JVM調優方法_JVM及效能調優

來源:互聯網
上載者:User
JVM調優工具

Jconsole,jProfile,VisualVM

Jconsole : jdk內建,功能簡單,但是可以在系統有一定負荷的情況下使用。對記憶體回收演算法有很詳細的跟蹤。詳細說明參考這裡

 

JProfiler:商業軟體,需要付費。功能強大。詳細說明參考這裡

 

VisualVM:JDK內建,功能強大,與JProfiler類似。推薦。

  如何調優

觀察記憶體釋放情況、集合類檢查、對象樹

上面這些調優工具都提供了強大的功能,但是總的來說一般分為以下幾類功能

 

堆資訊查看

 

可查看堆空間大小分配(年輕代、年老代、持久代分配)

提供即時的記憶體回收功能

垃圾監控(長時間監控回收情況)

 

 

查看堆內類、對象資訊查看:數量、類型等

 

 

對象引用情況查看

 

有了堆資訊查看方面的功能,我們一般可以順利解決以下問題:

  --年老代年輕代大小劃分是否合理

  --記憶體流失

  --記憶體回收演算法設定是否合理

  線程監控

 

線程資訊監控:系統線程數量。

線程狀態監控:各個線程都處在什麼樣的狀態下

 

 

Dump線程詳細資料:查看線程內部運行情況

死結檢查

 

熱點分析

 

 

 

    CPU熱點:檢查系統哪些方法佔用的大量CPU時間

    記憶體熱點:檢查哪些對象在系統中數量最大(一定時間記憶體活對象和銷毀對象一起統計)

 

    這兩個東西對於系統最佳化很有協助。我們可以根據找到的熱點,有針對性的進行系統的瓶頸尋找和進行系統最佳化,而不是漫無目的的進行所有代碼的最佳化。

 

 

快照

    快照是系統運行到某一時刻的一個定格。在我們進行調優的時候,不可能用眼睛去跟蹤所有系統變化,依賴快照功能,我們就可以進行系統兩個不同運行時刻,對象(或類、線程等)的不同,以便快速找到問題

    舉例說,我要檢查系統進行記憶體回收以後,是否還有該收回的對象被遺漏下來的了。那麼,我可以在進行記憶體回收前後,分別進行一次堆情況的快照,然後對比兩次快照的對象情況。

  記憶體流失檢查

    記憶體流失是比較常見的問題,而且解決方案也比較通用,這裡可以重點說一下,而線程、熱點方面的問題則是具體問題具體分析了。

    記憶體流失一般可以理解為系統資源(各方面的資源,堆、棧、線程等)在錯誤使用的情況下,導致使用完畢的資源無法回收(或沒有回收),從而導致新的資源分派請求無法完成,引起系統錯誤。

    記憶體流失對系統危害比較大,因為他可以直接導致系統的崩潰。

    需要區別一下,記憶體流失和系統超負荷兩者是有區別的,雖然可能導致的最終結果是一樣的。記憶體流失是用完的資源沒有回收引起錯誤,而系統超負荷則是系統確實沒有那麼多資源可以分配了(其他的資源都在使用)。

 

 

年老代堆空間被佔滿

異常: java.lang.OutOfMemoryError: Java heap space

說明:

 

    這是最典型的記憶體流失方式,簡單說就是所有堆空間都被無法回收的垃圾對象佔滿,虛擬機器無法再在分配新空間。

    如上圖所示,這是非常典型的記憶體流失的記憶體回收情況圖。所有峰值部分都是一次記憶體回收點,所有穀底部分表示是一次記憶體回收後剩餘的記憶體。串連所有穀底的點,可以發現一條由底到高的線,這說明,隨時間的推移,系統的堆空間被不斷佔滿,最終會佔滿整個堆空間。因此可以初步認為系統內部可能有記憶體流失。(上面的圖僅供樣本,在實際情況下收集資料的時間需要更長,比如幾個小時或者幾天)

 

解決:

    這種方式解決起來也比較容易,一般就是根據記憶體回收前後情況對比,同時根據對象引用情況(常見的集合對象引用)分析,基本都可以找到泄漏點。

 

 

持久代被佔滿

異常:java.lang.OutOfMemoryError: PermGen space

說明:

    Perm空間被佔滿。無法為新的class分配儲存空間而引發的異常。這個異常以前是沒有的,但是在Java反射大量使用的今天這個異常比較常見了。主要原因就是大量動態反射產生的類不斷被載入,最終導致Perm區被佔滿。

    更可怕的是,不同的classLoader即便使用了相同的類,但是都會對其進行載入,相當於同一個東西,如果有N個classLoader那麼他將會被載入N次。因此,某些情況下,這個問題基本視為無解。當然,存在大量classLoader和大量反射類的情況其實也不多。

解決:

    1. -XX:MaxPermSize=16m

    2. 換用JDK。比如JRocket。

 

 

堆疊溢位

異常:java.lang.StackOverflowError

說明:這個就不多說了,一般就是遞迴沒返回,或者迴圈調用造成

 

 

線程堆棧滿

異常:Fatal: Stack size too small

說明:java中一個線程的空間大小是有限制的。JDK5.0以後這個值是1M。與這個線程相關的資料將會儲存在其中。但是當線程空間滿了以後,將會出現上面異常。

解決:增加線程棧大小。-Xss2m。但這個配置無法解決根本問題,還要看代碼部分是否有造成泄漏的部分。

 

系統記憶體被佔滿

異常:java.lang.OutOfMemoryError: unable to create new native thread

說明:

    這個異常是由於作業系統沒有足夠的資源來產生這個線程造成的。系統建立線程時,除了要在Java堆中分配記憶體外,作業系統本身也需要分配資源來建立線程。因此,當線程數量大到一定程度以後,堆中或許還有空間,但是作業系統分配不出資源來了,就出現這個異常了。

分配給Java虛擬機器的記憶體愈多,系統剩餘的資源就越少,因此,當系統記憶體固定時,分配給Java虛擬機器的記憶體越多,那麼,系統總共能夠產生的線程也就越少,兩者成反比的關係。同時,可以通過修改-Xss來減少分配給單個線程的空間,也可以增加系統總共內生產的線程數。

解決:

    1. 重新設計系統減少線程數量。

    2. 線程數量不能減少的情況下,通過-Xss減小單個線程大小。以便能生產更多的線程。

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.