JDKVisualVM操作手册.docx
《JDKVisualVM操作手册.docx》由会员分享，可在线阅读，更多相关《JDKVisualVM操作手册.docx（11页珍藏版）》请在冰点文库上搜索。
JDKVisualVM操作手册
1什么是VisualVM？
1.1VisualVM简介
VisualVM提供在Java虚拟机（JavaVirutalMachine,JVM）上运行的Java应用程序的详细信息。
在VisualVM的图形用户界面中，您可以方便、快捷地查看多个Java应用程序的相关信息。
（摘自官方）简单说来，VisualVM是一种集成了多个JDK命令行工具的可视化工具，它能为您提供强大的分析能力。
所有这些都是免费的！
它囊括的命令行工具包括jstat,JConsole,jstack,jmap和jinfo，这些工具与JDK的标准版本是一致的。
可以使用VisualVM生成和分析海量数据、跟踪内存泄漏、监控垃圾回收器、执行内存和CPU分析，同时它还支持在MBeans上进行浏览和操作。
尽管VisualVM自身要在JDK6这个版本上运行，但是JDK1.4以上版本的程序它都能监控。
1.2如何获取VisualVM
VisualVM的一个最大好处就是，它已经在你的JDKbin目录里了，只要你使用的是JDK1.6Update7之后的版本。
点击一下jvisualvm.exe图标它就可以运行了。
这里是VisualVM的官方网站：
，资料很全，同时提供VisualVM最近版本下载。
2VisualVM实战
2.1开启VisualVM之旅
如果你使用的是JDK是1.6Update7之后的版本，那么VisualVM已经包含在bin目录下了，否则需要去官方下载。
2.1.1启动问题
如果你在windows上使用VisualVM，需要做的只是点一下jvisualvm.exe，就能启动它；绿色，好用。
但是VisualVM所在的分区如果是NTFS格式，那么第一个问题就出现了：
sun对NTFS格式的硬盘支持有问题！
但可通过参数可避免，并完成启动。
步骤如下：
1.创建一个visualvm.exe的快捷方式
2.在“目标”中添加如下参数
-XX:
+PerfBypassFileSystemCheck
2.1.2界面简介
VisualVM启动成功！
可以看到VisualVM的界面了。
通过VisualVM可以看到本机运行中的所有Java应用。
你会发现根本不需要在VisualVM里为Java应用程序注册，它们就会自动显示出来。
甚至还可以在导航栏里查看到远程的Java应用。
导航栏即为Applications，其中分为Local（本地Java应用）和Remote（远程Java应用）。
2.1.3安装插件
VisualVM有很多好用的插件,步骤如下：
1.点击Tools->Plugins
2.推荐安装全部插件
2.2监控本地Java应用
VisualVM本身就是一个Java应用，所以打开VisualVM看到的第一个可监控应用就是VisualVM本身；可以用它热热身，小试下牛刀。
在VisualVM可视化界面中可以监控到VisualVM本身的内存使用情况、线程情况、Jvm启动参数、cpu消耗情况、垃圾回收情况等很多参数。
当然如果在本地启一个Tomcat一样可以看到这些参数，可以方便我们在本地对JVM进行调优。
但是且接如果你是在windows下起应用，如果你的Java应用是在NTFS格式的盘附上，记得加参数：
-XX:
+PerfBypassFileSystemCheck
2.2.1使用VisualVM监测内存泄漏、解决内存溢出问题
2.2.1.1内存泄露、溢出的异同
同：
都会导致应用程序运行出现问题，性能下降或挂起。
异：
1） 内存泄露是导致内存溢出的原因之一；内存泄露积累起来将导致内存溢出。
2）内存泄露可以通过完善代码来避免；内存溢出可以通过调整配置来减少发生频率，但无法彻底避免。
2.2.1.2监测内存泄漏
∙内存泄漏是指程序中间动态分配了内存，但在程序结束时没有释放这部分内存，从而造成那部分内存不可用的情况，重启计算机可以解决，但也有可能再次发生内存泄露，内存泄露和硬件没有关系，它是由软件设计缺陷引起的。
∙内存泄漏可以分为4类：
1）常发性内存泄漏。
发生内存泄漏的代码会被多次执行到，每次被执行的时候都会导致一块内存泄漏。
2）偶发性内存泄漏。
发生内存泄漏的代码只有在某些特定环境或操作过程下才会发生。
常发性和偶发性是相对的。
对于特定的环境，偶发性的也许就变成了常发性的。
所以测试环境和测试方法对检测内存泄漏至关重要。
3）一次性内存泄漏。
发生内存泄漏的代码只会被执行一次，或者由于算法上的缺陷，导致总会有一块仅且一块内存发生泄漏。
比如，在类的构造函数中分配内存，在析构函数中却没有释放该内存，所以内存泄漏只会发生一次。
4）隐式内存泄漏。
程序在运行过程中不停的分配内存，但是直到结束的时候才释放内存。
严格的说这里并没有发生内存泄漏，因为最终程序释放了所有申请的内存。
但是对于一个服务器程序，需要运行几天，几周甚至几个月，不及时释放内存也可能导致最终耗尽系统的所有内存。
所以，我们称这类内存泄漏为隐式内存泄漏。
每隔一段时间给所监测的Java应用来一个heapdump，如下面三图所示：
对比上面三个截图，发现似乎有个东西在急速飙升，仔细一看是这个对象：
org.eclipse.swt.graphics.Image在第一章图中这个还没排的上，第二次dump已经上升到5181个，第三次就是7845个了。
涨速相当快，而且和任务管理器里面看到的GDI数量增涨一致，就是它了。
问题到这儿就比较清楚了，回到代码里面仔细一看可以发现，是某个地方反复的用图片来创建Image对象导致的，改掉以后搞定问题。
到这里其实我想说的是，Java使用起来其实要比C++更容易导致内存泄漏。
对于C++来说，每一个申请的对象都必须明确释放，任何没有释放的对象都会导致memleak，这是不可饶恕的，而且这类问题已经有很多工具和方法来解决。
但是到了Java里面情况就不同了，对于Java程序员来说对象都是不需要也无法主动销毁的，所以一般的思路是：
随用随new，用完即丢。
很多对象具体的生命周期可能连写代码的人自己也不清楚，或者不需要清楚，只知道某个时刻垃圾收集器会去做的，不用管。
但很可能某个对象在“用完即丢”的时候在另一个不容易发现的地方被保存了一个引用，那么这个对象就永远不会被回收。
更加糟糕的是整个程序从设计之初就没有考虑过对象回收的问题，对于C++程序员来说memleak必然是一个设计错误，但是对Java程序员来说这只是一个疏忽，而且似乎没有什么好的办法来避免。
今天看到的这个问题是因为GDI泄漏会造成严重后果才被重视，但如果仅仅是造成内存泄漏，那这个程序可能得连续跑上个十天半个月才会发现问题。
最后就是，对于c++，错误的代码在测试阶段就可以快速的侦测出哪怕一个byte的memleak并加以改正，但是对于java程序，理论上没有哪个工具能够知道是不是有泄漏，因为除了作者自己以外没有人能够知道一个被引用的对象是不是应该被销毁，只有通过大量的，长期的压力测试才能发现问题，这是很危险的一件事情。
2.2.1.3解决内存溢出问题
1、java.lang.OutOfMemoryError:
PermGenspace
JVM管理两种类型的内存，堆和非堆。
堆是在JVM启动时创建；非堆是留给JVM自己用的，用来存放类的信息的。
它和堆不同，运行期内GC不会释放空间。
如果webapp用了大量的第三方jar或者应用有太多的class文件而恰好MaxPermSize设置较小，超出了也会导致这块内存的占用过多造成溢出，或者tomcat热部署时侯不会清理前面加载的环境，只会将context更改为新部署的，非堆存的内容就会越来越多。
PermGenspace的全称是PermanentGenerationspace，是指内存的永久保存区域，这块内存主要是被JVM存放Class和Meta信息的，Class在被Loader时就会被放到PermGenspace中，它和存放类实例（Instance）的Heap区域不同，GC（GarbageCollection）不会在主程序运行期对PermGenspace进行清理，所以如果你的应用中有很CLASS的话，就很可能出现PermGenspace错误，这种错误常见在web服务器对JSP进行precompile的时候。
如果你的WEBAPP下都用了大量的第三方jar,其大小超过了jvm默认的大小（4M）那么就会产生此错误信息了。
如上图所示，PermGen在程序运行一段时间后超出了我们指定的128MB，通过Classes视图看到，Java在运行的同时加载了大量的类到内存中。
PermGen会存储Jar或者Class的描述信息；所以在class大量增加的同时PermGen超出了我们指定的范围。
为了让应用稳定，我们需要探寻新的PermGen范围。
检测时段时候后（如下图）发现PermGen在145MB左右稳定，那么我们就得到了稳定的新参数；这样PermGen内存溢出的问题得到解决。
2、java.lang.OutOfMemoryError:
Javaheapspace
第一种情况是个补充，主要存在问题就是出现在这个情况中。
其默认空间（即-Xms）是物理内存的1/64，最大空间（-Xmx）是物理内存的1/4。
如果内存剩余不到40％，JVM就会增大堆到Xmx设置的值，内存剩余超过70％，JVM就会减小堆到Xms设置的值。
所以服务器的Xmx和Xms设置一般应该设置相同避免每次GC后都要调整虚拟机堆的大小。
假设物理内存无限大，那么JVM内存的最大值跟操作系统有关，一般32位机是1.5g到3g之间，而64位的就不会有限制了。
注意：
如果Xms超过了Xmx值，或者堆最大值和非堆最大值的总和超过了物理内存或者操作系统的最大限制都会引起服务器启动不起来。
垃圾回收GC的角色，JVM调用GC的频度还是很高的，主要两种情况下进行垃圾回收：
一个是当应用程序线程空闲；另一个是java内存堆不足时，会不断调用GC，若连续回收都解决不了内存堆不足的问题时，就会报outofmemory错误。
因为这个异常根据系统运行环境决定，所以无法预期它何时出现。
根据GC的机制，程序的运行会引起系统运行环境的变化，增加GC的触发机会。
为了避免这些问题，程序的设计和编写就应避免垃圾对象的内存占用和GC的开销。
显示调用System.GC（）只能建议JVM需要在内存中对垃圾对象进行回收，但不是必须马上回收。
一个是并不能解决内存资源耗空的局面，另外也会增加GC的消耗。
如上图所示，usedheap的折线图呈峰状，说明垃圾对象及时被回收了，内存得以释放。
如果usedheap的值只增不减说明存在内存泄漏了，如果超过heapsize的值，会报内存溢出的错误。
2.2.1.4如何避免内存泄漏、溢出
1）尽早释放无用对象的引用。
好的办法是使用临时变量的时候，让引用变量在退出活动域后自动设置为null，暗示垃圾收集器来收集该对象，防止发生内存泄露。
2）程序进行字符串处理时，尽量避免使用String，而应使用StringBuffer。
因为每一个String对象都会独立占用内存一块区域，如：
1.String str = "aaa";
2.String str2 = "bbb";
3.String str3 = str + str2;
4.// 假如执行此次之后str , str2再不被调用，那么它们就会在内存中等待GC回收；
5.// 假如程序中存在过多的类似情况就会出现内存错误；
Stringstr="aaa";
Stringstr2="bbb";
Stringstr3=str+str2;
//假如执行此次之后str,str2再不被调用，那么它们就会在内存中等待GC回收；
//假如程序中存在过多的类似情况就会出现内存错误；
3）尽量少用静态变量。
因为静态变量是全局的，GC不会回收。
4）避免集中创建对象尤其是大对象，如果可以的话尽量使用流操作。
JVM会突然需要大量内存，这时会触发GC优化系统内存环境；一个案例如下：
1.// 使用jspsmartUpload作文件上传，运行过程中经常出现java.outofMemoryError的错误，
2.// 检查之后发现问题：
组件里的代码
3.m_totalBytes = m_request.getContentLength（）;
4.m_binArray = new byte[m_totalBytes];
5.// totalBytes这个变量得到的数极大，导致该数组分配了很多内存空间，而且该数组不能及时释放。
6.// 解决办法只能换一种更合适的办法，至少是不会引发outofMemoryError的方式解决。
7.// 参考：
//使用jspsmartUpload作文件上传，运行过程中经常出现java.outofMemoryError的错误，
//检查之后发现问题：
组件里的代码
m_totalBytes=m_request.getContentLength（）;
m_binArray=newbyte[m_totalBytes];
//totalBytes这个变量得到的数极大，导致该数组分配了很多内存空间，而且该数组不能及时释放。
//解决办法只能换一种更合适的办法，至少是不会引发outofMemoryError的方式解决。
//参考：
5）尽量运用对象池技术以提高系统性能。
生命周期长的对象拥有生命周期短的对象时容易引发内存泄漏，例如大集合对象拥有大数据量的业务对象的时候，可以考虑分块进行处理，然后解决一块释放一块的策略。
6）不要在经常调用的方法中创建对象，尤其是忌讳在循环中创建对象。
可以适当的使用hashtable，vector创建一组对象容器，然后从容器中去取那些对象，而不用每次new之后又丢弃。
7）优化配置。
1、 设置-Xms、-Xmx相等；
2、设置NewSize、MaxNewSize相等；
3、设置Heapsize,PermGenspace:
Tomcat的配置示例：
修改%TOMCAT_HOME%/bin/catalina.batorcatalina.sh
在“echo"UsingCATALINA_BASE:
$CATALINA_BASE"”上面加入以下行：
set JAVA_OPTS=-Xms800m -Xmx800m -XX:
PermSize=128M -XX:
MaxNewSize=256m -XX:
MaxPermSize=256m
升级会员 