探究内存泄露—Part2—分析问题

本文由 ImportNew - 黄索远 翻译自 captaindebug。如需转载本文，请先参见文章末尾处的转载要求。

ImportNew注：如果你也对Java技术翻译分享感兴趣，欢迎加入我们的 Java开发 小组。参与方式请查看小组简介。

在这个系列的第一篇博客里，我写了一个内存泄露的例子。下面我们将在例子里构建好的服务器上，探寻如何解决堆内存泄露问题。这个例子展现了消费者—生产者模式存在的一重要问题，即消费者移除队列的速度不能慢于生产的速度（生产者产生的单位存放在这个队列里）。在上一篇博客的末尾，我将例子代码运行起来了，坐等有足够的内存溢出来便于探究，现在是时候完成调查了。

如果你看过这篇博客的第一部分，就会知道在展示的内存泄露示例代码使用生产者-消费者模型创建了一个模拟股票交易的应用，所有的交易命令都被存入一个虚拟的数据库中。示例代码故意留下了一个缺陷（OrderRecord线程处理一条命令后sleep一段时间），使得OrderRecord线程消费命令的速度跟不上OrderFeed线程生产命令的速度。这就意味着存储命令的队列会变得越来越长，直到最后内存溢出程序崩溃。问题是，如果只看我的代码，确实能够很轻松得看出哪里出了差错；但是如果出问题的代码你从未看过并且代码又长又复杂，加之没有监控线程来帮助你观察队列大小或者其他内部信息，这时该怎么办呢？

下面向大家介绍分析程序内存泄露问题的三个步骤：

1. 提取发生内存泄露的服务器的转储文件。
2. 用这个转储文件生成报告。
3. 分析生成的报告。

有几个工具能帮你生成堆转储文件，分别是：

• jconsole
• Jvisualvm
• Eclipse Memory Analyser Tool（MAT）

用jconsole提取堆转储文件

将jconsole关联你的应用：单击MBeans选项卡打开com.sun.management包，点击HotSpotDiagnostic，点击Operations选择dumpHeap。这时你将会看到dumpHeap操作：它接受两个参数p0和p1。在p0的编辑框内输入一个堆转储的文件名，然后按下DumpHeap命令。

用jvisualvm提取堆转储文件

连接示例代码，右键点击你的应用，在左侧的“application”窗格中选择“Heap Dump”。

注意：如果你在发生内存泄露的服务器上有一个远程连接，那么jvisualvm将会把转出文件保存在远程机器（假设这是一台unix机器）上的/tmp目录下。你不得不将这个文件通过FTP传送到你的机器上，然后再进行研究。

用MAT来提取堆转储文件

jconsole和jvisualvm本身就是JDK的一部分，而MAT或者称作“内存分析工具”，是一个基于eclipse的工具。你可以从eclipse.org下载。

最新版本的MAT需要你在电脑上安装JDk1.6。如果你用的是Java1.7版本也不用担心，因为它会自动为你安装1.6版本，并且不会和安装好了的1.7版本产生冲突。

使用MAT的时候，只需要点击“Aquire Heap Dump”，然后遵循指示就可以了。

远程连接

值得注意的是，如果想要搞清楚为什么一个作为生产者的服务器会崩溃，那么你可能要使用JMX远程连接。为此你需要下面的命令行选项，我从上一篇的博客中将其抄了下来：

1

2

3

4

5

-Dcom.sun.management.jmxremote

-Dcom.sun.management.jmxremote.port=9010

-Dcom.sun.management.jmxremote.local.only=false

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

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

何时提取堆转存文件

这需要耗费一点心力和运气。如果太早提取了堆转储文件，那么你将不能发现问题。因为它们被合法，非泄露类的实例屏蔽了。不过也不能等待太久，因为提取堆转储文件需要占用内存，进行提取操作的时候可能会导致你的应用崩溃。

最好的办法是将jconsole连接到你的应用程序并监控堆的占用情况，知道它看起来像在崩溃的边缘。这样很容易就能监控到，因为没有发生内存泄露时，三个堆部分指标都是绿色的。

分析转储文件

现在轮到MAT发挥作用了，因为它本身就是被设计用来分析堆转储文件的。要打开和分析一个堆转储文件，选择File选项下的Heap Dump选项。选择了你要打开的文件后，你将会看到如下三个选项：

选择Leak Suspect Report选项。在MAT翻腾几秒后，会生成这样的一个页面：

如饼状图显示：在示例中，疑似有一处发生了内存泄露。也许你会想，这样的做法只有在代码受到控制的情况下才可取。毕竟这只是个例子，这又能说明什么呢？好吧，我承认在这个例子里，所有的问题都是可见的；线程a占用了98.7MB内存，其他线程用了1.5MB。在实际情况中，你得到的图表是这样的。

下一步要做的就是挖得更深一点……

如上图所示，报告的下一部分告诉我们，有一个LinkedBlockQueue占用了98.46%的内存。想要进一步的探究，点击Details>>。

可以看到，问题确实是出在我们的orderQueue上。这个队列里存储了所有生成的虚拟命令，并且可以被我们上篇博文里提到的三个线程OrderFeed、OrderRecord、OrderMonitor访问。

那么一切都清楚了，MAT告诉我们：示例代码中有一个LinkedBlockQueue，这个队列用尽了所有的内存，从而导致了严重的问题。不过我们不知道这个问题为什么会产生，也不能指望MAT告诉我们。这个问题，如阿加莎·克里斯蒂笔下的赫尔克里·波洛所说，得用“泽灰色小细胞”解决……

本文的源码可以在 Producer Consumer project on GitHub 找到。