知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 08 - JVM 性能监控与诊断 > 导读:一句话结论:JVM 排障的顺序必须是"先低影响取证 → 再定位 → 最后最小变更",任何 attach、线程栈、直方图、heap dump 与 Arthas 动态操作都可能带来 STW、I/O、磁盘、权限与敏感数据风险,评估清楚才开始,才谈得上在生产风险可控的前提下形成证据闭环。适合需要对线上 JVM 排查 CPU/内存问题、但不想一次 `dump` 搞乱现场、也不想把生产数据外发的开发者。 ## 开始之前:先取证,而不是先 dump ### 为什么第一步不是立刻 dump 结论先行:一次高内存、一次慢请求或一次 dump 都不能单独证明根因,先动手 dump 反而可能用高风险操作干扰现场、或让你误判问题方向。正确的开始是**先保留可关联的时间窗和低影响证据**:先记录业务时间窗、请求错误率和延迟、容器 CPU 与限额、RSS、GC 事件等外部现象,再按影响从低到高补齐 JVM 侧的证据。 取证动作本身也要先验证:建议先在压测环境或副本上演练。所有 attach、线程栈、类直方图和 heap dump 都可能触发 safepoint 或额外 GC、影响延迟;dump 还会占用磁盘和 I/O,并且堆里可能含有业务对象、令牌、个人信息或密钥。执行前要确认目标权限、可用磁盘、加密与访问控制、留存/删除策略,并避免把原始 dump 上传到不受控的服务。 ### JDK 9+ 的工具链:jcmd、JFR 与统一日志 结论:对受支持的 JDK 9+,优先使用 `jcmd`、JFR(Java Flight Recorder)和 unified logging(统一日志)这条现代工具链;但命令及其参数会随 JDK 发行版变化,**必须先发现目标进程并用 `help` 确认支持面**。`jcmd` 通过 Attach API 与目标 JVM 通信,通常要求相同的 OS 用户,并可能受容器 PID 命名空间、`/tmp`、安全策略或目标 JVM 状态影响。先查询目标 JVM 与其支持的命令: ```bash jcmd -l jcmd <pid> help jcmd <pid> VM.version jcmd <pid> VM.flags jcmd <pid> GC.heap_info jcmd <pid> GC.class_histogram jcmd <pid> Thread.print -l ``` GC 日志是事后分析的基础证据,JDK 9+ 推荐在启动时即记录: ```bash -Xlog:gc*,gc+heap=info:file=/data/logs/gc.log:time,uptime,level,tags:filecount=5,filesize=20m ``` 如需在运行时调整统一日志,先检查语法;支持时临时缩小范围并提高日志级别。提高级别本身会增加开销,因此生产环境必须限定时间和范围: ```bash jcmd <pid> help VM.log jcmd <pid> VM.log output=stdout what='gc*=info' ``` JFR 是低开销、可持续采集的现代选择。下面的短时录制用于把 JVM 事件与故障时间窗关联起来,开始后可随时检查状态: ```bash jcmd <pid> JFR.start name=incident settings=profile filename=/data/recordings/incident.jfr duration=5m jcmd <pid> JFR.check ``` ## 按影响分级:线程、类与堆的证据怎么取 ### 从低影响到高影响采集,jcmd 是优先入口 结论:先采集可重复、影响低的线程栈和类直方图,只有在证据指向对象持有问题、且容量与权限允许时,再采集 heap dump。`jcmd` 是优先入口;旧工具(`jps`/`jstat`/`jstack`/`jmap`)仅用于兼容场景,并会受 JDK、平台和 attach 权限限制。 ```bash # 优先:jcmd(JDK 7+;具体命令请以 help 为准) jcmd <pid> GC.class_histogram jcmd <pid> GC.heap_dump /secure/path/heap.hprof jcmd <pid> Thread.print -l # 旧工具仍可用于兼容场景;JDK、平台与 attach 权限会限制可用性 jps -lv jstat -gcutil <pid> 1000 10 jstack -l <pid> jmap -histo <pid> jmap -dump:format=b,file=/secure/path/heap.hprof <pid> ``` 几点需要澄清的边界:`jstat` 的分代列主要服务传统分代视图,面对 Region 化(如 G1)或并发收集器(如 ZGC、Shenandoah)时应结合 GC 日志、`jcmd` 与 JFR 一起判断,不能只凭一个 `FGC` 数字下结论。现代模块化 JDK、不同操作系统或容器中,`jps`、`jmap`、`jstack` 可能缺失、受限或无法 attach;`jstack -F` 属于平台相关的强制路径,不应作为常规线上手段。 ### 哪些采集动作有 STW、I/O 或敏感数据风险 结论:所有 attach、线程栈、直方图和 dump 都应视为有现场影响;其中 **live histogram 与 live dump 的风险更高**。`jmap -histo:live` 与 `jmap -dump:live` 会请求只保留存活对象,通常导致一次 Full GC/STW;普通 histogram 与 heap dump 也可能带来显著的 safepoint、I/O 和磁盘压力。 因此执行前先检查 `df`、目录权限和容量,优先在副本上操作,并把产物写入受控目录。即使启用 OOM 时自动保留证据,也要为容量与敏感数据治理负责: ```bash -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/secure/diagnostics/ ``` ### jinfo 与旧式 GC 日志:明确边界再用 `jinfo` 可以服务旧工作流查看部分选项,但**不能假定任意 flag 都能动态修改**——只有 JVM 标记为 **manageable** 的标志才可在运行时修改;尤其不要假设 `PrintGCDetails` 能通过 `jinfo` 动态开关,它属于旧日志体系的启动选项/诊断选项,运行时修改没有通用、可靠的支持。 因此 JDK 9+ 应在启动时配置 `-Xlog`,或先执行 `jcmd <pid> help VM.log` 确认后,再通过 `VM.log` 临时调整。这样既保留了版本边界,也避免把旧式操作迁移为线上默认步骤。 ## 在工具与外部服务之间划清边界 ### Arthas:受控诊断,而不是绕开流程的通道 Arthas 适合受控的线上诊断:用有限次数的线程、调用观察或 trace 来补充 JVM 证据;它不是绕开权限和变更流程的调试通道。以下命令应仅由授权人员在最小权限和审计下使用,并限制次数和对象展开深度: ```bash thread -n 3 thread -b watch com.example.Service process '{params, returnObj, throwExp}' -x 2 -n 5 trace com.example.Service process -n 5 ognl '@java.lang.System@getProperty("java.version")' ``` 需要特别警惕的是 `ognl`:它能执行任意表达式并访问目标 JVM,可能读取敏感信息、调用有副作用的方法或消耗资源。`redefine /path/ToClass.class` 会替换已加载的类定义,存在行为变化、兼容性和回滚风险,通常也不支持任意结构性改动;只有在预发验证、已备份原 class、具备回滚与变更审批时才能使用。Arthas 的 `heapdump` 同样受前述 STW、磁盘、权限和敏感数据限制约束。 ### 离线与在线分析工具:什么数据不能直接外发 结论:优先用本地或内网工具分析受控数据;没有明确批准时,不要把生产 GC 日志或 heap dump 上传到第三方。具体工具边界如下:VisualVM 在 JDK 8 曾随部分 JDK 一起发布,JDK 9+ 通常需要单独安装;Eclipse MAT 可离线分析 heap dump 的 Histogram、Dominator Tree 和 Leak Suspects;GCViewer 可辅助阅读 GC 日志。 像 GCEasy 这类在线服务,本质是把潜在敏感数据发送到第三方。生产数据必须先遵循公司安全流程,完成脱敏、审批、加密传输与留存控制;"上传了"不等于"诊断是安全的"。 ## CPU 与内存增长的证据闭环 ### CPU 或延迟突增:从现象走到可验证的修复 完整闭环是:保存业务时间窗与容器 CPU/限额 → 连续采集多份 `jcmd <pid> Thread.print -l` 或短时 JFR → 关联高 CPU 线程、请求、锁竞争和 GC 暂停 → 在压测中复现后修复热点/阻塞 → 用相同负载验证延迟、CPU 和错误率。 这里的关键不是找到"看起来最忙"的一次栈,而是让**连续样本、请求与 GC 事件支持同一个假设**;否则修复后你无法区分是变更生效,还是现场偶然恢复。 ### 内存持续增长:证明是泄漏,而不是一次性波动 结论:判断泄漏要看"完整回收后的存活集趋势"和对象持有链,一次高内存或一次 dump 不能直接等同于泄漏。可执行的闭环是:确认 Full/Old 回收后存活集仍在上升 → 在容量与权限允许时,采集相隔一个业务周期的 heap dump 或 histogram → 在 MAT 中对比 dominator 与引用链 → 修复持有路径 → 用相同工作负载验证存活集和 RSS 不再单调增长。 若证据不足,先延长观测时间并保持采集影响可控;若确实需要 dump,继续遵守受控目录、加密、权限和留存删除要求。 ## 小结与自测 把排障顺序记成一句话:JDK 9+ 默认以 `jcmd`、JFR 和统一日志取证;对每一次 attach、live histogram、dump 与 Arthas 动态操作,都先评估 STW、I/O、磁盘、权限和敏感数据风险;先收集多维证据,再做最小变更,并用同类负载复测。 可以用下面两个问题检验自己的判断: 1. 为什么一次 `jmap -dump:live` 不应是线上排查的第一步? 2. 如何在不把生产数据外传的前提下完成 GC 日志分析? 如果答案能同时覆盖证据不足、STW/I/O、容量与数据治理这几条边界,就说明你已经形成一套可执行的排障思路。 --- 上一篇:[07 - 字节码与执行引擎](./07-bytecode-execution.md) | 下一篇:[09 - JVM 调优实战](./09-tuning-practice.md)
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入