JVisualVM简介与内存泄漏实战分析

一、JVisualVM能做什么

      VisualVM 是Netbeans的profile子项目,已在JDK6.0 update 7 中自带(java启动时不需要特定参数,监控工具在bin/jvisualvm.exe),能够监控线程,内存情况,查看方法的CPU时间和内存中的对 象,已被GC的对象,反向查看分配的堆栈(如100个String对象分别由哪几个对象分配出来的)。

     在JDK_HOME/bin(默认是C:\Program Files\Java\jdk1.6.0_13\bin)目录下面,有一个jvisualvm.exe文件,双击打开,从UI上来看,这个软件是基于NetBeans开发的了。

     可以进行远程和本地监控。远程监控需要打开jmx,下面内容会提到。

     其默认页面为:

左侧分为本地和远程。双击本地中VisualVM线程,可以看到如下监控内容:

具体的介绍参看:

http://www.ibm.com/developerworks/cn/java/j-lo-visualvm/

二、准备模拟内存泄漏demo

      1、定义静态变量HashMap

      2、分段循环创建对象,并加入HashMap

      代码如下:

import java.util.HashMap;

import java.util.Map;

public class CyclicDependencies {

    //声明缓存对象

    private static final Map map = new HashMap();

    public static void main(String args[]){

        try {

            Thread.sleep(10000);//给打开visualvm时间

        } catch (InterruptedException e) {

            e.printStackTrace();

        }

        //循环添加对象到缓存

        for(int i=0; i<1000000;i++){

            TestMemory t = new TestMemory();

            map.put("key"+i,t);

        }

        System.out.println("first");

        //为dump出堆提供时间

        try {

            Thread.sleep(10000);

        } catch (InterruptedException e) {

            e.printStackTrace();

        }

        for(int i=0; i<1000000;i++){

            TestMemory t = new TestMemory();

            map.put("key"+i,t);

        }

        System.out.println("second");

        try {

            Thread.sleep(10000);

        } catch (InterruptedException e) {

            e.printStackTrace();

        }

        for(int i=0; i<3000000;i++){

            TestMemory t = new TestMemory();

            map.put("key"+i,t);

        }

        System.out.println("third");

        try {

            Thread.sleep(10000);

        } catch (InterruptedException e) {

            e.printStackTrace();

        }

        for(int i=0; i<4000000;i++){

            TestMemory t = new TestMemory();

            map.put("key"+i,t);

        }

        System.out.println("forth");

        try {

            Thread.sleep(Integer.MAX_VALUE);

        } catch (InterruptedException e) {

            e.printStackTrace();

        }

        System.out.println("qqqq");

    }

}

     3、配置jvm参数如下:

          -Xms512m

-Xmx512m

          -XX:-UseGCOverheadLimit

          -XX:MaxPermSize=50m

     4、运行程序并打卡visualvm监控

三、使用jVisualvm分析内存泄漏

      1、查看Visual GC标签,内容如下,这是输出first的截图

            

这是输出forth的截图:

通过2张图对比发现:

老生代一直在gc,当程序继续运行可以发现老生代gc还在继续:

增加到了7次,但是老生代的内存并没有减少。说明存在无法被回收的对象,可能是内存泄漏了。

如何分析是那个对象泄漏了呢?打开抽样器标签:点击后如下图:

按照程序输出进行堆dump,当输出second时,dump一次,当输出forth时dump一次。

进入最后dump出来的堆标签,点击类:

点击右上角:“与另一个堆存储对比”。如图选择第一次导出的dump内容比较:

比较结果如下:

可以看出在两次间隔时间内TestMemory对象实例一直在增加并且多了,说明该对象引用的方法可能存在内存泄漏。

如何查看对象引用关系呢?

右键选择类TestMemory,选择“在实例视图中显示”,如下所示:

左侧是创建的实例总数,右侧上部为该实例的结构,下面为引用说明,从图中可以看出在类CyclicDependencies里面被引用了,并且被HashMap引用。

如此可以确定泄漏的位置,进而根据实际情况进行分析解决。

四、jVisualvm远程监控tomcat

     1、修改远程tomcat的catalina.sh配置文件,在其中增加:

          JAVA_OPTS="$JAVA_OPTS

          -Djava.rmi.server.hostname=192.168.122.128

          -Dcom.sun.management.jmxremote.port=18999

-Dcom.sun.management.jmxremote.ssl=false

-Dcom.sun.management.jmxremote.authenticate=false"

这次配置先不走权限校验。只是打开jmx端口。

    2、打开jvisualvm,右键远程,选择添加远程主机:

          

   3、输入主机的名称,直接写ip,如下:

          

        右键新建的主机,选择添加JMX连接,输入在tomcat中配置的端口即可。

   4、双击打开。完毕!

五、扩展知识

线程死锁侦测

jvm优化建议

     本质上是减少GC的次数。

如果是频繁创建对象的应用,可以适当增加新生代大小。常量较多可以增加持久代大小。对於单例较多的对象可以增加老生代大小。比如spring应用中。

GC选择,在JDK5.0以后,JVM会根据当前系统配置进行判断。一般执行-Server命令便可以。gc包括三种策略:串行,并行,并发。

吞吐量大大应用,一般采用并行收集,开启多个线程,加快gc的是否。

响应速度高的应用,一般采用并发收集,比如应用服务器。

     年老代建议配置为并发收集器,由于并发收集器不会压缩和整理磁盘碎片,因此建议配置:

     -XX:+UseConcMarkSweepGC  #并发收集年老代

     -XX:CMSInitiatingOccupancyFraction=80 # 表示年老代空间到80%时就开始执行CMS

     -XX:+UseCMSCompactAtFullCollection # 打开对年老代的压缩。可能会影响性能,但是可以消除内存碎片。 

     -XX:CMSFullGCsBeforeCompaction=10 # 由于并发收集器不对内存空间进行压缩、整理,所以运行一段时间以后会产生“碎片”,使得运行效率降低。此参数设置运行次FullGC以后对内存空间进行压缩、整理。 

直接运行linux上的jvisualvm

     下载X-Manager,可以将试图展现在本地机器上。

不受此jvm支持

     保证jvisualvm所属jdk版本和linux上一致。

发布了127 篇原创文章 · 获赞 76 · 访问量 45万+
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章