- 1. JVM 对象分配
- 2. 什么情况会发生 Heap OOM
- 3. 模拟 Heap OOM
- 4. Heap OOM 的定位及解决
前面两篇文章介绍了metaspace区和Java虚拟机栈的内存溢出的分析及解决方案；一般来说，只要配置了合理的jvm参数和代码上注意一些，是不太容易发生这两块区域的内存溢出的。
真正最容易发生OOM的，是在 Java堆 中，也就是由于 平常系统中创建出来的对象实在太多了，最终导致了系统的OOM；
前面也介绍过了jvm运行时在堆中创建对象和回收的流程，在这里就只再做一个简略的对象分配回顾：
- 系统运行时会一直不停地创建对象，这些对象会先分配到Eden区；
- Eden区满了之后，就会触发YGC，然后存活对象进入Survivor区；
- 如果存活对象太多，Survivor区放不下的时候，就会通过分配担保进入到老年代中；
- 如果每次都有对象进入到老年代，也就会很快填满老年代；在老年代满了的时候，触发FGC；
- 如果老年代FGC之后，存活的对象还是很多，并且新生代继续往老年代进入对象；
- 在不能放下继续进入老年代的对象的时候，导致发生 堆空间的OOM；
根据上面的对象分配流程，发生堆内存溢出的原因，总结下来就是：
- 在新生代中的对象经过YGC之后大部分都是存活的，然后进入老年代经历FGC之后，仍然大部分都是存活的；所以老年代不能再继续放入更多对象，就导致了OOM。
针对这个原因，一般来说发生堆内存溢出就主要有两种场景：
- 系统承载高并发请求：
- 因为请求量很大，就会创建很多的对象；
- 因为请求量很大，系统处理就会变慢，导致GC的时候很多对象都是存活的；
- 所以在FGC之后大量对象存活，并且继续放入，引发OOM；
- 系统存在内存泄漏问题：
- 存在内存泄漏，对于大量对象没有及时清除引用，不能被GC掉；
- 这些对象一直占据老年代空间，如果有新生代对象进入老年代，放不下了就会引发OOM；
这是两种主要场景，其他当然还有很多比如JVM内存分配不合理什么的，但是这些并不一定会导致堆内存溢出，可能更多的是导致频繁Full GC。
3. 模拟 Heap OOM
public class HeapOomDemo {
public static void main(String[] args) {
int count = 0;
List list = new ArrayList<>();
while (true) {
list.add(new byte[1 * 1024 * 1024]);
System.out.println("当前创建了 " + (++count) + "M 的对象");
}
}
}
这段代码也很简单，就是在一个while死循环里面不停地创建对象，并且使用一个list来存储对象，也就是说这些对象全部存在引用，不能被GC掉。
JVM参数为 -Xms100m -Xmx100m，没有指定新生代大小，也就是按照默认比例分配，新生代大概30M左右，老年代大概60多M左右。
简要分析一下代码执行流程：
- 一直创建对象放在Eden区，在放入了快要满30M的时候（假设28M），发生YGC；这28M的对象不能被回收，全部进入老年代（老年代28M）；
- YGC之后，继续放入Eden区，再次到28M的时候，发生YGC；继续放入老年代（老年代56M）；
- 继续执行，继续放入Eden区，再次到28M的时候，想要发生YGC，但是此时老年代已经有56M了，距离老年代空间限度很小了，所以不能直接发生YGC；
- 就需要先执行FGC清除老年代的空间，但是这56M的对象，都被引用持有，在老年代也不能被GC掉，所以老年代依然占据56M空间；
- 此时新生代的对象还得进入老年代，但是老年代装不下了；没有办法，直接抛出OOM了；
再来看下GC日志：
从GC日志的数据呈现来看，我们上面的分析大致正确；
再来看下代码执行结果：
在创建了95M对象的时候，发生了 OutOfMemoryError: Java heap space；
4. Heap OOM 的定位及解决发生OOM之后，往往系统会很快崩溃掉，对于所有请求都不再响应，这个时候自然要登录到服务器上检查日志文件；
在检查日志的时候，就会看到上图的 OutOfMemoryError: Java heap space提示，自然就知道了系统发生了 堆内存溢出;
并且我们是打开了jvm的dump开关的，所以日志文件中也会显示 dump出了一份名为 java_pidxxxxx.hprof 的内存快照；
有了这个，自然是使用MAT进行分析了：
-
打开MAT，直接查看 Actions -> Dominator Tree:
可以看到，这里有95个大小为1M的byte[]数组对象，他们一共占用了99%左右的内存空间；
-
继续查看 Reports -> Leak Suspects：
也能看出这里的95M对象； -
继续点击 See stacktrace 进行查看：
这里就看到了是 HeapOomDemo.java 类的第 21行处代码最终引发堆内存溢出的； -
再回到代码检查：
list.add(new byte[1 * 1024 * 1024]);
也就是这行一直创建1M的byte[]数组对象的代码导致的…
通过MAT工具对于dump出来的内存快照进行分析，找到占用内存最多的对象，再定位到引发堆内存溢出的具体类和方法；
再结合代码进行分析，自然就能知道发生这次OOM的原因和解决办法了。
