JVM堆内存和非堆内存

来自:http://xstarcd.github.io/wiki/Java/JVM_Heap_Non-heap.html

堆和非堆内存

按照官方的说法:“Java 虚拟机具有一个堆(Heap),堆是运行时数据区域,所有类实例和数组的内存均从此处分配。堆是在 Java 虚拟机启动时创建的。”“在JVM中堆之外的内存称为非堆内存(Non-heap memory)”。

JVM主要管理两种类型的内存:堆和非堆。

Heap memory Code Cache
Eden Space
Survivor Space
Tenured Gen
non-heap memory Perm Gen
native heap?(I guess)
  • 堆内存

Java 虚拟机具有一个堆,堆是运行时数据区域,所有类实例和数组的内存均从此处分配。堆是在 Java 虚拟机启动时创建的。对象的堆内存由称为垃圾回收器的自动内存管理系统回收。

堆的大小可以固定,也可以扩大和缩小。堆的内存不需要是连续空间。

  • 非堆内存

Java 虚拟机管理堆之外的内存(称为非堆内存)。

Java 虚拟机具有一个由所有线程共享的方法区。方法区属于非堆内存。它存储每个类结构,如运行时常数池、字段和方法数据,以及方法和构造方法的代码。它是在 Java 虚拟机启动时创建的。

方法区在逻辑上属于堆,但 Java 虚拟机实现可以选择不对其进行回收或压缩。与堆类似,方法区的大小可以固定,也可以扩大和缩小。方法区的内存不需要是连续空间。

除了方法区外,Java 虚拟机实现可能需要用于内部处理或优化的内存,这种内存也是非堆内存。例如,JIT 编译器需要内存来存储从 Java 虚拟机代码转换而来的本机代码,从而获得高性能。

  • 几个基本概念

PermGen space:全称是Permanent Generation space,即永久代。就是说是永久保存的区域,用于存放Class和Meta信息,Class在被Load的时候被放入该区域,GC(Garbage Collection)应该不会对PermGen space进行清理,所以如果你的APP会LOAD很多CLASS的话,就很可能出现PermGen space错误。

Heap space:存放Instance。

扫描二维码关注公众号,回复: 623111 查看本文章

Java Heap分为3个区,Young即新生代,Old即老生代和Permanent。

Young保存刚实例化的对象。当该区被填满时,GC会将对象移到Old区。Permanent区则负责保存反射对象。

  • 堆内存分配
    • JVM初始分配的堆内存由-Xms指定,默认是物理内存的1/64;
    • JVM最大分配的堆内存由-Xmx指定,默认是物理内存的1/4。
    • 默认空余堆内存小于40%时,JVM就会增大堆直到-Xmx的最大限制;
    • 空余堆内存大于70%时,JVM会减少堆直到-Xms的最小限制。
    • 因此服务器一般设置-Xms、-Xmx 相等以避免在每次GC 后调整堆的大小。
    • 说明:如果-Xmx 不指定或者指定偏小,应用可能会导致java.lang.OutOfMemory错误,此错误来自JVM,不是Throwable的,无法用try...catch捕捉。
  • 非堆内存分配
    • JVM使用-XX:PermSize设置非堆内存初始值,默认是物理内存的1/64;
    • 由XX:MaxPermSize设置最大非堆内存的大小,默认是物理内存的1/4。
      • 还有一说:MaxPermSize缺省值和-server -client选项相关,-server选项下默认MaxPermSize为64m,-client选项下默认MaxPermSize为32m。这个我没有实验。
    • XX:MaxPermSize设置过小会导致java.lang.OutOfMemoryError: PermGen space 就是内存益出。
    • 为什么会内存益出:
      1. 这一部分内存用于存放Class和Meta的信息,Class在被 Load的时候被放入PermGen space区域,它和存放Instance的Heap区域不同。
      2. GC(Garbage Collection)不会在主程序运行期对PermGen space进行清理,所以如果你的APP会LOAD很多CLASS 的话,就很可能出现PermGen space错误。
    • 这种错误常见在web服务器对JSP进行pre compile的时候。

JVM内存限制(最大值)

  • 首先JVM内存限制于实际的最大物理内存,假设物理内存无限大的话,JVM内存的最大值跟操作系统有很大的关系。简单的说就32位处理器虽然可控内存空间有4GB,但是具体的操作系统会给一个限制,这个限制一般是2GB-3GB(一般来说Windows系统下为1.5G-2G,Linux系统下为2G-3G),而64bit以上的处理器就不会有限制了。
  • 为什么有的机器我将-Xmx和-XX:MaxPermSize都设置为512M之后Eclipse可以启动,而有些机器无法启动?
    • 通过上面对JVM内存管理的介绍我们已经了解到JVM内存包含两种:堆内存和非堆内存,另外JVM最大内存首先取决于实际的物理内存和操作系统。所以说设置VM参数导致程序无法启动主要有以下几种原因:
      1. 参数中-Xms的值大于-Xmx,或者-XX:PermSize的值大于-XX:MaxPermSize;
      2. -Xmx的值和-XX:MaxPermSize的总和超过了JVM内存的最大限制,比如当前操作系统最大内存限制,或者实际的物理内存等等。说到实际物理内存这里需要说明一点的是,如果你的内存是1024MB,但实际系统中用到的并不可能是1024MB,因为有一部分被硬件占用了。
  • 如果你有一个双核的CPU,也许可以尝试这个参数: -XX:+UseParallelGC 让GC可以更快的执行。(只是JDK 5里对GC新增加的参数)
  • 如果你的WEB APP下都用了大量的第三方jar,其大小超过了服务器jvm默认的大小,那么就会产生内存益出问题了。解决方法: 设置MaxPermSize大小。
    • 增加服务器启动的JVM参数设置: -Xms128m -Xmx256m -XX:PermSize=128M -XX:MaxNewSize=256m -XX:MaxPermSize=256m
    • 如tomcat,修改TOMCAT_HOME/bin/catalina.sh,在echo "Using CATALINA_BASE: $CATALINA_BASE"上面加入以下行:JAVA_OPTS="-server -XX:PermSize=64M -XX:MaxPermSize=128m
  • 建议:将相同的第三方jar文件移置到tomcat/shared/lib目录下,这样可以减少jar 文档重复占用内存

JVM内存设置参数

  • 内存设置参数
设置项 说明
-Xms512m 表示JVM初始分配的堆内存大小为512m(JVM Heap(堆内存)最小尺寸,初始分配)
-Xmx1024m JVM最大允许分配的堆内存大小为1024m,按需分配(JVM Heap(堆内存)最大允许的尺寸,按需分配)
-XX:PermSize=512M JVM初始分配的非堆内存
-XX:MaxPermSize=1024M JVM最大允许分配的非堆内存,按需分配
-XX:NewSize/-XX:MaxNewSize 定义YOUNG段的尺寸,NewSize为JVM启动时YOUNG的内存大小;
MaxNewSize为最大可占用的YOUNG内存大小。
-XX:SurvivorRatio 设置YOUNG代中Survivor空间和Eden空间的比例
  • 说明:
    1. 如果-Xmx不指定或者指定偏小,应用可能会导致java.lang.OutOfMemory错误,此错误来自JVM不是Throwable的,无法用try...catch捕捉。
    2. PermSize和MaxPermSize指明虚拟机为java永久生成对象(Permanate generation)如,class对象、方法对象这些可反射(reflective)对象分配内存限制,这些内存不包括在Heap(堆内存)区之中。
    3. -XX:MaxPermSize分配过小会导致:java.lang.OutOfMemoryError: PermGen space。
    4. MaxPermSize缺省值和-server -client选项相关:-server选项下默认MaxPermSize为64m、-client选项下默认MaxPermSize为32m。
  • 申请一块内存的过程
    1. JVM会试图为相关Java对象在Eden中初始化一块内存区域
    2. 当Eden空间足够时,内存申请结束。否则到下一步
    3. JVM试图释放在Eden中所有不活跃的对象(这属于1或更高级的垃圾回收);释放后若Eden空间仍然不足以放入新对象,则试图将部分Eden中活跃对象放入Survivor区/OLD区
    4. Survivor区被用来作为Eden及OLD的中间交换区域,当OLD区空间足够时,Survivor区的对象会被移到Old区,否则会被保留在Survivor区
    5. 当OLD区空间不够时,JVM会在OLD区进行完全的垃圾收集(0级)
    6. 完全垃圾收集后,若Survivor及OLD区仍然无法存放从Eden复制过来的部分对象,导致JVM无法在Eden区为新对象创建内存区域,则出现”out of memory错误”
  • resin服务器典型的响应时间优先型的jvm配置:
    -Xmx2000M -Xms2000M -Xmn500M
    -XX:PermSize=250M -XX:MaxPermSize=250M
    -Xss256K
    -XX:+DisableExplicitGC
    -XX:SurvivorRatio=1
    -XX:+UseConcMarkSweepGC
    -XX:+UseParNewGC
    -XX:+CMSParallelRemarkEnabled
    -XX:+UseCMSCompactAtFullCollection
    -XX:CMSFullGCsBeforeCompaction=0
    -XX:+CMSClassUnloadingEnabled
    -XX:LargePageSizeInBytes=128M
    -XX:+UseFastAccessorMethods
    -XX:+UseCMSInitiatingOccupancyOnly
    -XX:CMSInitiatingOccupancyFraction=60
    -XX:SoftRefLRUPolicyMSPerMB=0
    -XX:+PrintClassHistogram
    -XX:+PrintGCDetails
    -XX:+PrintGCTimeStamps
    -XX:+PrintHeapAtGC
    -Xloggc:log/gc.log
    

内存回收算法

Java中有四种不同的回收算法,对应的启动参数为:

–XX:+UseSerialGC
–XX:+UseParallelGC
–XX:+UseParallelOldGC
–XX:+UseConcMarkSweepGC

Serial Collector

大部分平台或者强制 java -client 默认会使用这种。

young generation算法 = serial

old generation算法 = serial (mark-sweep-compact)

这种方法的缺点很明显, stop-the-world, 速度慢。服务器应用不推荐使用。

Parallel Collector

在linux x64上默认是这种,其他平台要加 java -server 参数才会默认选用这种。

young = parallel,多个thread同时copy

old = mark-sweep-compact = 1

优点:新生代回收更快。因为系统大部分时间做的gc都是新生代的,这样提高了throughput(cpu用于非gc时间)

缺点:当运行在8G/16G server上old generation live object太多时候pause time过长

Parallel Compact Collector (ParallelOld)

young = parallel = 2

old = parallel,分成多个独立的单元,如果单元中live object少则回收,多则跳过

优点:old old generation上性能较 parallel 方式有提高

缺点:大部分server系统old generation内存占用会达到60%-80%, 没有那么多理想的单元live object很少方便迅速回收,同时compact方面开销比起parallel并没明显减少。

Concurrent Mark-Sweep(CMS) Collector

young generation = parallel collector = 2

old = cms

同时不做 compact 操作。

优点:pause time会降低, pause敏感但CPU有空闲的场景需要建议使用策略4.

缺点:cpu占用过多,cpu密集型服务器不适合。另外碎片太多,每个object的存储都要通过链表连续跳n个地方,空间浪费问题也会增大。

内存监控方法

  • jmap -heap 查看java 堆(heap)使用情况
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    jmap -heap pid
     
    using thread- local object allocation.
     
    Parallel GC with 4 thread(s)   #GC 方式
     
    Heap Configuration:  #堆内存初始化配置
     
    MinHeapFreeRatio=40  #对应jvm启动参数-XX:MinHeapFreeRatio设置JVM堆最小空闲比率(default 40)
    MaxHeapFreeRatio=70  #对应jvm启动参数 -XX:MaxHeapFreeRatio设置JVM堆最大空闲比率(default 70)
    MaxHeapSize=512.0MB  #对应jvm启动参数-XX:MaxHeapSize=设置JVM堆的最大大小
    NewSize  = 1.0MB     #对应jvm启动参数-XX:NewSize=设置JVM堆的‘新生代’的默认大小
    MaxNewSize =4095MB   #对应jvm启动参数-XX:MaxNewSize=设置JVM堆的‘新生代’的最大大小
    OldSize  = 4.0MB     #对应jvm启动参数-XX:OldSize=<value>:设置JVM堆的‘老生代’的大小
    NewRatio  = 8        #对应jvm启动参数-XX:NewRatio=:‘新生代’和‘老生代’的大小比率
    SurvivorRatio = 8    #对应jvm启动参数-XX:SurvivorRatio=设置年轻代中Eden区与Survivor区的大小比值
    PermSize= 16.0MB     #对应jvm启动参数-XX:PermSize=<value>:设置JVM堆的‘永生代’的初始大小
    MaxPermSize=64.0MB   #对应jvm启动参数-XX:MaxPermSize=<value>:设置JVM堆的‘永生代’的最大大小
     
    Heap Usage:          #堆内存分步
     
    PS Young Generation
     
    Eden Space:         #Eden区内存分布
     
    capacity = 20381696 (19.4375MB)             #Eden区总容量
    used     = 20370032 (19.426376342773438MB)  #Eden区已使用
    free     = 11664 (0.0111236572265625MB)     #Eden区剩余容量
    99.94277218147106% used                     #Eden区使用比率
     
    From Space:        #其中一个Survivor区的内存分布
     
    capacity = 8519680 (8.125MB)
    used     = 32768 (0.03125MB)
    free     = 8486912 (8.09375MB)
    0.38461538461538464% used
     
    To Space:          #另一个Survivor区的内存分布
     
    capacity = 9306112 (8.875MB)
    used     = 0 (0.0MB)
    free     = 9306112 (8.875MB)
    0.0% used
     
    PS Old Generation  #当前的Old区内存分布
     
    capacity = 366280704 (349.3125MB)
    used     = 322179848 (307.25464630126953MB)
    free     = 44100856 (42.05785369873047MB)
    87.95982001825573% used
     
    PS Perm Generation #当前的 “永生代” 内存分布
     
    capacity = 32243712 (30.75MB)
    used     = 28918584 (27.57891082763672MB)
    free     = 3325128 (3.1710891723632812MB)
    89.68751488662348% used
  • JVM内存监控工具
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    <%@ page import="java.lang.management.*" %>
    <%@ page import="java.util.*" %>
    < html >
    < head >
       < title >JVM Memory Monitor</ title >
    </ head >
    < body >
    < table border = "0" width = "100%" >
         < tr >< td colspan = "2" align = "center" >< h3 >Memory MXBean</ h3 ></ td ></ tr >
         < tr >< td width = "200" >Heap Memory Usage</ td >< td ><%=ManagementFactory.getMemoryMXBean().getHeapMemoryUsage()%></ td ></ tr >
         < tr >< td >Non-Heap Memory Usage</ td >< td ><%=ManagementFactory.getMemoryMXBean().getNonHeapMemoryUsage()%></ td ></ tr >
         < tr >< td colspan = "2" >&nbsp;</ td ></ tr >
         < tr >< td colspan = "2" align = "center" >< h3 >Memory Pool MXBeans</ h3 ></ td ></ tr >
    <%
             Iterator iter = ManagementFactory.getMemoryPoolMXBeans().iterator();
             while (iter.hasNext()) {
                 MemoryPoolMXBean item = (MemoryPoolMXBean) iter.next();
    %>
    < tr >< td colspan = "2" >
         < table border = "0" width = "100%" style = "border: 1px #98AAB1 solid;" >
             < tr >< td colspan = "2" align = "center" >< b ><%= item.getName() %></ b ></ td ></ tr >
             < tr >< td width = "200" >Type</ td >< td ><%= item.getType() %></ td ></ tr >
             < tr >< td >Usage</ td >< td ><%= item.getUsage() %></ td ></ tr >
             < tr >< td >Peak Usage</ td >< td ><%= item.getPeakUsage() %></ td ></ tr >
             < tr >< td >Collection Usage</ td >< td ><%= item.getCollectionUsage() %></ td ></ tr >
         </ table >
    </ td ></ tr >
    < tr >< td colspan = "2" >&nbsp;</ td ></ tr >
    <%} %>
    </ table >
    </ body >
    </ html >

猜你喜欢

转载自piaoling.iteye.com/blog/2306106
今日推荐