简介:面向 Java 内存问题排查场景的 MAT(Memory Analyzer Tool)工具包,适合需要解析 hprof 堆转储的开发者、测试与运维人员使用。它围绕内存泄漏定位、对象占用核算与生命周期追踪展开,可借助支配树、Leak Suspects 报告、Heavy Hitters 视图及 OQL 查询,把堆内对象与引用关系整理成可读视图,帮助判断哪些类、静态字段或单例造成异常占用。压缩包共 2000 个文件,约 75.44MB,以 html 帮助文档和 css 样式页面为主体,配合 jar 插件、png 与 gif 图标、xml 配置及 properties 等元数据,另含 hprof 示例与 class 文件,便于离线查阅手册并验证分析流程。已有 6621 人学习下载。对于希望从堆快照入手理解 Shallow Heap 与 Retained Heap 差异、逐步建立排错思路的读者,这份资料提供了较完整的工具与文档组合,可用于日常内存诊断练习。
1. 从一次 Full GC 之后的卡顿说起:MAT 与 hprof 各自管哪一段
线上服务老年代冲到 98%,Full GC 从半小时一次变成两分钟一次,每次停三秒,日志里躺着一条内存溢出异常,堆栈指向某个批量查询方法——照着改完确实好了两天,内存曲线又慢慢爬回原点。堆栈只能告诉你“最后压垮它的那一下在哪”,回答不了“谁一直占着不放”。要回答后一个问题,手上得有 hprof 文件,它是某一时刻全部对象、类、线程栈和引用关系的快照;MAT 这个老牌堆分析器干的就是把快照翻开,不做采样、不挂 agent,只对静态数据做可达性计算,算出每个对象的自身开销和被它牵连住的内存总量。被内存溢出追着跑的 Java 后端、需要离线复盘现场的值班同学、判断“到底是缓存没管住还是类加载器没释放”的中间件维护者,都用得上它。
2. 先有 dump 再谈分析:hprof 的三种拿法与打开前的内存配置
拿到一份能分析的 hprof,比分析本身更容易翻车。很多“MAT 打不开”的问题,根子在生成阶段就埋下了:有的 dump 是 live 模式触发过一次 Full GC 才写盘的,线上直接执行会把一次小抖动放大成一次停顿;有的是容器里写的,文件落在临时层,Pod 一重启就没了;还有的是新版 JDK 生成、MAT 自带运行时版本偏低,解析器直接报 HPROF 版本不认识。这一章把生成、启动、裁剪三个环节拆开。
2.1 三种 dump 触发方式,代价差别很大
手动抓、溢出自动抓、Full GC 前后抓,这三种的适用场景完全不同。手动抓适合现场还在、能连上进程的时候;溢出自动抓适合不可复现的偶发问题,代价是要提前挂参数并接受一次写盘;Full GC 前后抓适合盯“某次 GC 之后内存没降下去”的病态增长,但它会在每次 Full GC 前都写一份文件,磁盘和 IO 压力很大,生产上基本只在临时排障窗口开。
# 方式一:手动抓。live 表示只 dump 存活对象,代价是会先触发一次 Full GC # 先用 jstat 看一眼老年代水位,确认这次停顿可以接受再执行 jstat -gcutil 12345 1000 5 jmap -dump:live,format=b,file=/data/dump/heap-$(date +%Y%m%d%H%M).hprof 12345 # 方式二:jcmd 等价写法,JDK 7u4 之后都可用,容器里更推荐这条 jcmd 12345 GC.heap_dump /data/dump/heap.hprof # 方式三:提前挂参数,让进程自己在溢出时落盘 # -XX:+HeapDumpOnOutOfMemoryError 是开关,-XX:HeapDumpPath 必须指向有空间的挂载盘 java -Xms4g -Xmx4g \ -XX:+HeapDumpOnOutOfMemoryError \ -XX:HeapDumpPath=/data/dump \ -jar app.jarformat=b表示二进制格式,不加这个参数在老版本上会写出文本格式,MAT 也能读但体积大得多。live这个开关是血泪经验的分水岭:带上它,抓之前先 GC 一次,文件里只有活对象,体积小、分析干净,但那一次 Full GC 的停顿要算在你的账上;不带它,文件里会混进大量已经死掉但还没被回收的对象,MAT 打开时默认会提示“discard unreachable objects”,选错了就会把真正的泄漏对象当成垃圾丢掉。HeapDumpPath指向的目录一定要确认剩余空间够,经验值是堆上限的 1.2 倍左右,容器里尤其容易踩到临时存储层的配额上限。
还有一种容易被忽略的触发参数:-XX:+HeapDumpBeforeFullGC和-XX:+HeapDumpAfterFullGC。它们适合做前后对照,看一次 GC 到底释放了哪批对象,但会连续产出多份文件,务必配合脚本定期清理,否则磁盘先满。
2.2 MAT 的启动参数:堆给不够,一切白搭
MAT 默认的启动内存往往只有 1G 上下,而解析一份 4G 的 dump 光索引结构就要吃掉不少。表现是打开到一半进度条卡死,或者直接弹一个内存不足的对话框。改法在安装目录下的配置文件里,直接调大堆上限,顺便确认用的是 64 位运行时。
# MemoryAnalyzer.ini 关键几行,数值按机器内存和 dump 大小调 -startup plugins/org.eclipse.equinox.launcher_xxx.jar --launcher.library plugins/org.eclipse.equinox.launcher.xxx -vm /opt/jdk17/bin/java -vmargs -Xmx8g -XX:+UseG1GC -Dorg.eclipse.mat.parser.maxMemory=80-Xmx的建议值是 dump 文件大小的 1~1.5 倍,8G 的 dump 配 8G 到 12G 的 MAT 堆;机器内存不够就只能走裁剪路线,硬扛会拖到系统换页,界面卡成幻灯片。-vm这一段最容易被跳过:MAT 内置的运行时版本有时比被测进程低,遇到高版本 JDK 生成的 dump 会报 HPROF 版本不识别,显式指到高版本 JDK 的bin/java就能解决,注意-vm必须写在-vmargs之前。最后那个maxMemory属性是解析器的软限制,给它留出余量,别和-Xmx顶死。
还有个小代价要提前知道:MAT 第一次打开 dump 时会生成同名索引文件(.index),这一步很慢,几 G 的文件等上十几分钟是常态。第二次打开就快得多,所以别在第一次卡住的时候反复强杀进程,索引写坏之后下次还得重来。
2.3 大文件打不开时的裁剪顺序
真遇到“机器内存装不下这份 dump”,按下面这个顺序退让,从代价小到大:
| 顺序 | 手段 | 操作位置 | 代价 |
|---|---|---|---|
| 1 | 压缩后直接打开 | 把 hprof 打成 gz,MAT 支持直接读 | 无,只是加载慢一点 |
| 2 | 丢弃不可达对象 | 打开对话框里勾选保留策略 | 丢失已死对象,泄漏分析不受影响 |
| 3 | 加大 MAT 堆 | 改 ini 的-Xmx | 受机器物理内存限制 |
| 4 | 导出子集 | 分析后用导出功能另存为较小的 dump | 只能离线做二次分析 |
多数情况走到第 2 步就够了。真正要警惕的是第 2 步的反面:如果你怀疑的是“对象被意外持有”,那就不能丢弃不可达对象,否则证据链会被一起清掉。判断标准很简单——查泄漏看可达对象,查内存浪费(重复字符串、空集合、过大数组)可以丢。
3. 四个视图读下来:Histogram 到 Path to GC Roots 的推理路径
MAT 打开一份 dump 会给你一堆视图,新手最容易犯的错是挨个点一遍然后什么结论都没有。合理的路径是固定的四步:先看 Histogram 找异常类,再进 Dominator Tree 看谁真正占着,接着用 Leak Suspects 拿线索,最后用 Path to GC Roots 验证引用链是否成立。每一步的输出都是下一步的输入,顺序反了就会绕圈。
3.1 Histogram 的两列数字,Shallow 和 Retained 不是一回事
Histogram 按类聚合,每行两列:Shallow Heap 是这个类的所有实例自身占的字节数,Retained Heap 是“把这些实例全回收掉能释放多少”。前者看对象自身多大,后者看它牵连了多少。
java.lang.String的 Shallow 通常只有几十兆,看起来很无辜;但如果它被几十万个 Map 节点引用、每个节点还挂着一个大数组,Retained 那一列能到几个 G。反过来,某个业务类的实例只有 200 个,Shallow 完全不起眼,Retained 却是全表最高——这通常意味着它是某个缓存的根节点。所以扫 Histogram 的正确姿势是:先按 Retained 降序排一次,再按实例数量降序排一次,两个榜单的前十名交叉看。只按对象数排序,会把大量小对象顶上来,白白浪费注意力。
有一个细节:Retained 是精确计算的,不是估的,代价是首次点击那一列会卡一阵。别在卡的时候以为程序挂了。
3.2 Dominator Tree 的百分比基准,决定了你误判的方向
支配树回答的是“谁被谁支配”:如果回收对象 A 就必然回收 B,那 A 支配 B。这个视图里每一行的百分比是相对整个堆的,不是相对父节点的,这一点弄错了,结论会完全反过来。
比如某一行显示 35%,你以为是“占父节点的 35%”,于是判断父节点还有很大优化空间;实际上它占了全堆的三分之一,父节点本身可能只是个薄薄的容器。正确的读法是:从根往下逐层展开,只在百分比明显高于同级兄弟的节点上停住,然后看它的 Shallow 与 Retained 差距。差距越大,说明它持有的东西越多,往下追的价值越大;差距接近,说明它自己就是那个大对象,去查它为什么这么大就行了。
配合“累计百分比”这一列更有用:展开到某个深度时累计超过 80%,剩下的分支基本可以先放一边。
3.3 Leak Suspects 只当线索,不能当结论
概览页里那张“可疑泄漏点”列表是启发式算出来的,它挑的是支配树里占比高、又不像是正常业务容器的子树。它给出的结论通常是“某类加载器加载的某批对象占了 40%”,然后附一条最短引用链。
它能帮你快速缩小范围,但直接照抄结论会翻车。原因在于启发式不认识业务语义:一个正常的内存缓存,在它眼里和泄漏长得一模一样;反过来,一个真正的泄漏如果分散在几千个小对象里,它可能一个都不报。我一般把它当“起点”而不是“答案”,拿到它给的类名之后,回到 Histogram 和 Dominator Tree 里自己走一遍引用链。
概览页里还有两个被低估的视图:一个是 Top Consumers,按包路径和类加载器聚合,能快速看出是哪个模块在膨胀;另一个是 Duplicate Classes,当同一个类名出现两份以上,基本可以确定是类加载器泄漏,这个信号比任何引用链都直接。
3.4 Path to GC Roots 的排除项,决定结论对不对
在任意对象上右键查“到 GC Root 的路径”,弹窗里有一组排除选项:排除弱引用、排除软引用、排除虚引用、排除 Phantom 之类。默认往往是排除弱引用和软引用,这个默认值对“查泄漏”是对的,对“查缓存为什么不释放”就是错的。
弱引用和软引用的语义是“内存紧张时可以被回收”,它们挂着的东西本来就不该算强引用泄漏。如果你正在查的是一个软引用缓存,把软引用排除掉,引用链会直接断在缓存容器上,看起来像是“没有强引用持有它”,于是得出错误结论。所以查缓存相关的问题时,要把排除项全部关掉,看清楚完整链路里到底有没有一条强引用把它钉住。
引用链读法上还有个小技巧:一条链太长时,重点看中间那几跳里有没有ThreadLocal、static字段、连接池容器、以及各种Map的 entry。静态集合持有是最常见的一类,链路上会出现java.lang.Class到静态字段再到集合节点。
4. OQL 与控制台:把“翻树”换成“查询”
视图适合建立整体印象,精确查找还得靠 OQL。它是一门类 SQL 的对象查询语言,跑在 dump 快照上,能按属性、长度、类名过滤,也能分组统计。加上命令行报表和对比功能,就能把一次性的手工分析变成可复用的流程。
4.1 三条能直接抄的 OQL 查询
第一条用来揪大数组,字符串底层是char[],大数组往往意味着一份没被切分的响应体或者一个没分页的查询结果:
-- 列出长度超过 1MB 的 char 数组,按保留大小倒序 SELECT x FROM char[] x WHERE x.@length > 1048576 ORDER BY x.@retainedHeapSize DESC@length是数组对象的长度属性,@retainedHeapSize是保留大小,这两个前缀带@的属性是 MAT 内置的。char[]这种写法直接用类型名,不加包名也认。
第二条用来查重复字符串,批量导入、缓存 key 拼装、日志上下文,都是重复字符串的重灾区:
-- 统计内容相同的 String 出现次数,超过 500 次的列出来 SELECT s.value.toString() AS content, COUNT(*) AS cnt FROM java.lang.String s GROUP BY s.value.toString() HAVING COUNT(*) > 500 ORDER BY cnt DESCGROUP BY的分组键必须是一个可比较的表达式,这里用value.toString()把底层字符数组转成字符串;HAVING过滤聚合后的计数。这条查询在大堆上跑得慢,建议先用WHERE s.value.@length > 200把短字符串滤掉,再分组,能快一个数量级。
第三条用来数容器节点,判断某个 Map 是不是在无限增长:
-- 统计 HashMap 节点数量,并按所属的 Map 实例分组 SELECT m, COUNT(n) AS nodeCount FROM java.util.HashMap m JOIN java.util.HashMap$Node n ON n.@objectId IN m.table.@referenceArray GROUP BY m ORDER BY nodeCount DESC这条用到了@objectId和数组属性,语法在不同版本上可能有细微差异,跑不通就先退化成最简形式:SELECT * FROM java.util.HashMap$Node,先数总量,再用 Histogram 找哪个 Map 实例的 Retained 最大。总节点数几百万而业务上不该有这么多时,基本可以确认是没设上限或者过期策略失效。
OQL 的边界也要清楚:它不能调任意方法(会改变堆状态),只支持有限的聚合函数,查询期间整个界面是阻塞的。写复杂查询前先在SELECT *上加WHERE缩小范围,别一上来就全表扫。
4.2 命令行报表:把一次性分析变成可以反复跑的活
MAT 装好之后带了一套命令行入口,可以在没有图形界面的服务器上直接产出报告。对外挂在值班机上定时跑一遍,比每次人工点开要靠谱。
# 无头模式生成报表:可疑泄漏点 + 概览 + 大对象 # 插件标识的前缀以安装目录 plugins 下的实际包名为准,不同构建可能略有差异 ./ParseHeapDump.sh /data/dump/heap.hprof \ org.eclipse.mat.api:suspects \ org.eclipse.mat.api:overview \ org.eclipse.mat.api:top_components执行完会在 dump 同目录生成一个 zip,里面是可离线打开的 HTML 报告,包含泄漏嫌疑、概览饼图和最大对象列表。参数就是 dump 路径加若干个报表标识,写几个出几个。无头模式同样吃内存,脚本文本里的堆参数要和 ini 里保持一致,否则跑到一半会被系统杀掉。这套流程的价值在于把“抓 dump → 出报告 → 归档”串成一条线,事后复盘时不用再等索引。
4.3 两份 dump 对比,找的是增量而不是绝对值
单份 dump 能告诉你“现在谁最大”,但很难告诉你“是谁在涨”。内存缓慢爬升这类问题,只有两份间隔一段时间的 dump 对比才有说服力。
操作路径是:两份都打开,各自在 Histogram 上右键加入 Compare Basket,然后在对比视图里看差值列。重点不是看谁的绝对值大,而是看“新增了多少个实例、新增了多少字节”。一个类在两小时内实例数从 1 万涨到 50 万,即使总量还没登顶,也已经是明确的信号。
对比时有个前提:两次 dump 的生成方式要一致,都带live或者都不带,否则一份包含死对象、一份不包含,差值全是噪声。
5. 避坑与排查:五条踩过的记录
5.1 生成与打开阶段的三个坑
坑一:打开时报 HPROF 版本不认识。现象是对话框直接拒绝加载,或者进度条走到 30% 后报解析失败。原因是 MAT 内置的运行时版本低于生成 dump 的 JDK 版本。解决是在 ini 文件里用-vm显式指向一个版本不低于被测进程的 JDK,位置必须放在-vmargs之前,写成 Windows 路径时注意反斜杠。
坑二:解析到一半卡死,内存监控显示系统在换页。现象是进度条半天不动,机器风扇狂转。原因是-Xmx给得不够,解析器在构建索引时反复触发 GC。解决是把 MAT 的堆调到 dump 文件大小的 1 倍以上;如果物理内存不够,改走丢弃不可达对象的路线,不要硬提参数。顺带确认磁盘至少有 dump 文件两倍的空闲空间,因为索引文件也不小。
坑三:抓完 dump 之后服务直接挂了。现象是jmap执行完,进程跟着退出或者长时间无响应。原因是live模式那次 Full GC 在堆已经接近满的时候会把停顿拉得非常长,容器健康检查探针超时后杀了 Pod。解决是线上优先用不带live的重定向方式,或者干脆提前挂HeapDumpOnOutOfMemoryError让它在溢出那一刻自己写;必须手动抓的时候,先把实例从负载均衡摘掉。
5.2 分析结论阶段的两个坑
坑四:Leak Suspects 报了一个占 40% 的类,照着改完一周后复现。现象是报告里那棵子树确实最大,但清理之后内存曲线照旧。原因是那个“嫌疑人”是个正常的本地缓存,被启发式误判,真正的增量藏在几千个小对象里。解决是把可疑列表当起点,回到两份 dump 的对比视图里看增量,按实例数量而不是字节数排序,往往能翻出真正在涨的那一类。
坑五:引用链里全是软引用,得出“没有强引用持有”的错误结论。现象是排查缓存类对象时,Path to GC Roots 显示的链条很短,看起来随时可回收。原因是查询时勾选了排除软引用和弱引用,链路被人为截断。解决是处理缓存相关问题时把排除项全部关掉,看完整链路里是否存在一条来自静态集合或者线程上下文的强引用;同时用 Duplicate Classes 视图确认是不是类加载器层面的问题。
6. 把 MAT 接进日常:一套固定的看数与验证顺序
用得久了会发现,MAT 的价值不在某个视图有多强,而在每次都用同一个顺序看,避免被最显眼的那个数字带跑。我现在的固定动作是:Histogram 按 Retained 降序扫前十,记下可疑类名;Dominator Tree 从根展开到累计 80%;Leak Suspects 只看它给的类名不看结论;最后拿两份间隔 dump 的对比差值做交叉验证。四步里超过两步指向同一个类,才动手改代码。
| 步骤 | 看什么 | 判据 | 常见误判 |
|---|---|---|---|
| 1 | Histogram 按 Retained 降序 | 前十里是否有意料之外的类 | 只按对象数排序 |
| 2 | Dominator Tree 逐层展开 | 累计到 80% 停 | 把百分比当成相对父节点 |
| 3 | Leak Suspects | 只取类名当线索 | 直接照抄结论 |
| 4 | 两份 dump 对比 | 实例数增量 | 两次生成方式不一致 |
验证阶段有两条硬标准,我一般会强制执行:一是找到的可疑对象,必须在引用链上能指到一个具体的、可以改的代码位置,指不到就说明还没查到底;二是改完之后按同样的间隔再抓一份 dump,用对比视图确认实例数不再增长,只看监控曲线回落不算数,因为那可能只是扩容或者重启带来的假象。
还有一个能省很多时间的习惯:每次抓完 dump 顺手重命名成应用名-实例-时间戳.hprof,并在旁边放一个几十行的说明文件,记下当时的 QPS、堆参数、有没有刚发版。半年后再翻出来复盘,这份说明比 dump 本身还值钱,没有它就只能靠猜。从那以后我每次做内存排查,都会在抓 dump 之前先把这几个字段写进文件名和说明里,再动手分析——希望帮到你。
本文还有配套的精品资源,点击获取