JVM相关的异常，一直是一线研发比较头疼的问题。因为对于业务代码，JVM的运行基本算是黑盒，当异常发生时，较难直观的看到和找到问题所在，这也是我们一直要研究其内部逻辑的原因。
本篇就由一个近期线上JVM内存泄漏的例子，带大家强行分析一波~
Part1 线上服务器报警了
某天，同事来找我帮忙，原来是某系统毫无征兆的来了一连串报警，一波机器的老年代内存占用率超过阈值~
1.1先看表现
老年代内存占用
可以看到，在7月中旬之前，内存占用还是比较正常的，每次GC都可以回收掉很大一部分的老年代对象。
而中旬之后，老年代内存一直缓慢增长而无法释放。很明显，应该是对象没法被正常回收导致。
内存泄漏了~
1.2 怎么办呢
如果是刚上线的项目爆出了此类问题，因为影响面比较小，可以直接先回滚代码，止血为第一要务。
不过，这个项目明显已经上线N多天，中间还不知道上过多少需求，而且，既然流量近期有上涨导致问题出现，说明，已经对客开流量了。
回滚是不可能了，抓紧时间定位问题，上线修复吧。
Part2 定位问题
一般的步骤：
- 拿到dump文件
- 用MAT等工具，找出内存占用过多的异常对象，以及引用关系
- 分析异常对象关联代码的可能问题
不过，因为这次dump下来的文件十多G，太大的，MAT基本无能为力，只能打印出来人工分析了
2.1 定位问题代码
jmap结果查看
很幸运，异常对象非常明显。Point对象和GeoDispLocal对象，居然多达好几百万实例数，那就先看下代码中这两个对象是怎么用的。
- private static final CacheMap<String, List<GeoDispLocal>> NEAR_DISTRICT_CACHE = new CacheMap<String, List<GeoDispLocal>>(3600 * 1000, 1000);
- private static final CacheMap<Integer, Point> LOCAL_POINT_CACHE = new CacheMap<Integer, Point>(3600 * 1000, 6000);
都是被存放在本次缓存CacheMap中(内存泄漏的一个常见原因，就是因为被静态集合持有，无法回收导致)，而dump文件中的CacheMap.Entry也是非常高的。
CacheMap就是我们的第一优先怀疑对象了。先看下这个缓存类是怎么回事：
- ublic class CacheMap<K, V> {
- private final long expireMs;
- private LRUMap<K, CacheMap.Entry<V>> valueMap;
- //其他略
- }
内部依赖一个带LRU功能的map，怎么实现的呢:
- public class LRUMap<K, V> extends LinkedHashMap<K, V> {
- private static final long serialVersionUID = 1L;
- private final int maxCapacity;
- // 这个map不会扩容
- private static final float LOAD_FACTOR = 0.99f;
- private final ReadWriteLock lock = new ReentrantReadWriteLock();
- public LRUMap(int maxCapacity) {
- super(maxCapacity, LOAD_FACTOR, true);
- this.maxCapacity = maxCapacity;
- }
- @Override
- protected boolean removeEldestEntry(java.util.Map.Entry<K, V> eldest) {
- return size() > maxCapacity;
- }
- @Override
- public V get(Object key) {
- try {
- lock.readLock().lock();
- return super.get(key);
- } finally {
- lock.readLock().unlock();
- }
- }
- @Override
- public V put(K key, V value) {
- try {
- lock.writeLock().lock();
- return super.put(key, value);
- } finally {
- lock.writeLock().unlock();
- }
- }
- //remove clear 略
- }
内部是一个依赖LinkedHashMap实现的LRU缓存。看注释，目的是要构建一个限定容量、且不会进行扩容的MAP(百度了一波，和网上的实现一模一样~)。那么，实际情况真的和想象中的一样么?。
2.2 LinkedHashMap实现的LRUMap好使么
我们来看容量和扩容相关的设置：为什么设计者认为该LRUMap不会进行扩容?
- //**把容量和扩容相关的参数摘出来**
- //用户期望的最大容量
- private final int maxCapacity;
- //加载系数
- private static final float LOAD_FACTOR = 0.99f;
- //构造函数中调用LinkedHashMap进行初始化
- super(maxCapacity, LOAD_FACTOR, true);
- @Override //复写删除最久元素条件方法
- protected boolean removeEldestEntry(java.util.Map.Entry<K, V> eldest) {
- //当LinkedHashMap.size 比 我们限定容量大时，执行删除
- return size() > maxCapacity;
- }
按我们的实际使用实例化一下：
- maxCapacity=6000，是我们希望的最大元素容量。
- load_factor=0.99 加载因子。
- Map内部threshold=8192*0.99=8110，是那么下次扩容时的容量大小。(map中table容量的真实大小是离6000最近的2的N次幂，即8192)。
因为复写了LRU条件函数，当size>6000时会进行LRU替换。因此，理论上，size永远不会达到8110。
怎么解决并发下的读写冲突呢?
- //读写锁
- private final ReadWriteLock lock = new ReentrantReadWriteLock();
- public V get(Object key) {
- try {
- lock.readLock().lock();
- return super.get(key);
- } finally {
- lock.readLock().unlock();
- }
- }
- public V put(K key, V value) {
- try {
- lock.writeLock().lock();
- return super.put(key, value);
- } finally {
- lock.writeLock().unlock();
- }
- }
设计者为了解决并发下的读写冲突，给查询和修改方法加了锁，为了兼顾性能，使用了读写锁：在get的时候加读锁，在put/remove的时候加写锁。
看起来，整个设计很好的解决了LRUMap的固定容量和并发操作问题，那么事实是什么样的呢?
其实，这个问题很早就有人分析过了[1] ，是因为LinkedHashMap在get读操作的时候，会为了维护LRU从而进行元素修改，即将get到的元素转移到链表最后。这样，就导致了读写并发问题，但这个解释感觉朦朦胧胧，因此，我决定在其基础上对读写并发问题再讲细致一些。
2.3 LinkedHashMap内存泄漏拆解
都加了读写锁为什么不好使呢?
这里我们还是需要先明确，读写锁的概念和适用场景：读写锁，允许多个线程共享读锁，适用于读多写少的情况。(前提是，读操作不会改变存储结构)
所以，问题就发生在get操作上，LinkedHashMap的get操作被重写，目的是为了实现LRU功能，在get之后，将当前节点移动到链表最后。
移动啊，同志们，这明显是一个写操作，所以，加读锁还有用么?
即允许多线程进入，又进行了修改，那还能起什么作用，能没有并发问题么?
下面，对照节点移动的代码，详细拆解一下多线程下的并发问题：
get之后的节点移动，将节点移动到最后
实际拆解分析如下，为什么在多线程的情况下，会出现内存泄漏：
时间片下多线程的get执行
我们看到，在线程1执行完前两句，让出了时间片，当线程2执行到p.after=null之后又出让了时间片，这样，本来a应该是后面的<2,B>节点，结果多线程下变成了null，最终，后面两个节点被踢出了链表，删除操作无法触达，造成内存泄漏。
验证的代码就不贴了，大家有兴趣可以自己试一下~
Part3 总结
话说回来，既然定位到了问题，这个内存泄漏怎么修复呢?
可以把读写锁改成互斥锁。或者直接用分布式存储，能慢多少呢，是不是，既方便，简单，又免得为了节约机器内存自己构造LRUMap。
每一个八股文都不只是为了面试，而是每次线上问题排查的基石。千万别把八股文的作用定位错了。。。
本文转载自微信公众号「Coder的技术之路 」，可以通过以下二维码关注。转载本文请联系Coder的技术之路公众号。
