/4e414cf442fe4418af42f04def0f84b3.png
[f357b23972ac280ac7e527aa0b009f93.png]: /images/20221005/f13efe6a5d16485e8a0d4dc6fb074550.png
[b6d84ee04f88040b5a10f68a58d9db14.png]: /images/20221005/ef8a1ac105b34608ae2f5a20a75676de.png
[3a8a5d42ed62aee8ad9147e1acb8bc25.png]: /images/20221005/4cc785e7a204442d9a6a303a50ddc4a8.png
[621cf961e9ff9693e5e6db30e3c60236.png]: /images/20221005/5a19b371ba024392982d06e0066e345d.png
[7f65a2be8753c10bb8a4bb505a2c8712.png]: /images/20221005/47c228cc10a34a64ae8b9db921e11898.png
[a83290934ac2f88c2675ef6189573001.png]: /images/20221005/f5fb0e48d604477dbe69019ba23b2f27.png
[330175202ea3461583171f0d0a59fa74.png]: /images/20221005/16a68e18f3fa4389a85fde743cfe9ee0.png
[85863b21a1490a52380db7249d0d4e95.png]: /images/20221005/beacc3f8dc55486dabd612a2727571f0.png
[76d64f5f89894b769077950cae71f2fb.png]: /images/20221005/c7e250ce5127412481bc486b8ed6a7e9.png
[e4aaaafb78a0375386bd3d4297246fa8.png]: /images/20221005/77802b42ad35493e9ef231e9ff62a56d.png
[f4fb8ed2079ebecf2020cbb2a91189aa.png]: /images/20221005/15baf192ddea4612b79914634dae0179.png
[55504a831cf490ef687b198a01a50d7f.png]: /images/20221005/864a900c9b4c419c843a049647b9f85e.png
[d0deb82ebb2f8cf02d37cb22d2539c51.png]: /images/20221005/d553e87842f94618bcbe4b4b6e13a391.png
[6427dfb6fdd24b2156b11eefb0e1c944.png]: /images/20221005/ea90da71462f4243bcfd8ccfa81954fb.png
[523534c98dab380ae44f3644bd81c4d4.png]: /images/20221005/142dd7b40f4e466c95be8babc714f358.png
[07fcbdff5315aef4165185d4817d01bb.png]: /images/20221005/b1d339e0ef7a4d10a904c1886e0629dd.png
[95c6f487db28db8d69909c579d8e9cc4.png]: /images/20221005/3eb30e100b944e32affbaf8e9351f88b.png
[7d6a217704c097ce390d05fa1bd15ec1.png]: /images/20221005/99845adee5934339bce4d2a084f9d308.png
[3519323735c8142d5c7c105ae3c67224.png]: /images/20221005/505273a97236434a8f1efe86c0c390b2.png
[64f3172076b13bd9494270ca8b09be16.png]: /images/20221005/acafa51ea97d420ea0a922e34be0b0a3.png
[3506a848d20ce16f944d2d64250f0cdf.png]: /images/20221005/ae7863c3b741427682eb1555133afb39.png
[212317e046414f1fd48cfaaef2cf1b0d.png]: /images/20221005/ea75fbbd0571432b9665ca25fc3f3e1d.png
[308a10a651df8210453e103adf53a24d.png]: /images/20221005/854321d9f5f14da48a69276b8f1d32e1.png
[6ccc6928b3b76a6b93eca68cc16216d0.png]: /images/20221005/998f23c4bb4240878cb03a2822a09cfd.png
[1b54a9c6bbec993718098959e98c41f8.png]: /images/20221005/da1614b1843546ef9688eea8bca941a6.png
[488577959d947403bd5c367ce0d15fe5.png]: /images/20221005/250226ff56b34c1bbb57d3cee3b537a5.png
[1c9c10b7486b54155f89b36ad81e15cc.png]: /images/20221005/3e785b57162b48629d84d4bed4e6ef53.png
[d36ac363fa5d2df3b499d4b62000cad2.png]: /images/20221005/0ea94bc1f72d42a59c4c098bde1e66c5.png
[65fe9071c0cfc3379380c455b52af964.png]: /images/20221005/f9b76260806145bfbb231b637a2780ed.png
[d666a05892390eec4a5811b2f2b9a3cf.png]: /images/20221005/04e58ffe60214b5e997ad53faedc3c16.png
[f58da8774e89cb65031a64091e5041c9.png]: /images/20221005/ff94765df91e4a0db992fef27a8a2415.png
[5ada23d05995cb35ba421e2b37178d4e.png]: /images/20221005/ad1c97deedfc44249a8e25948741eda2.png
[89731d7e8e9ba496a294abd6a636d428.png]: /images/20221005/5059e898f82b4f73a32f279d7958dbfd.png
[694fb5e012da5be53383d6c1d9e18340.png]: /images/20221005/6bdd0c1a798a4fb5a2a87c115eaae53b.png
[c2c96cedef5ffb2fdbe6935a2e0a6b1c.png]: /images/20221005/7af0f718c3c644ab90ee592939da2d7c.png
[51fd558bf1dd2569a3c311dc4d0dd0f1.png]: /images/20221005/dadaefbf2d354d37925101f1a1666636.png
[56fff10b7e3286788fdadf66b0784e37.png]: /images/20221005/a4f14cc03dd44f3888d0c4c3aec90ab7.png
[62179dff9c81b54ea64abf68e555ae90.png]: /images/20221005/e07df1be036d43bfac502f349f1e24ce.png
[d5c29346435d485ebaf677ff70ea7fed.png]: /images/20221005/9a2897853e59403a8072b3753879790a.png
[655c027b8aeb0dfc0bfca9049eea7ca8.png]: /images/20221005/3796c2c17b9d4556960a37fb6aaaf839.png
[265bad6b8c862e1dbe2d34d1ceea14e4.png]: /images/20221005/d36b93902bb440edb6351cbf2ac822f9.png
[44f852a9641130f978839ed43140e145.png]: /images/20221005/741cfe3b0c4c4f92979e343f661e64c1.png
[d58600ed588819b57d091f70c4c11b84.png]: /images/20221005/5c077702063b4cc2920d679128cfad72.png
[f49dc366ef663b212db9c17639dbddfa.png]: /images/20221005/1b34cd8c9fb742d4b9d62afe6062921c.png
[829dc29c71a8be5dd32c477dff299f88.png]: /images/20221005/48a12d29c8bf4346bbbcee8c94ac8618.png
[acebd91ffbbe6f143bb278ec52f1023c.png]: /images/20221005/92e48a73a55a488abbfb4b920878fadb.png