利用MAT工具分析内存泄漏

我们可以使用 jmap –histo 这种命令去分析哪些对象占据着我们的堆空间。但是那是比较容易分析的问题,如果是遇到内存情况比较复杂
的情况,命令的方式是看不出来的,这个时候我们必须要借助一下工具。当然前提是通过 jmap 命令把整个堆内存的数据 dump 下来。包括jdk自带的内存分析工具VisualVM,分析的数据非常有限。

MAT 简介

MAT 工具是基于 Eclipse 平台开发的,本身是一个 Java 程序,是一款很好的内存分析工具,所以如果你的堆快照比较大的话,则需要一台内存比较大的分析机器,并给 MAT 本身加大初始内存,这个可以修改安装目录中的 MemoryAnalyzer.ini 文件。
利用MAT工具分析内存泄漏_第1张图片
利用MAT工具分析内存泄漏_第2张图片
柱状图
利用MAT工具分析内存泄漏_第3张图片

MAT 中的 Incoming/Outgoing References

在柱状图中,我们看到,其实它显示的东西跟 jmap –histo 非常相似的,也就是类、实例、空间大小。
但是 MAT 有一个专业的概念,这个可以显示对象的引入和对象的引出。
在 Eclipse MAT 中,当右键单击任何对象时,将看到下拉菜单。如果选择“ListObjects”菜单项,则会注意到两个选项:
 with incoming references 对象的引入
 with outgoing references 对象的引出

举一个例子·

class A {
     
    private C c1 = C.getInstance();
}
class B {
     
    private C c2 = C.getInstance();
}
class C {
     
    private static C myC = new C();
    public static C getInstance() {
     
        return myC;
    }
    private D d1 = new D();
    private E e1 = new E();
}
class D {
     
}
class E {
     
}
public class MATRef {
     
    public static void main(String[] args) throws Exception {
     
        A a = new A();
        B b = new B();
        Thread.sleep(Integer.MAX_VALUE);//线程休眠
    }
}

代码中对象和引用关系如下:
对象 A 和对象 B 持有对象 C 的引用
对象 C 持有对象 D 和对象 E 的引用
利用MAT工具分析内存泄漏_第4张图片

我们具体分析对象 C 的 Incoming references 和 Outgoing references 。
1、 程序跑起来
2、 MAT 连接上正在运行的进程

利用MAT工具分析内存泄漏_第5张图片
在这里插入图片描述
利用MAT工具分析内存泄漏_第6张图片
我们 再来分析下 outgoing reference
在这里插入图片描述
利用MAT工具分析内存泄漏_第7张图片
这个 outgoing references 和 incoming references 非常有用,因为我们做 MAT 分析一般时对代码不了解,排查内存泄漏也好,排查问题也好,垃圾回收中有一个很重要的概念,可达性分析算法,那么根据这个引入和引出,我就可以知道这些对象的引用关系,在 MAT 中我们就可以知道比如 A,B,C,D,E,F 之间的引用关系图,便于做具体问题的分析。GCRoot根据引用关系垃圾回收。

MAT 中的浅堆与深堆

利用MAT工具分析内存泄漏_第8张图片

浅堆(shallow heap )代表了对象本身的内存占用,包括对象自身的内存占用,以及“为了引用”其他对象所占用的内存,一般根据对其填充,对象占据内存大小都是8字节的整数倍。
深堆 ( Retained heap )是一个统计结果,会循环计算引用的具体对象所占用的内存。但是深堆和“对象大小”有一点不同,深堆指的是一个对象被垃圾回收后,能够释放的内存大小,这些被释放的对象集合,叫做保留集(Retained Set)

数组类型的对象的 shallow size
shallow size=对象头+类型变量大小*数组长度+对齐填充,如果是引用类型,则是四字节或者八字节(64 位系统),
如果是 boolean 类型,则是一个字节
注意:这里 类型变量大小数组长度 就是实例数据,强调是变量不是对象本身。

利用MAT工具分析内存泄漏_第9张图片
再举一个栗子看看:


class A {
     
    private static byte[] b = new byte[10*1000];
    private B b1 = new B();
    private C c1 = new C();
}
class B {
     
    private D d1 = new D();
    private E e1 = new E();
}
class C {
     
    private F f1 = new F();
    private G g1 = new G();
}
class D {
     
}
class E {
     
}
class F {
     
}
class G {
     
}

public class MATHeap {
     
    public static void main(String[] args) throws Exception {
     
        A a = new A();
        Thread.sleep(Integer.MAX_VALUE);//线程休眠
    }
}

利用MAT工具分析内存泄漏_第10张图片
利用MAT工具分析内存泄漏_第11张图片

对象 A 持有对象 B 和 C 的引用。
对象 B 持有对象 D 和 E 的引用。
对象 C 持有对象 F 和 G 的引用。
Shallow Heap 大小
请记住: 的 对象的 Shallow heap 是其自身在内存中的大小 。实际大小参照真实数据,上图画图的是虚拟数据举的例子方便计算。

引用变动的影响
在下面的示例中,让对象 H 开始持有对 B 的引用。注意对象 B 已经被对象 A 引用了。假设D的对象大小为8byte字节的10倍
利用MAT工具分析内存泄漏_第12张图片
在这种情况下,对象 A 的 的 Retained heap 的 大小将从之前的 70 到 减小到 40 个字节。如果对象 A 被垃圾回收了,则将仅会影响 C、F 和 G 对象的引用。因此,仅对象 C、F 和 G 将被垃圾回收。另一方面,由于 H 持有对 B 的活动引用,因此对象 B、D 和 E 将继续存在于内存中。因此,即使 A 被垃圾回收,B、D 和 E 也不会从内存中删除。因此,A 的 Retained heap 大小为:= A的 shallow heap 大小 + C 的 shallow heap 大小 + F 的 shallow heap 大小 + G 的 shallow heap 大小 = 10 bytes + 10 bytes + 10 bytes + 10 bytes = 40bytes.(数据是假设出来的,正常应该是8字节的倍数大小,这里便于计算理解)

总结:我们可以看到在进行内存分析时,浅堆和深堆是两个非常重要的概念,尤其是深堆,影响着回收这个对象能够带来的垃圾回收的效果,所以在内存分析中,我们往往会去找那些深堆比较的大的对象,尤其是那些浅堆比较小但深堆比较大的对象,这些对象极有可能是问题对象。

使用 MAT 进行内存泄漏检测

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.stream.IntStream;

public class ObjectsMAT {
     


    static class A {
     
        B b = new B();
    }

    static class B {
     
        C c = new C();
    }

    static class C {
     
        List<String> list = new ArrayList<>();
    }

    static class Demo1 {
     
        Demo2 Demo2;

        public void setValue(Demo2 value) {
     
            this.Demo2 = value;
        }
    }

    static class Demo2 {
     
        Demo1 Demo1;

        public void setValue(Demo1 value) {
     
            this.Demo1 = value;
        }
    }

    static class Holder {
     
        Demo1 demo1 = new Demo1();
        Demo2 demo2 = new Demo2();

        Holder() {
     
            demo1.setValue(demo2);
            demo2.setValue(demo1);
        }


        private boolean aBoolean = false;
        private char aChar = '\0';
        private short aShort = 1;
        private int anInt = 1;
        private long aLong = 1L;
        private float aFloat = 1.0F;
        private double aDouble = 1.0D;
        private Double aDouble_2 = 1.0D;
        private int[] ints = new int[2];
        private String string = "1234";
    }

    Runnable runnable = () -> {
     
        Map<String, A> map = new HashMap<>();

        IntStream.range(0, 100).forEach(i -> {
     
            byte[] bytes = new byte[1024 * 1024];
            String str = new String(bytes).replace('\0', (char) i);
            A a = new A();
            a.b.c.list.add(str);

            map.put(i + "", a);
        });

        Holder holder = new Holder();

        try {
     
            //sleep forever , retain the memory
            Thread.sleep(Integer.MAX_VALUE);
        } catch (InterruptedException e) {
     
            e.printStackTrace();
        }
    };

    void startKingThread() throws Exception {
     
        new Thread(runnable, "yang-thread").start();
    }

    public static void main(String[] args) throws Exception {
     
        ObjectsMAT objectsMAT = new ObjectsMAT();
        objectsMAT.startKingThread();
    }
}

利用MAT工具分析内存泄漏_第13张图片
这是上面代码的相关引用关系图。我们代码跑起来,MAT分析一波。

利用MAT工具分析内存泄漏_第14张图片

利用MAT工具分析内存泄漏_第15张图片
这里一个名称叫做 yang-thread 的线程,持有了超过 99% 的对象,数据被一个 HashMap 所持有。
这个就是内存泄漏的点,因为我代码中对线程进行了标识,所以像阿里等公司的编码规范中为什么一定要给线程取名字,这个是有依据的,如果不取名字的话,这种问题的排查将非常困难。

支配树视图

支配树列出了堆中最大的对象,第二层级的节点表示当被第一层级的节点所引用到的对象,当第一层级对象被回收时,这些对象也将被回收。这个工具可以帮助我们定位对象间的引用情况,以及垃圾回收时的引用依赖关系。
支配树视图对数据进行了归类,体现了对象之间的依赖关系。我们通常会根据“深堆”进行倒序排序,可以很容易的看到占用内存比较高的几个对象,点击前面的箭头,即可一层层展开支配关系(依次找深堆明显比浅堆大的对象)。
利用MAT工具分析内存泄漏_第16张图片
利用MAT工具分析内存泄漏_第17张图片
从上图层层分解,我们也知道,原来是 yang-thread 的深堆和浅堆比例很多(深堆比浅堆多很多、一般经验都是找那些浅堆比较小,同时深堆比较大的对象)
1、 一个浅堆非常小的 yang-thread 持有了一个非常大的深堆
2、 这个关系来源于一个 HashMap
3、 这个 map 中有对象 A,同时 A 中引用了 B,B 中引用了 C
4、 最后找到 C 中里面有一个 ArrayList 引用了一个大数据的数组。
经过分析,内存的泄漏点就在此。一个线程长期持有了 200 个这样的数组,有可能导致内存泄漏。

MAT 中内存对比

我们对于堆的快照,其实是一个“瞬时态”,有时候仅仅分析这个瞬时状态,并不一定能确定问题,这就需要对两个或者多个快照进行对比,来确定一个增长趋势。
我们导出两份 dump 日志,分别是上个例子中循环次数分别是 10 和 100 的两份日志
利用MAT工具分析内存泄漏_第18张图片

然后用jmap命令行工具导出两份不同代码运行的dump文件。
命令 : jmap -dump:live,format=b,file=heap100.bin pid
再通过MAT对比工具进行对比分析两份dump日志文件
利用MAT工具分析内存泄漏_第19张图片
利用MAT工具分析内存泄漏_第20张图片
利用MAT工具分析内存泄漏_第21张图片

经过内存日志的对比,分析出来这个类的对象的增长,也可以辅助到问题的定位(快速增加的地方有可能存在内存泄漏)

线程视图

想要看具体的引用关系,可以通过线程视图。线程在运行中是可以作为 GC Roots 的。我们可以通过线程视图展示了线程内对象的引用关系,以及方法调
用关系,相对比 jstack 获取的栈 dump,我们能够更加清晰地看到内存中具体的数据。
我们找到了 yang-thread,依次展开找到 holder 对象,可以看到内存的泄漏点

加粗样式利用MAT工具分析内存泄漏_第22张图片
还有另外一段是陷入无限循环,这个是相互引用导致的(进行问题排查不用被这种情况给误导了,这样的情况一般不会有问题—可达性分析算法的解决了相互引用的问题)
利用MAT工具分析内存泄漏_第23张图片
柱状图视图
柱状图视图,可以看到除了对象的大小,还有类的实例个数。结合 MAT 提供的不同显示方式,往往能够直接定位问题。也可以通过
正则过滤一些信息,我们在这里输入 MAT,过滤猜测的、可能出现问题的类,可以看到,创建的这些自定义对象,不多不少正好一百个。
利用MAT工具分析内存泄漏_第24张图片

Path To GC Roots

被 JVM 持有的对象,如当前运行的线程对象,被 systemclass loader 加载的对象被称为 GC Roots,从一个对象到 GC Roots 的引用链被称为 Path to GC Roots,通过分析 Path to GC Roots 可以找出 JAVA 的内存泄露问题,当程序不在访问该对象时仍存在到该对象的引用路径(这个对象可能内存泄漏)。再次选择某个引用关系,然后选择菜单“Path To GC Roots”,即可显示到 GC Roots 的全路径。通常在排查内存泄漏的时候,会选择排除虚弱软等引用。
利用MAT工具分析内存泄漏_第25张图片
使用这种方式,即可在引用之间进行跳转,方便的找到所需要的信息(这里从对象反推到了线程 yang-thread),也可以快速定位到有内存泄漏的问题代码。
利用MAT工具分析内存泄漏_第26张图片

高级功能 —OQL

MAT 支持一种类似于 SQL 的查询语言 OQL(Object Query Language),这个查询语言 VisualVM 工具也支持。

利用MAT工具分析内存泄漏_第27张图片
查询 A 对象:
select * from ex14.ObjectsMAT$A
查询包含 java 字样的所有字符串:
select * from java.lang.String s where toString(s) like “.java.
OQL 有比较多的语法和用法,若想深入了解,可以了解这个网址 http://tech.novosoft-us.com/products/oql_book.htm
案例分析

利用MAT工具分析内存泄漏_第28张图片

ThreadLocal 是基于 ThreadLocalMap 实现的,这个 Map 的 Entry 继承了 WeakReference,而 Entry 对象中的 key 使用了 WeakReference 封装,也就是说 Entry中的 key 是一个弱引用类型,而弱引用类型只能存活在下次 GC 之前。
当发生一次垃圾回收,ThreadLocalMap 中就会出现 key 为 null 的 Entry,就没有办法访问这些 key 为 null 的 Entry 的 value,如果当前线程再迟迟不结束的话(肯定不会结束),这些 key 为 null 的 Entry 的 value 就会一直存在一条强引用链:Thread Ref -> Thread -> ThreaLocalMap -> Entry -> value,而这块 value永远不会被访问到了,所以存在着内存泄露。如下图:
利用MAT工具分析内存泄漏_第29张图片
只有当前 thread 结束以后,current thread 就不会存在栈中,强引用断开,Current Thread、Map value 将全部被 GC 回收(但是这
种情况很难)。最好的做法是不在需要使用 ThreadLocal 变量后,都调用它的 remove()方法,清除数据。
利用MAT工具分析内存泄漏_第30张图片

你可能感兴趣的:(jvm)