一、堆直方图
减少内存使用时一个重要目标，在堆分析上最简单的方法是利用堆直方图。通过堆直方图我们可以快速看到应用内的对象数目，同时不需要进行完整的堆转储（因为堆转储需要一段时间来分析，而且会消耗大量磁盘空间）。
直方图擅长识别由分配了一两个特定类的过多实例所引发的问题。例如应用中的内存压力是由一些特定的对象类型引起的，利用堆直方图可以很快就能看出端倪。
1.1、通过jcmd获得
堆直方图可以通过jcmd命令获得：
[ciadmin@2-103test_app ~]$ jcmd 26964 GC.class_histogram | more 26964: num #instances #bytes class name ---------------------------------------------- 1: 91488 21270064 [C 2: 9058 18963152 [B 3: 80620 2579840 java.util.concurrent.ConcurrentHashMap$Node 4: 24081 2119128 java.lang.reflect.Method 5: 86860 2084640 java.lang.String 6: 13013 1444264 java.lang.Class 7: 24376 1170048 org.aspectj.weaver.reflect.ShadowMatchImpl 8: 26822 1072880 java.util.LinkedHashMap$Entry 9: 553 921168 [Ljava.util.concurrent.ConcurrentHashMap$Node; 10: 15903 890568 java.util.LinkedHashMap 11: 12092 847832 [Ljava.util.HashMap$Node; 12: 307 829712 [J 13: 24376 780032 org.aspectj.weaver.patterns.ExposedState 14: 12621 718696 [Ljava.lang.Object; 15: 5433 686400 [I 16: 36341 581456 java.lang.Object 17: 17746 567872 java.util.HashMap$Node 18: 1267 476392 java.lang.Thread 19: 13207 422624 java.lang.ThreadLocal$ThreadLocalMap$Entry 20: 2516 270336 [Ljava.lang.ThreadLocal$ThreadLocalMap$Entry;
说明：
1、字段说明
- [C:字符数组
- [B:字节数组
- [Ljava.lang.Object:Object数组
2、GC.class_histogram输出的仅包含活跃对象
1.2、通过jmap获得
命令为：jmap -histo process_id
jmap的输出中包含会被回收的对象（死对象）。要在看到直方图之前强制执行一次Full GC，可以转而运行下面的命令：
如下，在命令行中增加:live参数后，输出的直方图是Full GC之后的数据
[ciadmin@2-103test_app ~]$ jmap -histo:live 26964 | more num #instances #bytes class name ---------------------------------------------- 1: 91488 21270064 [C 2: 9058 18963152 [B 3: 80620 2579840 java.util.concurrent.ConcurrentHashMap$Node 4: 24081 2119128 java.lang.reflect.Method 5: 86860 2084640 java.lang.String 6: 13013 1444264 java.lang.Class 7: 24376 1170048 org.aspectj.weaver.reflect.ShadowMatchImpl 8: 26822 1072880 java.util.LinkedHashMap$Entry 9: 553 921168 [Ljava.util.concurrent.ConcurrentHashMap$Node; 10: 15903 890568 java.util.LinkedHashMap 11: 12092 847832 [Ljava.util.HashMap$Node; 12: 307 829712 [J 13: 24376 780032 org.aspectj.weaver.patterns.ExposedState 14: 12621 718696 [Ljava.lang.Object; 15: 5433 686400 [I 16: 36341 581456 java.lang.Object 17: 17749 567968 java.util.HashMap$Node 18: 1267 476392 java.lang.Thread 19: 13207 422624 java.lang.ThreadLocal$ThreadLocalMap$Entry 20: 2516 270336 [Ljava.lang.ThreadLocal$ThreadLocalMap$Entry; 21: 8056 257792 java.util.LinkedList 22: 11664 247432 [Ljava.lang.Class; 23: 4397 187064 [Ljava.lang.String; 24: 1945 186720 org.springframework.beans.GenericTypeAwarePropertyDescriptor 25: 5631 180192 java.lang.ref.WeakReference 26: 3630 174240 java.util.HashMap
直方图非常小，但获取直方图也需要几秒时间。性能测试时需要注意它。
二、堆转储
直方图擅长识别由分配了一两个特定类的过多实例所引发的问题，但是要深度分析，就需要堆转储了。
2.1、使用jcmd进行堆转储
[ciadmin@2-103test_app pos-gateway-cloud]$ jcmd 26964 GC.heap_dump /home/ciadmin/pos-gateway-cloud/heap_dump.hprof 26964: Heap dump file created
2.2、使用jmap进行堆转储
[ciadmin@2-103test_app pos-gateway-cloud]$ jmap -dump:live,file=/home/ciadmin/pos-gateway-cloud/heap_dump2.hprof 26964 Dumping heap to /home/ciadmin/pos-gateway-cloud/heap_dump2.hprof ... Heap dump file created
jmap中包含live选项，会在堆转储前执行一次Full GC；jcmd默认就会这么做。如果因为某些原因，不希望包含其他对象（即死对象），可以在jcmd命令的最后加上-all。
2.3、自动堆转储
OutOfMemoryError是不可预料的，我们很难确定应该何时获得堆转储。有几个JVM标志可以起到帮助。
-XX:+HeapDumpOnOutOfMemoryError该标志默认为false，打开该标志，JVM会在抛出OutOfMemoryError时创建堆转储。
-XX:HeapDumpPath=<path>该标志知道了堆转储将被写入的位置，默认为当前工作目录下生产java_pid<pid>.hprof文件。
-XX:+HeapDumpAfterFullGC 这会在运行一次Full GC后生成一个堆转储文件。
-XX:+HeapDumpBeforeFullGC 这会在运行一次Full GC之前生成一个堆转储文件。
有的情况下，（入帮，因为执行了多次Full GC）会生成多个堆转储文件，这时JVM会在堆转储文件的名字上附加一个序号。
这两条命令都会在指定目录下创建一个命名为*.hprof的文件。生成之后，有很多工具可以打开该文件。以下是三个最常见的工具。
三、堆转储文件分析工具
jhat
这是最原始的分析工具，它会读取堆转储文件，并运行一个小型的HTTP服务器，该服务器运行你通过一系列网易链接查看堆转储信息。
[ciadmin@2-103test_app pos-gateway-cloud]$ jhat heap_dump.hprof Reading from heap_dump.hprof... Dump file created Mon Mar 05 18:33:10 CST 2018 Snapshot read, resolving... Resolving 751016 objects... Chasing references, expect 150 dots...................................................................................................................................................... Eliminating duplicate references...................................................................................................................................................... Snapshot resolved. Started HTTP server on port 7000 Server is ready.
找一台带浏览器的机器访问它，http://ip:7000
更多信息见《九、jdk工具之jhat命令(Java Heap Analyse Tool)、jhat之一：对dump的结果在浏览器上展示》
jvisualvm
jvisualvm的监视（Monitor） 选项卡可以从一个运行中的程序获得堆转储文件，也可以打开之前生成堆转储文件。
更多信息见《八、jdk工具之JvisualVM、JvisualVM之一--（visualVM介绍及性能分析示例）》
mat
开源的EclipseLink内存分析器工具（EclipseLink Memory Analyzer Tool，mat）可以加载一个或多个堆转储文件并执行分析。它可以生成报告，向我们建议可能存在问题的地方，也可以用于流量堆，并对堆执行类SQL的查询。
特别指出的是：mat内置一功能：如果打开了两个堆转储文件，mat有一个选项用来计算两个堆中的直方图之间的差别。
更多信息见《mat之一--eclipse安装Memory Analyzer》
对堆的第一遍分析通常涉及保留内存。一个对象的保留内存，是指回收该对象可以释放出的内存量。
关于保留内存相关知识见《GC之二--GC是如何回收时的判断依据、shallow（浅） size、retained（保留） size、Deep（深）size》
四、内存溢出错误
在下面情况下，jvm会抛出内存溢出错误（OutOfMemeoryError）：
- JVM没有原生内存可用；
- 永久代（在java7和更早的版本中）或元空间（java8）内存不足；
- java堆本身内存不足--对于给定的堆空间而言，应用中活跃对象太多；
- JVM执行GC耗时太多；
1、原生内存不足
其原因与堆根本无关。在32位的JVM中，一个进程的最大内存是4GB，如果指定一个非常大的堆大小，比如说3.8GB，使应用的大小很接近4GB的限制，这很危险。
2、永久代或元空间内存不足
首先与堆无关，其根源可能有两种情况：
- 第一种情况是应用使用的类太多，超出了永久代的默认容纳范围；解决方案：增加永久代的大小
- 第二种情况相对来说有点棘手：它涉及类加载器的内存泄漏。这种情况经常出现于Java EE应用服务器中。类加载导致内存溢出可以通过堆转储分析，在直方图中，找到ClassLoader类的所有实例，然后跟踪他们的GC根，看哪些对象还保留了对它们的引用。
示例：
3、堆内存不足
当确实是堆内存本身不足时，错误信息会这样：
OutOfMemoryError：Java heap space
可能的原因有：
1、活跃对象数目在为其配置的堆空间中已经装不下了。
2、也可能是应用存在内存泄漏：它持续分配新对象，却没有让其他对象退出作用域。
不管哪种情况，要找出哪些对象消耗的内存最多，堆转储分析都是必要的；
4、达到GC的开销限制
JVM抛出OutOfMemoryError的最后一种情况是JVM任务在执行GC上花费了太多时间：
OutOfMemoryError：GC overhead limit exceeded
当满足下列所有条件时就会抛出该错误：
1、花在Full GC的时间超出了-XX:GCTimeLimit=N标志指定的值。默认为98
2、一次Full GC回收内存量少于-XX:GCHeapFreeLimit=N标志指定的值。默认值为2（2%）
3、上面两个条件连续5次Full GC都成立（这个值无法调整）
4、-XX:+UseGCOverhead-Limit标志为true（默认也为true）
这四个条件必须都满足。一般来说，连续5次Full GC以上，不一定会抛异常。即使98%时间在Full GC上，但每次GC期间释放的堆空间会超过2%，这种情况下可以增加-XX:GCHeapFreeLimit的值。
还请注意，如果前两个条件连续4次Full GC周期都成立，作为释放内存的最后一搏，JVM中所有的软引用都会在第五次Full GC之前被释放。这往往会防止该错误，因为第五次Full GC很可能会释放超过2%的堆内存（假设该应用使用了软引用）。