Heap堆分析（堆转储、堆分析）

一、堆直方图

　　减少内存使用时一个重要目标，在堆分析上最简单的方法是利用堆直方图。通过堆直方图我们可以快速看到应用内的对象数目，同时不需要进行完整的堆转储（因为堆转储需要一段时间来分析，而且会消耗大量磁盘空间）。

直方图擅长识别由分配了一两个特定类的过多实例所引发的问题。例如应用中的内存压力是由一些特定的对象类型引起的，利用堆直方图可以很快就能看出端倪。

1.1、通过jcmd获得

堆直方图可以通过jcmd命令获得：

[ciadmin@2-103test_app ~]$ jcmd 26964 GC.class_histogram | more

26964:

 num     #instances         #bytes  class name

----------------------------------------------

   1:         91488       21270064  [C

   2:          9058       18963152  [B

   3:         80620        2579840  java.util.concurrent.ConcurrentHashMap$Node

   4:         24081        2119128  java.lang.reflect.Method

   5:         86860        2084640  java.lang.String

   6:         13013        1444264  java.lang.Class

   7:         24376        1170048  org.aspectj.weaver.reflect.ShadowMatchImpl

   8:         26822        1072880  java.util.LinkedHashMap$Entry

   9:           553         921168  [Ljava.util.concurrent.ConcurrentHashMap$Node;

  10:         15903         890568  java.util.LinkedHashMap

  11:         12092         847832  [Ljava.util.HashMap$Node;

  12:           307         829712  [J

  13:         24376         780032  org.aspectj.weaver.patterns.ExposedState

  14:         12621         718696  [Ljava.lang.Object;

  15:          5433         686400  [I

  16:         36341         581456  java.lang.Object

  17:         17746         567872  java.util.HashMap$Node

  18:          1267         476392  java.lang.Thread

  19:         13207         422624  java.lang.ThreadLocal$ThreadLocalMap$Entry

  20:          2516         270336  [Ljava.lang.ThreadLocal$ThreadLocalMap$Entry;

说明：

1、字段说明

[C:字符数组
[B:字节数组
[Ljava.lang.Object:Object数组

2、GC.class_histogram输出的仅包含活跃对象

1.2、通过jmap获得

命令为：jmap -histo process_id

jmap的输出中包含会被回收的对象（死对象）。要在看到直方图之前强制执行一次Full GC，可以转而运行下面的命令：

如下，在命令行中增加:live参数后，输出的直方图是Full GC之后的数据

[ciadmin@2-103test_app ~]$ jmap -histo:live 26964 | more

 num     #instances         #bytes  class name

----------------------------------------------

   1:         91488       21270064  [C

   2:          9058       18963152  [B

   3:         80620        2579840  java.util.concurrent.ConcurrentHashMap$Node

   4:         24081        2119128  java.lang.reflect.Method

   5:         86860        2084640  java.lang.String

   6:         13013        1444264  java.lang.Class

   7:         24376        1170048  org.aspectj.weaver.reflect.ShadowMatchImpl

   8:         26822        1072880  java.util.LinkedHashMap$Entry

   9:           553         921168  [Ljava.util.concurrent.ConcurrentHashMap$Node;

  10:         15903         890568  java.util.LinkedHashMap

  11:         12092         847832  [Ljava.util.HashMap$Node;

  12:           307         829712  [J

  13:         24376         780032  org.aspectj.weaver.patterns.ExposedState

  14:         12621         718696  [Ljava.lang.Object;

  15:          5433         686400  [I

  16:         36341         581456  java.lang.Object

  17:         17749         567968  java.util.HashMap$Node

  18:          1267         476392  java.lang.Thread

  19:         13207         422624  java.lang.ThreadLocal$ThreadLocalMap$Entry

  20:          2516         270336  [Ljava.lang.ThreadLocal$ThreadLocalMap$Entry;

  21:          8056         257792  java.util.LinkedList

  22:         11664         247432  [Ljava.lang.Class;

  23:          4397         187064  [Ljava.lang.String;

  24:          1945         186720  org.springframework.beans.GenericTypeAwarePropertyDescriptor

  25:          5631         180192  java.lang.ref.WeakReference

  26:          3630         174240  java.util.HashMap

直方图非常小，但获取直方图也需要几秒时间。性能测试时需要注意它。

二、堆转储

直方图擅长识别由分配了一两个特定类的过多实例所引发的问题，但是要深度分析，就需要堆转储了。

2.1、使用jcmd进行堆转储

[ciadmin@2-103test_app pos-gateway-cloud]$ jcmd 26964 GC.heap_dump /home/ciadmin/pos-gateway-cloud/heap_dump.hprof

26964:

Heap dump file created

2.2、使用jmap进行堆转储

[ciadmin@2-103test_app pos-gateway-cloud]$ jmap -dump:live,file=/home/ciadmin/pos-gateway-cloud/heap_dump2.hprof 26964

Dumping heap to /home/ciadmin/pos-gateway-cloud/heap_dump2.hprof ...

Heap dump file created

jmap中包含live选项，会在堆转储前执行一次Full GC；jcmd默认就会这么做。如果因为某些原因，不希望包含其他对象（即死对象），可以在jcmd命令的最后加上-all。

2.3、自动堆转储

OutOfMemoryError是不可预料的，我们很难确定应该何时获得堆转储。有几个JVM标志可以起到帮助。

-XX:+HeapDumpOnOutOfMemoryError该标志默认为false，打开该标志，JVM会在抛出OutOfMemoryError时创建堆转储。

-XX:HeapDumpPath=<path>该标志知道了堆转储将被写入的位置，默认为当前工作目录下生产java_pid<pid>.hprof文件。

-XX:+HeapDumpAfterFullGC 这会在运行一次Full GC后生成一个堆转储文件。

-XX:+HeapDumpBeforeFullGC 这会在运行一次Full GC之前生成一个堆转储文件。

有的情况下，（入帮，因为执行了多次Full GC）会生成多个堆转储文件，这时JVM会在堆转储文件的名字上附加一个序号。

这两条命令都会在指定目录下创建一个命名为*.hprof的文件。生成之后，有很多工具可以打开该文件。以下是三个最常见的工具。

三、堆转储文件分析工具

jhat

　　这是最原始的分析工具，它会读取堆转储文件，并运行一个小型的HTTP服务器，该服务器运行你通过一系列网易链接查看堆转储信息。

[ciadmin@2-103test_app pos-gateway-cloud]$ jhat heap_dump.hprof

Reading from heap_dump.hprof...

Dump file created Mon Mar 05 18:33:10 CST 2018

Snapshot read, resolving...

Resolving 751016 objects...

Chasing references, expect 150 dots......................................................................................................................................................

Eliminating duplicate references......................................................................................................................................................

Snapshot resolved.

Started HTTP server on port 7000

Server is ready.

找一台带浏览器的机器访问它，http://ip:7000

jvisualvm

jvisualvm的监视（Monitor）选项卡可以从一个运行中的程序获得堆转储文件，也可以打开之前生成堆转储文件。

mat

开源的EclipseLink内存分析器工具（EclipseLink Memory Analyzer Tool，mat）可以加载一个或多个堆转储文件并执行分析。它可以生成报告，向我们建议可能存在问题的地方，也可以用于流量堆，并对堆执行类SQL的查询。

特别指出的是：mat内置一功能：如果打开了两个堆转储文件，mat有一个选项用来计算两个堆中的直方图之间的差别。

更多信息见《mat之一--eclipse安装Memory Analyzer》

对堆的第一遍分析通常涉及保留内存。一个对象的保留内存，是指回收该对象可以释放出的内存量。

四、内存溢出错误

在下面情况下，jvm会抛出内存溢出错误（OutOfMemeoryError）：

JVM没有原生内存可用；
永久代（在java7和更早的版本中）或元空间（java8）内存不足；
java堆本身内存不足--对于给定的堆空间而言，应用中活跃对象太多；
JVM执行GC耗时太多；

1、原生内存不足

其原因与堆根本无关。在32位的JVM中，一个进程的最大内存是4GB，如果指定一个非常大的堆大小，比如说3.8GB，使应用的大小很接近4GB的限制，这很危险。

2、永久代或元空间内存不足

首先与堆无关，其根源可能有两种情况：

第一种情况是应用使用的类太多，超出了永久代的默认容纳范围；解决方案：增加永久代的大小
第二种情况相对来说有点棘手：它涉及类加载器的内存泄漏。这种情况经常出现于Java EE应用服务器中。类加载导致内存溢出可以通过堆转储分析，在直方图中，找到ClassLoader类的所有实例，然后跟踪他们的GC根，看哪些对象还保留了对它们的引用。

示例：

3、堆内存不足

当确实是堆内存本身不足时，错误信息会这样：

OutOfMemoryError：Java heap space

可能的原因有：

1、活跃对象数目在为其配置的堆空间中已经装不下了。

2、也可能是应用存在内存泄漏：它持续分配新对象，却没有让其他对象退出作用域。

不管哪种情况，要找出哪些对象消耗的内存最多，堆转储分析都是必要的；

4、达到GC的开销限制

JVM抛出OutOfMemoryError的最后一种情况是JVM任务在执行GC上花费了太多时间：

OutOfMemoryError：GC overhead limit exceeded

当满足下列所有条件时就会抛出该错误：

1、花在Full GC的时间超出了-XX:GCTimeLimit=N标志指定的值。默认为98

2、一次Full GC回收内存量少于-XX:GCHeapFreeLimit=N标志指定的值。默认值为2（2%）

3、上面两个条件连续5次Full GC都成立（这个值无法调整）

4、-XX:+UseGCOverhead-Limit标志为true（默认也为true）

这四个条件必须都满足。一般来说，连续5次Full GC以上，不一定会抛异常。即使98%时间在Full GC上，但每次GC期间释放的堆空间会超过2%，这种情况下可以增加-XX:GCHeapFreeLimit的值。

还请注意，如果前两个条件连续4次Full GC周期都成立，作为释放内存的最后一搏，JVM中所有的软引用都会在第五次Full GC之前被释放。这往往会防止该错误，因为第五次Full GC很可能会释放超过2%的堆内存（假设该应用使用了软引用）。