線程池管理不當(dāng)：任務(wù)隊(duì)列無(wú)限增長(zhǎng)

JNI調(diào)用未釋放的本地內(nèi)存

類(lèi)加載器泄漏：如WebappClassLoader在熱部署時(shí)未釋放

三、內(nèi)存泄漏排查方法

1. JVM啟動(dòng)參數(shù)配置與GC日志分析

通過(guò)配置適當(dāng)?shù)腏VM參數(shù)，可以記錄詳細(xì)的GC日志，幫助分析內(nèi)存使用情況。

實(shí)施步驟：

添加以下JVM參數(shù)啟用GC日志：

-XX:+PrintGCDetails
-XX:+PrintGCDateStamps
-XX:+PrintGCTimeStamps
-Xloggc:/path/to/gc.log

在SpringBoot應(yīng)用中，可以在application.properties中配置：

spring.jvm.args=-XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:/path/to/gc.log

使用GCViewer等工具分析GC日志，關(guān)注以下指標(biāo)：

• Full GC頻率異常增高
• GC后內(nèi)存回收效果不明顯
• 老年代內(nèi)存持續(xù)增長(zhǎng)

示例GC日志片段分析：

2023-08-10T14:15:30.245+0800: [GC (Allocation Failure) [PSYoungGen: 786432K->9437K(917504K)] 786432K->9445K(3014656K), 0.0088311 secs]
2023-08-10T14:16:30.377+0800: [GC (Allocation Failure) [PSYoungGen: 795869K->8941K(917504K)] 795877K->23757K(3014656K), 0.0102321 secs]
2023-08-10T14:17:30.502+0800: [GC (Allocation Failure) [PSYoungGen: 795373K->10022K(917504K)] 810189K->54038K(3014656K), 0.0143901 secs]

注意觀察GC后內(nèi)存占用持續(xù)增長(zhǎng)的趨勢(shì)，這可能表明存在內(nèi)存泄漏。

2. 使用JConsole實(shí)時(shí)監(jiān)控

JConsole是JDK自帶的圖形化監(jiān)控工具，可以實(shí)時(shí)監(jiān)控JVM內(nèi)存、線程和類(lèi)加載情況。

實(shí)施步驟：

啟動(dòng)SpringBoot應(yīng)用時(shí)添加JMX參數(shù)：

-Dcom.sun.management.jmxremote
-Dcom.sun.management.jmxremote.port=9010
-Dcom.sun.management.jmxremote.authenticate=false
-Dcom.sun.management.jmxremote.ssl=false

運(yùn)行JConsole：jconsole命令或從JDK的bin目錄啟動(dòng)

連接到目標(biāo)應(yīng)用，觀察"內(nèi)存"選項(xiàng)卡，特別關(guān)注以下區(qū)域：

• 堆內(nèi)存使用趨勢(shì)（持續(xù)上升表明可能存在問(wèn)題）
• 永久代/元空間使用情況
• GC活動(dòng)頻率

在"MBeans"選項(xiàng)卡中，可以查看Spring相關(guān)的Bean信息

3. VisualVM進(jìn)行高級(jí)內(nèi)存分析

VisualVM是一個(gè)功能更強(qiáng)大的分析工具，可以生成堆轉(zhuǎn)儲(chǔ)并分析內(nèi)存使用情況。

實(shí)施步驟：

1. 下載并啟動(dòng)VisualVM（JDK 8之前自帶，之后需單獨(dú)下載）
2. 連接到目標(biāo)應(yīng)用，在"應(yīng)用程序"視圖中選擇你的應(yīng)用
3. 在"監(jiān)視"選項(xiàng)卡觀察內(nèi)存使用趨勢(shì)
4. 使用"堆轉(zhuǎn)儲(chǔ)"按鈕創(chuàng)建堆轉(zhuǎn)儲(chǔ)文件
5. 在"類(lèi)"視圖中，按實(shí)例數(shù)量排序，查找異常增多的對(duì)象
6. 檢查可疑對(duì)象的引用鏈，找出引用源

分析技巧：

• 對(duì)比多個(gè)時(shí)間點(diǎn)的堆轉(zhuǎn)儲(chǔ)，觀察哪些對(duì)象數(shù)量異常增長(zhǎng)
• 使用SQL（對(duì)象查詢(xún)語(yǔ)言）進(jìn)行高級(jí)查詢(xún)

SELECT s FROM java.util.HashMap s WHERE s.size > 1000

4. MAT(Memory Analyzer Tool)詳細(xì)堆分析

Eclipse Memory Analyzer是專(zhuān)門(mén)用于分析Java堆轉(zhuǎn)儲(chǔ)文件的工具，能夠找出潛在的內(nèi)存泄漏。

實(shí)施步驟：

獲取堆轉(zhuǎn)儲(chǔ)文件（可以使用VisualVM或jmap命令）：

jmap -dump:format=b,file=heap.hprof <PID>

使用MAT打開(kāi)堆轉(zhuǎn)儲(chǔ)文件

運(yùn)行"Leak Suspects Report"，自動(dòng)分析可能的內(nèi)存泄漏

使用"Dominator Tree"查看占用內(nèi)存最多的對(duì)象

檢查可疑對(duì)象的GC Roots和引用鏈

分析關(guān)鍵點(diǎn)：

• 關(guān)注"Retained Heap"列，它表示對(duì)象及其引用的所有對(duì)象占用的總內(nèi)存
• 使用"Path to GC Roots"查找阻止對(duì)象被回收的引用路徑
• 檢查集合類(lèi)（如HashMap、ArrayList）中的元素

5. 使用Spring Boot Actuator監(jiān)控

Spring Boot Actuator提供了豐富的監(jiān)控端點(diǎn)，可以用來(lái)監(jiān)控應(yīng)用內(nèi)存使用情況。

實(shí)施步驟：

添加Actuator依賴(lài)：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>

在application.properties中開(kāi)啟相關(guān)端點(diǎn)：

management.endpoints.web.exposure.include=health,metrics,heapdump
management.endpoint.health.show-details=always

訪問(wèn)指標(biāo)端點(diǎn)查看內(nèi)存使用情況：

• /actuator/metrics/jvm.memory.used - 查看內(nèi)存使用
• /actuator/metrics/jvm.gc.memory.promoted - 查看提升到老年代的內(nèi)存
• /actuator/heapdump - 下載堆轉(zhuǎn)儲(chǔ)文件

可以集成Prometheus和Grafana進(jìn)行長(zhǎng)期監(jiān)控和告警

示例代碼 - 自定義內(nèi)存監(jiān)控端點(diǎn)：

@Component
@Endpoint(id = "memory-status")
public class MemoryStatusEndpoint {
    
    @ReadOperation
    public Map<String, Object> memoryStatus() {
        Map<String, Object> status = new HashMap<>();
        Runtime runtime = Runtime.getRuntime();
        
        long totalMemory = runtime.totalMemory();
        long freeMemory = runtime.freeMemory();
        long maxMemory = runtime.maxMemory();
        long usedMemory = totalMemory - freeMemory;
        
        status.put("total", bytesToMB(totalMemory));
        status.put("free", bytesToMB(freeMemory));
        status.put("used", bytesToMB(usedMemory));
        status.put("max", bytesToMB(maxMemory));
        status.put("usagePercentage", usedMemory * 100.0 / maxMemory);
        
        return status;
    }
    
    private double bytesToMB(long bytes) {
        return bytes / (1024.0 * 1024.0);
    }
}

6. 使用jstack分析線程堆棧

線程相關(guān)問(wèn)題也可能導(dǎo)致內(nèi)存泄漏，如線程池使用不當(dāng)或線程持有大對(duì)象引用。

實(shí)施步驟：

使用jstack命令獲取線程轉(zhuǎn)儲(chǔ)：

jstack <PID> > thread_dump.txt

分析線程狀態(tài)，關(guān)注以下點(diǎn)：

• 大量BLOCKED狀態(tài)的線程（可能表明有死鎖）
• 線程數(shù)量異常增多（可能有線程泄漏）
• 線程堆棧深度異常（可能有遞歸或循環(huán)依賴(lài)）

結(jié)合jmap查看每個(gè)線程的內(nèi)存占用：

jmap -histo:live <PID> | head -20

分析示例：

"http-nio-8080-exec-10" #43 daemon prio=5 os_prio=0 tid=0x00007f8b5c34e800 nid=0x7f82 waiting on condition [0x00007f8a3bf7c000]
   java.lang.Thread.State: WAITING (parking)
        at sun.misc.Unsafe.park(Native Method)
        at java.util.concurrent.locks.LockSupport.park(LockSupport.java:175)
        at java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject.await(AbstractQueuedSynchronizer.java:2039)
        at java.util.concurrent.LinkedBlockingQueue.take(LinkedBlockingQueue.java:442)
        at org.apache.tomcat.util.threads.TaskQueue.take(TaskQueue.java:103)
        at org.apache.tomcat.util.threads.TaskQueue.take(TaskQueue.java:31)
        at org.apache.tomcat.util.threads.ThreadPoolExecutor.getTask(ThreadPoolExecutor.java:1074)
        at org.apache.tomcat.util.threads.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1134)
        at org.apache.tomcat.util.threads.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
        at org.apache.tomcat.util.threads.TaskThread$WrappingRunnable.run(TaskThread.java:61)
        at java.lang.Thread.run(Thread.java:748)

7. 使用YourKit等商業(yè)工具進(jìn)行全面分析

YourKit、JProfiler等商業(yè)工具提供了更全面的內(nèi)存分析功能。

實(shí)施步驟：

1. 安裝YourKit Java Profiler并配置應(yīng)用連接
2. 使用"內(nèi)存"視圖實(shí)時(shí)監(jiān)控內(nèi)存使用情況
3. 創(chuàng)建多個(gè)堆快照進(jìn)行對(duì)比分析
4. 使用"對(duì)象計(jì)數(shù)"功能查看不同類(lèi)型對(duì)象的數(shù)量變化
5. 設(shè)置對(duì)象創(chuàng)建跟蹤，找出創(chuàng)建大量對(duì)象的代碼

特別功能：

• 內(nèi)存泄漏檢測(cè)器自動(dòng)分析可能的泄漏
• 可以捕獲具體的內(nèi)存分配點(diǎn)（allocation points）
• 支持查看保留的內(nèi)存分布

8. 數(shù)據(jù)庫(kù)連接與資源泄漏檢測(cè)

數(shù)據(jù)庫(kù)連接、文件句柄等資源未正確關(guān)閉是常見(jiàn)的泄漏源。

實(shí)施步驟：

使用數(shù)據(jù)庫(kù)連接池監(jiān)控功能，如HikariCP的指標(biāo)：

spring.datasource.hikari.register-mbeans=true

通過(guò)JMX查看連接池狀態(tài)：

• 活躍連接數(shù)
• 等待連接數(shù)
• 總連接數(shù)

代碼審查，確保所有資源都在try-with-resources塊中使用：

// 正確方式
try (Connection conn = dataSource.getConnection();
     PreparedStatement ps = conn.prepareStatement("SELECT * FROM users");
     ResultSet rs = ps.executeQuery()) {
    // 處理結(jié)果集
} catch (SQLException e) {
    logger.error("Database error", e);
}

// 錯(cuò)誤方式 - 可能導(dǎo)致連接泄漏
Connection conn = null;
try {
    conn = dataSource.getConnection();
    // ...如果這里拋出異常，連接可能不會(huì)關(guān)閉
} finally {
    // 可能遺漏關(guān)閉或異常處理不當(dāng)
}

使用lsof命令檢查進(jìn)程打開(kāi)的文件句柄數(shù)：

lsof -p <PID> | wc -l

9. 使用BTrace進(jìn)行運(yùn)行時(shí)分析

BTrace是一個(gè)強(qiáng)大的Java運(yùn)行時(shí)跟蹤工具，可以在不重啟應(yīng)用的情況下動(dòng)態(tài)分析對(duì)象創(chuàng)建和方法調(diào)用。

實(shí)施步驟：

下載安裝 BTrace

編寫(xiě)B(tài)Trace腳本跟蹤可疑方法：

import org.openjdk.btrace.core.annotations.*;
import static org.openjdk.btrace.core.BTraceUtils.*;

@BTrace
public class MemoryLeakTracer {
    @OnMethod(
        clazz="com.example.service.CacheService",
        method="addToCache"
    )
    public static void traceAdd(@Self Object self, @ProbeClassName String pcn, @ProbeMethodName String pmn, Object key, Object value) {
        println("Adding to cache: " + str(key));
        println("Cache size: " + get(field(classOf("com.example.service.CacheService"), "cache", self), "size"));
    }
}

將腳本附加到運(yùn)行中的應(yīng)用：

btrace <PID> MemoryLeakTracer.java

分析輸出，尋找異常增長(zhǎng)的集合或頻繁創(chuàng)建的大對(duì)象

10. 代碼審查常見(jiàn)內(nèi)存泄漏模式

系統(tǒng)地審查代碼中的常見(jiàn)內(nèi)存泄漏模式可以有效預(yù)防問(wèn)題。

需關(guān)注的模式：

1. 靜態(tài)集合：

public class EventCollector {
    // 危險(xiǎn)：無(wú)界靜態(tài)集合
    private static final List<Event> ALL_EVENTS = new ArrayList<>();
    
    public void recordEvent(Event event) {
        ALL_EVENTS.add(event);  // 不斷增長(zhǎng)，從不清理
    }
}

2. 未關(guān)閉的資源：

public byte[] readFile(String path) throws IOException {
    FileInputStream fis = new FileInputStream(path);
    // 錯(cuò)誤：未使用try-with-resources，可能導(dǎo)致文件句柄泄漏
    ByteArrayOutputStream buffer = new ByteArrayOutputStream();
    int data;
    while ((data = fis.read()) != -1) {
        buffer.write(data);
    }
    // fis未關(guān)閉!
    return buffer.toByteArray();
}

3. 內(nèi)部類(lèi)引用：

public class Outer {
    private final byte[] largeArray = new byte[10 * 1024 * 1024];
    
    public Runnable createTask() {
        // 非靜態(tài)內(nèi)部類(lèi)持有外部類(lèi)引用，可能導(dǎo)致largeArray無(wú)法釋放
        return new Runnable() {
            @Override
            public void run() {
                System.out.println("Task running");
            }
        };
    }
}

4. 緩存使用不當(dāng)：

@Service
public class ProductService {
    // 不限大小的緩存，沒(méi)有過(guò)期策略
    private final Map<String, Product> productCache = new HashMap<>();
    
    public Product getProduct(String id) {
        if (!productCache.containsKey(id)) {
            Product product = repository.findById(id);
            productCache.put(id, product);  // 持續(xù)增長(zhǎng)
        }
        return productCache.get(id);
    }
}

5. 線程池配置不當(dāng)：

// 無(wú)界隊(duì)列可能導(dǎo)致內(nèi)存溢出
ExecutorService executor = new ThreadPoolExecutor(
    10, 10, 0L, TimeUnit.MILLISECONDS,
    new LinkedBlockingQueue<Runnable>()  // 無(wú)界隊(duì)列
);

11. 壓力測(cè)試暴露內(nèi)存問(wèn)題

通過(guò)壓力測(cè)試可以更快地暴露內(nèi)存泄漏問(wèn)題。

實(shí)施步驟：

1. 使用JMeter或Gatling創(chuàng)建測(cè)試腳本，模擬真實(shí)業(yè)務(wù)場(chǎng)景
2. 設(shè)置循環(huán)執(zhí)行測(cè)試用例，持續(xù)觀察內(nèi)存使用趨勢(shì)
3. 監(jiān)控GC活動(dòng)和內(nèi)存分配情況
4. 增加負(fù)載直到發(fā)現(xiàn)異常內(nèi)存增長(zhǎng)
5. 獲取堆轉(zhuǎn)儲(chǔ)進(jìn)行分析

壓測(cè)注意事項(xiàng)：

• 逐步增加并發(fā)用戶數(shù)，避免立即施加高負(fù)載
• 測(cè)試周期應(yīng)足夠長(zhǎng)，某些內(nèi)存泄漏可能需要長(zhǎng)時(shí)間積累才顯現(xiàn)
• 關(guān)注不同業(yè)務(wù)場(chǎng)景的內(nèi)存使用差異
• 每次測(cè)試前重啟應(yīng)用，確?；€一致

五、預(yù)防內(nèi)存泄漏的最佳實(shí)踐

1. 集合類(lèi)使用注意事項(xiàng)

• 優(yōu)先使用有界集合，如ArrayBlockingQueue而非無(wú)界的LinkedBlockingQueue
• 使用WeakHashMap存儲(chǔ)可緩存但不必須的對(duì)象
• 定期檢查和清理長(zhǎng)期存活的集合

2. 資源管理規(guī)范

• 始終使用try-with-resources關(guān)閉IO資源
• 實(shí)現(xiàn)AutoCloseable接口并在@PreDestroy方法中清理資源
• 使用連接池監(jiān)控功能，設(shè)置合理的最大連接數(shù)和超時(shí)時(shí)間

3. 緩存使用策略

• 使用專(zhuān)業(yè)緩存框架如Caffeine或Ehcache，而非自定義Map
• 設(shè)置適當(dāng)?shù)木彺娲笮∩舷藓瓦^(guò)期策略
• 考慮使用弱引用或軟引用緩存非關(guān)鍵數(shù)據(jù)

4. 開(kāi)發(fā)階段內(nèi)存檢測(cè)

• 在開(kāi)發(fā)和測(cè)試環(huán)境使用較小的堆內(nèi)存，更快暴露問(wèn)題
• 編寫(xiě)單元測(cè)試驗(yàn)證資源釋放
• 使用FindBugs或SpotBugs等靜態(tài)分析工具檢測(cè)潛在問(wèn)題

5. 生產(chǎn)環(huán)境監(jiān)控策略

• 配置內(nèi)存使用告警
• 定期采集和分析GC日志
• 自動(dòng)化生成周期性堆轉(zhuǎn)儲(chǔ)并分析

六、總結(jié)

內(nèi)存泄漏問(wèn)題是Java應(yīng)用尤其是長(zhǎng)期運(yùn)行的SpringBoot應(yīng)用面臨的常見(jiàn)挑戰(zhàn)。在實(shí)際應(yīng)用中，通常需要結(jié)合多種方法進(jìn)行綜合分析，才能準(zhǔn)確找出問(wèn)題根源。

同時(shí)，完善的監(jiān)控體系也能幫助我們及早發(fā)現(xiàn)并解決潛在問(wèn)題，確保應(yīng)用的長(zhǎng)期穩(wěn)定運(yùn)行。

以上就是SpringBoot中排查內(nèi)存泄漏的方法小結(jié)的詳細(xì)內(nèi)容，更多關(guān)于SpringBoot內(nèi)存泄漏排查的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！