1、问题背景
深夜，小菜同学突然被一阵急促的报警声吵醒，原来是手机收到了一连串关于容器内存使用率过高的报警信息。赶紧打开电脑查看服务器状态，发现容器内存使用率持续高达99%，下面把排查的过程和分析记录下来，以供大家参考。
2、问题现象
接收到系统的报警后，小菜同学立即检查了容器状态，观察到以下现象：
JVM堆内存使用率正常，在50%左右波动，在凌晨1点的时候年轻代使用无明显波动，老年代使用有直线上涨，但是执行了一次Full GC（也可能是Major GC）后恢复了正常。容器内存使用率在凌晨1点的时候有一个直线的上涨，并且随后一直保持在上涨后的水平。
服务使用的配置如下：
主要启动参数：-Xms4g -Xmx4g -Xmn2g -XX:+UseG1GC -XX:G1HeapRegionSize=8m -XX:G1ReservePercent=15 -XX:InitiatingHeapOccupancyPercent=50
容器配置：4C5G
3、定位原因
虽然容器内存已经使用了99%，但是JVM堆使用率在经过一次Full GC后已经降到了50%之后，所以并没有立马重启服务，还是先来看看造成Full GC的原因。
鉴于堆使用率已经恢复正常，查看当时的内存快照意义不大，因此决定首先从观察到的现象入手。因为凌晨1点的时候系统的流量不会很大，所以大概率是因为定时任务造成了，先排查报警服务凌晨1点执行的定时任务。幸运的是调度平台当时只有一个定时任务在执行，立马查看对应的逻辑，发现了以下代码片段中潜在的问题（简化之后）：
public void job() {
// ... do business
int pageSize = 500;
while ( xxx ) {
// 每次查询500个订单
List<String> orderNoList = orderService.getOrderPage(pageSize);
// 查询500个订单对应的账单
List<OrderBill> orderBills = billService.findByOrderNos(orderNoList);
// ... do business
}
// ... do business
}由于大部分订单包含12至24期账单，导致此处的orderBills在平均情况下含有数千至数万条数据。经过粗略估算，这些对象的总大小大约为5MB左右。
看启动参数中G1HeapRegionSize=8m，代表每个Region的大小为8M，G1 GC会将大于Region一半大小的对象直接分配到老年代。所以orderBills对象会被直接分配到老年代，这也和在凌晨1点的时候年轻代使用无明显波动，老年代使用有直线上涨的现象相符合。在后续的循环中，由于垃圾收集器清理的速度赶不上内存分配的速度，导致垃圾逐渐积累并最终填满整个堆空间，触发了Full GC。
不过小菜同学有点疑惑为什么GC之后容器的内存还是一直居高不下呢？
经过一番查阅资料，原来JVM启动时并不会立即实际占用全部Xms指定的内存。Xms参数指定的是堆的初始大小，JVM会按照这个值预留内存空间，但实际上只有在需要时才会逐渐使用这些预留的内存。
JVM在完成内存释放后，是否将释放的内存返回给操作系统，这一行为取决于具体的JVM实现及其采用的垃圾回收策略。在很多情况下，JVM在进行垃圾收集并释放了堆内存之后，并不会立即将这部分内存归还给操作系统。相反，它会保留这部分内存以备将来Java应用程序的使用，因为从操作系统重新申请内存通常会比从JVM内部管理的内存分配更为昂贵（时间成本上）。所以一般程序还会将Xms和Xmx配置为相等的大小，避免频繁申请和释放内存造成的性能开销。
上面两个问题找到原因了，小菜同学决定在本地复现一下进行验证。
新建一个memorytest项目，写一个方法模拟内存分配：
/**
* 模拟内存分配
* @param num 循环次数
* @param size 每次分配几MB的数据
*/
@RequestMapping("/memory/add/{num}/{size}")
public String add(@PathVariable("num") Integer num, @PathVariable("size") Integer size) {
for (int i = 0; i < num; i++) {
// 模拟查询出来的大对象
byte[] allocation = new byte[size * 1024 * 1024];
}
return "";
}用以下命令启动：
java -Xms2g -Xmx2g -Xmn1g -XX:+UseG1GC -XX:G1HeapRegionSize=8m -XX:G1ReservePercent=15 -XX:InitiatingHeapOccupancyPercent=50 -jar memorytest-0.0.1-SNAPSHOT.jar使用Jdk自带的命令查询JVM内存分配情况，先使用jps -l查询进程ID:
jps -l
16988 sun.tools.jps.Jps
9068 memorytest-0.0.1-SNAPSHOT.jar使用jmap -heap <pid>查询堆内存分配：
jmap -heap 9068
Heap Usage:
G1 Heap:
regions = 256
capacity = 2147483648 (2048.0MB)
used = 230686720 (220.0MB)
free = 1916796928 (1828.0MB)
10.7421875% used
G1 Young Generation:
Eden Space:
regions = 26
capacity = 1115684864 (1064.0MB)
used = 218103808 (208.0MB)
free = 897581056 (856.0MB)
19.548872180451127% used
Survivor Space:
regions = 2
capacity = 16777216 (16.0MB)
used = 16777216 (16.0MB)
free = 0 (0.0MB)
100.0% used
G1 Old Generation:
regions = 0
capacity = 1015021568 (968.0MB)
used = 0 (0.0MB)
free = 1015021568 (968.0MB)
0.0% used使用jstat -gcutil <pid> <interval[s|ms]> 1秒1次监控堆内存使用和GC情况（也可以使用jconsole可视化处理工具来查看内存的使用情况）：
jstat -gcutil 9068 1000
S0 S1 E O M CCS YGC YGCT FGC FGCT GCT
0.00 100.00 21.80 0.00 94.17 88.38 1 0.023 0 0.000 0.023该命令返回的主要的参数的意义：S0：Survivor space 0区的使用率。S1：Survivor space 1区的使用率。E：Eden区的使用率。O：Old区（老年代）的使用率。YGC：年轻代垃圾收集事件的次数。YGCT：年轻代垃圾收集所耗费的时间（秒）。FGC：Full GC（全堆垃圾收集）事件的次数。FGCT：Full GC所耗费的时间（秒）。GCT：垃圾收集所耗费的总时间（秒）。
此时使用ps aux --sort -rss查看Java进程占用的本机内存才370MB左右，并没有直接占用Xms设置的2g。
ps aux --sort -rss
USER PID %CPU %MEM VSZ RSS TTY STAT START TIME COMMAND
root 9068 5.4 9.9 4718036 374536 pts/1 Sl+ 15:10 0:09 java -Xms2g -Xmx2g -Xmn1g -XX:+UseG1GC -XX:G1HeapRegionSize=8m -XX:G1ReservePercent=15 -XX:InitiatingHeapOccupancyPercent=50 -jar memorytest-0.0.1-SNAPSHOT.jar该命令返回的主要的参数的意义：PID: 进程ID。%CPU: 进程使用的CPU百分比。%MEM: 进程使用的物理内存百分比。RSS: 进程当前占用的物理内存大小，单位通常是KB。COMMAND: 启动进程的命令行命令。
开始模拟业务分配内存，为了方便观察直接循环100000次，每次分配5MB空间：
http://127.0.0.1:8080/memory/add/100000/5jstat此时监控到内存情况：
S0 S1 E O M CCS YGC YGCT FGC FGCT GCT
0.00 100.00 24.81 0.00 94.17 88.38 1 0.023 0 0.000 0.023
0.00 0.00 1.48 61.36 93.38 89.74 12 0.192 0 0.000 0.192
0.00 100.00 1.49 86.37 92.74 89.74 33 0.294 0 0.000 0.294
0.00 0.00 2.27 99.41 92.74 89.74 56 0.395 0 0.000 0.395
0.00 0.00 2.15 99.55 92.75 89.74 84 0.522 0 0.000 0.522
0.00 0.00 1.94 99.77 92.20 89.00 119 0.663 0 0.000 0.663
0.00 0.00 4.00 99.71 92.21 89.01 169 0.834 0 0.000 0.834
0.00 100.00 0.75 21.43 92.22 89.01 232 0.998 1 0.051 1.049
0.00 100.00 0.84 99.68 92.22 89.01 252 1.025 1 0.051 1.077
0.00 100.00 0.88 99.87 92.25 89.01 274 1.064 1 0.051 1.115
0.00 0.00 1.48 70.73 92.25 89.01 299 1.110 1 0.051 1.161
0.00 0.00 1.48 75.90 92.25 89.01 327 1.168 1 0.051 1.219
0.00 0.00 1.77 99.81 92.25 89.01 361 1.239 1 0.051 1.290
0.00 0.00 2.41 99.92 92.27 89.01 409 1.340 1 0.051 1.392此时可以看到对象都直接分配到了老年代，年轻代的内存使用没有多大的变化，并且当YGC（Young Generation Garbage Collection，年轻代垃圾回收）来不及回收时就会发生FGC（Full Garbage Collection，全堆垃圾回收）。
此时再使用ps aux --sort -rss查看Java进程占用的本机内存已经到了2G了，并且在方法执行完成后（也包括FGC后）也没有释放此内存。
ps aux --sort -rss
USER PID %CPU %MEM VSZ RSS TTY STAT START TIME COMMAND
root 9068 77.1 60.4 4720084 2043996 pts/1 Sl+ 15:10 6:03 java -Xms2g -Xmx2g -Xmn1g -XX:+UseG1GC -XX:G1HeapRegionSize=8m -XX:G1ReservePercent=15 -XX:InitiatingHeapOccupancyPercent=50 -jar memorytest-0.0.1-SNAPSHOT.jar再模拟一次业务分配内存，为了方便观察直接循环100000次，这次每次分配2MB空间：
http://127.0.0.1:8080/memory/add/100000/2jstat此时监控到内存情况：
S0 S1 E O M CCS YGC YGCT FGC FGCT GCT
0.00 100.00 15.04 0.00 94.14 88.45 1 0.027 0 0.000 0.027
0.00 100.00 15.04 0.00 94.14 88.45 1 0.027 0 0.000 0.027
0.00 100.00 93.18 0.00 93.15 89.36 2 0.043 0 0.000 0.043
0.00 100.00 51.49 0.66 93.15 89.36 22 0.146 0 0.000 0.146
0.00 0.00 68.15 1.48 93.15 89.36 44 0.167 0 0.000 0.167
0.00 0.00 81.48 1.48 93.15 89.36 66 0.186 0 0.000 0.186
0.00 0.00 16.30 1.48 93.15 89.36 89 0.207 0 0.000 0.207
0.00 0.00 58.52 1.48 93.15 89.36 111 0.226 0 0.000 0.226
0.00 0.00 4.44 1.48 93.16 89.36 134 0.246 0 0.000 0.246
0.00 100.00 50.00 0.66 93.16 89.36 156 0.265 0 0.000 0.265
0.00 0.00 88.15 1.49 93.16 89.36 178 0.284 0 0.000 0.284
0.00 0.00 41.48 1.49 93.16 89.36 201 0.305 0 0.000 0.305
0.00 0.00 87.41 1.49 93.16 89.36 223 0.324 0 0.000 0.324
0.00 0.00 27.41 1.49 93.17 89.36 246 0.344 0 0.000 0.344
0.00 0.00 89.63 1.49 93.17 89.36 263 0.358 0 0.000 0.358
0.00 0.00 89.63 1.49 93.17 89.36 263 0.358 0 0.000 0.358此时很明显可以看到对象都直接分配到了年轻代，年轻代的回收效率也比老年代高，并且没有产生FGC。
再结合本次报警的现象，解决办法也呼之欲出：
通过减少查询返回的数据量，避免大对象直接分配至老年代。调整Region大小，较大的Region可以提高大对象分配的效率，同时可能会导致GC停顿时间变长，较小的Region可能意味着更短的停顿时间，但是会增加维护开销，可能导致更高的CPU使用率。所以需要通过监控工具（如JConsole、VisualVM等）观察不同Region大小设置下的GC表现和应用吞吐量，以找到最佳平衡点。
4、问题小结
JVM内存问题可能不常有，但是一旦发生可能对我们系统造成极大的影响，此次内存飙升也给我们敲响了警钟，发现了我们在这边注重的不够，很多监控和日志并不完整，如启动参数中没有加上发生OOM时自动dump文件的参数等。好在此次服务未受到影响，所有有足够的时候给我们去排查和验证。特此结合此次排查的过程的一些收获记录一下，假设下次还有发生可以有所参考：
如果对业务产生了影响，服务不可用或者进程直接没有了，首先需要快速止损，包括熔断、重启、手动GC等方式。但是操作前需要先dump出内存快照方便问题排查，命令如下：
#jmap命令保存整个Java堆（在你dump的时间不是事故发生点的时候尤其推荐）
jmap -dump:format=b，file=heap.bin <pid>
#jmap命令只保存Java堆中的存活对象， 包含live选项，会在堆转储前执行一次Full GC
jmap -dump:live，format=b，file=heap.bin <pid>
#jcmd命令保存整个Java堆，Jdk1.7后有效
jcmd <pid> GC.heap_dump filename=heap.bin还有在启动参数中添加发生OOM时自动生成heapdump的参数:-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/tmp/heap.bin启动参数中添加GC日志打印相关的参数：
# Java8及以下
-XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:<path>
# Java9及以上
-Xlog:gc*:<path>:time如果对业务无影响，可以先观察现象进行排查。如果是近期有业务增加，则可以考虑是否需要扩容，如果是周期性的表现，则可以排查定时任务。对导出的内存快照文件使用MAT等工具进行分析，一般会比较直观的看到当前堆内情况。如果服务还可用，也可以使用命令进行排查，Jdk本身也已经提供非常多轻量的小工具，主要用于监视虚拟机运行状态和进行故障处理，常用的如下（还有一些第三方的工具也很好用，如arthas等）：
jstat -gcutil <pid> ：监视Java堆状况，主要关注已使用空间的百分比和GC情况
jmap -heap <pid> ：显示Java堆详细信息
jmap -histo[:live] <pid> ：显示堆中对象统计信息：快速识别哪些类的实例占用了大量的堆内存如果是栈溢出，抛出StackOverflowError异常，需要着重检查是否有死循环或者代码调用链路不合理。还有可能是堆外内存泄露（元空间、直接内存等），此情况一般较少发生，排查起来也更加复杂，小菜同学对于这部分的实操有限，这里就不详细分析了，还需要继续学习。
5、总结
面对内存使用率的异常，我们不仅要关注即时的解决方案，还需要考虑如何从根本上避免此类问题的再次发生。如使用优化数据结构、减少不必要的计算、采用懒加载等策略，以及建立细致的内存监控体系等。性能优化不应该仅仅是面对问题时的临时行动，而应该成为开发文化的一部分。
