236 lines
12 KiB
Markdown
236 lines
12 KiB
Markdown
|
||
|
||
因收到Google相关通知，网站将会择期关闭。相关通知内容
|
||
|
||
|
||
26 如何监控和诊断JVM堆内和堆外内存使用？-极客时间
|
||
上一讲我介绍了 JVM 内存区域的划分，总结了相关的一些概念，今天我将结合 JVM 参数、工具等方面，进一步分析 JVM 内存结构，包括外部资料相对较少的堆外部分。
|
||
|
||
今天我要问你的问题是，如何监控和诊断 JVM 堆内和堆外内存使用？
|
||
|
||
典型回答
|
||
|
||
了解 JVM 内存的方法有很多，具体能力范围也有区别，简单总结如下：
|
||
|
||
|
||
可以使用综合性的图形化工具，如 JConsole、VisualVM（注意，从 Oracle JDK 9 开始，VisualVM 已经不再包含在 JDK 安装包中）等。这些工具具体使用起来相对比较直观，直接连接到 Java 进程，然后就可以在图形化界面里掌握内存使用情况。
|
||
|
||
|
||
以 JConsole 为例，其内存页面可以显示常见的堆内存和各种堆外部分使用状态。
|
||
|
||
|
||
也可以使用命令行工具进行运行时查询，如 jstat 和 jmap 等工具都提供了一些选项，可以查看堆、方法区等使用数据。
|
||
或者，也可以使用 jmap 等提供的命令，生成堆转储（Heap Dump）文件，然后利用 jhat 或 Eclipse MAT 等堆转储分析工具进行详细分析。
|
||
如果你使用的是 Tomcat、Weblogic 等 Java EE 服务器，这些服务器同样提供了内存管理相关的功能。
|
||
另外，从某种程度上来说，GC 日志等输出，同样包含着丰富的信息。
|
||
|
||
|
||
这里有一个相对特殊的部分，就是是堆外内存中的直接内存，前面的工具基本不适用，可以使用 JDK 自带的 Native Memory Tracking（NMT）特性，它会从 JVM 本地内存分配的角度进行解读。
|
||
|
||
考点分析
|
||
|
||
今天选取的问题是 Java 内存管理相关的基础实践，对于普通的内存问题，掌握上面我给出的典型工具和方法就足够了。这个问题也可以理解为考察两个基本方面能力，第一，你是否真的理解了 JVM 的内部结构；第二，具体到特定内存区域，应该使用什么工具或者特性去定位，可以用什么参数调整。
|
||
|
||
对于 JConsole 等工具的使用细节，我在专栏里不再赘述，如果你还没有接触过，你可以参考JConsole 官方教程。我这里特别推荐Java Mission Control（JMC），这是一个非常强大的工具，不仅仅能够使用JMX进行普通的管理、监控任务，还可以配合Java Flight Recorder（JFR）技术，以非常低的开销，收集和分析 JVM 底层的 Profiling 和事件等信息。目前， Oracle 已经将其开源，如果你有兴趣请可以查看 OpenJDK 的Mission Control项目。
|
||
|
||
关于内存监控与诊断，我会在知识扩展部分结合 JVM 参数和特性，尽量从庞杂的概念和 JVM 参数选项中，梳理出相对清晰的框架：
|
||
|
||
|
||
细化对各部分内存区域的理解，堆内结构是怎样的？如何通过参数调整？
|
||
堆外内存到底包括哪些部分？具体大小受哪些因素影响？
|
||
|
||
|
||
知识扩展
|
||
|
||
今天的分析，我会结合相关 JVM 参数和工具，进行对比以加深你对内存区域更细粒度的理解。
|
||
|
||
首先，堆内部是什么结构？
|
||
|
||
对于堆内存，我在上一讲介绍了最常见的新生代和老年代的划分，其内部结构随着 JVM 的发展和新 GC 方式的引入，可以有不同角度的理解，下图就是年代视角的堆结构示意图。
|
||
|
||
|
||
|
||
你可以看到，按照通常的 GC 年代方式划分，Java 堆内分为：
|
||
|
||
|
||
新生代
|
||
|
||
|
||
新生代是大部分对象创建和销毁的区域，在通常的 Java 应用中，绝大部分对象生命周期都是很短暂的。其内部又分为 Eden 区域，作为对象初始分配的区域；两个 Survivor，有时候也叫 from、to 区域，被用来放置从 Minor GC 中保留下来的对象。
|
||
|
||
|
||
JVM 会随意选取一个 Survivor 区域作为“to”，然后会在 GC 过程中进行区域间拷贝，也就是将 Eden 中存活下来的对象和 from 区域的对象，拷贝到这个“to”区域。这种设计主要是为了防止内存的碎片化，并进一步清理无用对象。
|
||
从内存模型而不是垃圾收集的角度，对 Eden 区域继续进行划分，Hotspot JVM 还有一个概念叫做 Thread Local Allocation Buffer（TLAB），据我所知所有 OpenJDK 衍生出来的 JVM 都提供了 TLAB 的设计。这是 JVM 为每个线程分配的一个私有缓存区域，否则，多线程同时分配内存时，为避免操作同一地址，可能需要使用加锁等机制，进而影响分配速度，你可以参考下面的示意图。从图中可以看出，TLAB 仍然在堆上，它是分配在 Eden 区域内的。其内部结构比较直观易懂，start、end 就是起始地址，top（指针）则表示已经分配到哪里了。所以我们分配新对象，JVM 就会移动 top，当 top 和 end 相遇时，即表示该缓存已满，JVM 会试图再从 Eden 里分配一块儿。
|
||
|
||
|
||
|
||
|
||
|
||
老年代
|
||
|
||
|
||
放置长生命周期的对象，通常都是从 Survivor 区域拷贝过来的对象。当然，也有特殊情况，我们知道普通的对象会被分配在 TLAB 上；如果对象较大，JVM 会试图直接分配在 Eden 其他位置上；如果对象太大，完全无法在新生代找到足够长的连续空闲空间，JVM 就会直接分配到老年代。
|
||
|
||
|
||
永久代
|
||
|
||
|
||
这部分就是早期 Hotspot JVM 的方法区实现方式了，储存 Java 类元数据、常量池、Intern 字符串缓存，在 JDK 8 之后就不存在永久代这块儿了。
|
||
|
||
那么，我们如何利用 JVM 参数，直接影响堆和内部区域的大小呢？我来简单总结一下：
|
||
|
||
|
||
最大堆体积
|
||
|
||
|
||
-Xmx value
|
||
|
||
|
||
|
||
初始的最小堆体积
|
||
|
||
|
||
-Xms value
|
||
|
||
|
||
|
||
老年代和新生代的比例
|
||
|
||
|
||
-XX:NewRatio=value
|
||
|
||
|
||
默认情况下，这个数值是 2，意味着老年代是新生代的 2 倍大；换句话说，新生代是堆大小的 1/3。
|
||
|
||
|
||
当然，也可以不用比例的方式调整新生代的大小，直接指定下面的参数，设定具体的内存大小数值。
|
||
|
||
|
||
-XX:NewSize=value
|
||
|
||
|
||
|
||
Eden 和 Survivor 的大小是按照比例设置的，如果 SurvivorRatio 是 8，那么 Survivor 区域就是 Eden 的 1⁄8 大小，也就是新生代的 1/10，因为 YoungGen=Eden + 2*Survivor，JVM 参数格式是
|
||
|
||
|
||
-XX:SurvivorRatio=value
|
||
|
||
|
||
|
||
TLAB 当然也可以调整，JVM 实现了复杂的适应策略，如果你有兴趣可以参考这篇说明。
|
||
|
||
|
||
不知道你有没有注意到，我在年代视角的堆结构示意图也就是第一张图中，还标记出了 Virtual 区域，这是块儿什么区域呢？
|
||
|
||
在 JVM 内部，如果 Xms 小于 Xmx，堆的大小并不会直接扩展到其上限，也就是说保留的空间（reserved）大于实际能够使用的空间（committed）。当内存需求不断增长的时候，JVM 会逐渐扩展新生代等区域的大小，所以 Virtual 区域代表的就是暂时不可用（uncommitted）的空间。
|
||
|
||
第二，分析完堆内空间，我们一起来看看 JVM 堆外内存到底包括什么？
|
||
|
||
在 JMC 或 JConsole 的内存管理界面，会统计部分非堆内存，但提供的信息相对有限，下图就是 JMC 活动内存池的截图。
|
||
|
||
|
||
|
||
接下来我会依赖 NMT 特性对 JVM 进行分析，它所提供的详细分类信息，非常有助于理解 JVM 内部实现。
|
||
|
||
首先来做些准备工作，开启 NMT 并选择 summary 模式，
|
||
|
||
-XX:NativeMemoryTracking=summary
|
||
|
||
|
||
为了方便获取和对比 NMT 输出，选择在应用退出时打印 NMT 统计信息
|
||
|
||
-XX:+UnlockDiagnosticVMOptions -XX:+PrintNMTStatistics
|
||
|
||
|
||
然后，执行一个简单的在标准输出打印 HelloWorld 的程序，就可以得到下面的输出
|
||
|
||
|
||
|
||
我来仔细分析一下，NMT 所表征的 JVM 本地内存使用：
|
||
|
||
|
||
第一部分非常明显是 Java 堆，我已经分析过使用什么参数调整，不再赘述。
|
||
|
||
第二部分是 Class 内存占用，它所统计的就是 Java 类元数据所占用的空间，JVM 可以通过类似下面的参数调整其大小：
|
||
|
||
|
||
-XX:MaxMetaspaceSize=value
|
||
|
||
|
||
对于本例，因为 HelloWorld 没有什么用户类库，所以其内存占用主要是启动类加载器（Bootstrap）加载的核心类库。你可以使用下面的小技巧，调整启动类加载器元数据区，这主要是为了对比以加深理解，也许只有在 hack JDK 时才有实际意义。
|
||
|
||
-XX:InitialBootClassLoaderMetaspaceSize=30720
|
||
|
||
|
||
|
||
下面是 Thread，这里既包括 Java 线程，如程序主线程、Cleaner 线程等，也包括 GC 等本地线程。你有没有注意到，即使是一个 HelloWorld 程序，这个线程数量竟然还有 25。似乎有很多浪费，设想我们要用 Java 作为 Serverless 运行时，每个 function 是非常短暂的，如何降低线程数量呢？
|
||
|
||
|
||
如果你充分理解了专栏讲解的内容，对 JVM 内部有了充分理解，思路就很清晰了：
|
||
|
||
JDK 9 的默认 GC 是 G1，虽然它在较大堆场景表现良好，但本身就会比传统的 Parallel GC 或者 Serial GC 之类复杂太多，所以要么降低其并行线程数目，要么直接切换 GC 类型；
|
||
|
||
JIT 编译默认是开启了 TieredCompilation 的，将其关闭，那么 JIT 也会变得简单，相应本地线程也会减少。
|
||
|
||
我们来对比一下，这是默认参数情况的输出：
|
||
|
||
|
||
|
||
下面是替换了默认 GC，并关闭 TieredCompilation 的命令行
|
||
|
||
|
||
|
||
得到的统计信息如下，线程数目从 25 降到了 17，消耗的内存也下降了大概 1/3。
|
||
|
||
|
||
|
||
|
||
接下来是 Code 统计信息，显然这是 CodeCache 相关内存，也就是 JIT compiler 存储编译热点方法等信息的地方，JVM 提供了一系列参数可以限制其初始值和最大值等，例如：
|
||
|
||
|
||
-XX:InitialCodeCacheSize=value
|
||
|
||
-XX:ReservedCodeCacheSize=value
|
||
|
||
|
||
你可以设置下列 JVM 参数，也可以只设置其中一个，进一步判断不同参数对 CodeCache 大小的影响。
|
||
|
||
|
||
|
||
|
||
|
||
很明显，CodeCache 空间下降非常大，这是因为我们关闭了复杂的 TieredCompilation，而且还限制了其初始大小。
|
||
|
||
|
||
下面就是 GC 部分了，就像我前面介绍的，G1 等垃圾收集器其本身的设施和数据结构就非常复杂和庞大，例如 Remembered Set 通常都会占用 20%~30% 的堆空间。如果我把 GC 明确修改为相对简单的 Serial GC，会有什么效果呢？
|
||
|
||
|
||
使用命令：
|
||
|
||
-XX:+UseSerialGC
|
||
|
||
|
||
|
||
|
||
可见，不仅总线程数大大降低（25 → 13），而且 GC 设施本身的内存开销就少了非常多。据我所知，AWS Lambda 中 Java 运行时就是使用的 Serial GC，可以大大降低单个 function 的启动和运行开销。
|
||
|
||
|
||
Compiler 部分，就是 JIT 的开销，显然关闭 TieredCompilation 会降低内存使用。
|
||
其他一些部分占比都非常低，通常也不会出现内存使用问题，请参考官方文档。唯一的例外就是 Internal（JDK 11 以后在 Other 部分）部分，其统计信息包含着 Direct Buffer 的直接内存，这其实是堆外内存中比较敏感的部分，很多堆外内存 OOM 就发生在这里，请参考专栏第 12 讲的处理步骤。原则上 Direct Buffer 是不推荐频繁创建或销毁的，如果你怀疑直接内存区域有问题，通常可以通过类似 instrument 构造函数等手段，排查可能的问题。
|
||
|
||
|
||
JVM 内部结构就介绍到这里，主要目的是为了加深理解，很多方面只有在定制或调优 JVM 运行时才能真正涉及，随着微服务和 Serverless 等技术的兴起，JDK 确实存在着为新特征的工作负载进行定制的需求。
|
||
|
||
今天我结合 JVM 参数和特性，系统地分析了 JVM 堆内和堆外内存结构，相信你一定对 JVM 内存结构有了比较深入的了解，在定制 Java 运行时或者处理 OOM 等问题的时候，思路也会更加清晰。JVM 问题千奇百怪，如果你能快速将问题缩小，大致就能清楚问题可能出在哪里，例如如果定位到问题可能是堆内存泄漏，往往就已经有非常清晰的思路和工具可以去解决了。
|
||
|
||
一课一练
|
||
|
||
关于今天我们讨论的题目你做到心中有数了吗？今天的思考题是，如果用程序的方式而不是工具，对 Java 内存使用进行监控，有哪些技术可以做到?
|
||
|
||
请你在留言区写写你对这个问题的思考，我会选出经过认真思考的留言，送给你一份学习奖励礼券，欢迎你与我一起讨论。
|
||
|
||
你的朋友是不是也在准备面试呢？你可以“请朋友读”，把今天的题目分享给好友，或许你能帮到他。
|
||
|
||
|
||
|
||
|